一种众包测试报告推荐方法、装置及电子设备制造方法及图纸

本发明专利技术的实施例提供了一种众包测试报告推荐方法、装置及电子设备，方法包括：获取第一缺陷报告和多个历史缺陷报告，确定第一缺陷报告的第一特征向量和每个历史缺陷报告的第二特征向量，确定第一特征向量与各第二特征向量的相似度，并将相似度进行排序；基于排序的结果对历史缺陷报告进行推荐，存在可以确定在历史缺陷报告是否存在与第一缺陷报告相似的缺陷报告，从而避免用户在对第一缺陷报告编辑的过程中，出现重复内容的缺陷报告，从而提升众包测试任务的准确性。包测试任务的准确性。包测试任务的准确性。

【技术实现步骤摘要】
一种众包测试报告推荐方法、装置及电子设备


[0001]本专利技术涉及数据处理
，具体而言，涉及一种众包测试报告推荐方法、装置及电子设备。

技术介绍

[0002]众包测试，即测试人员将测试任务发布到众包平台中，由平台大规模的众包工人进行人工测试。
[0003]现有技术中，在对众包测试任务进行众包测试的过程中，由于进行测试的众包工人的数量众多，众多众包工人的想法难免产生一致，因此，当众包测试任务结束后，在对提交的缺陷报告整理的过程中，出现较多的缺陷报告，影响众包测试任务的测试效果。

技术实现思路

[0004]本专利技术的目的在于提供一种众包测试报告推荐方法、装置及电子设备，能够避免在众包测试任务中提交重复的缺陷报告。
[0005]为了实现上述目的，本专利技术实施例采用的技术方案如下：第一方面，本专利技术实施例提供了一种众包测试报告推荐方法，应用众包测试平台，所述方法包括：获取第一缺陷报告和多个历史缺陷报告，其中，所述历史缺陷报告为众包工人在众包测试任务中提交的缺陷报告；通过训练好的知识图谱特征学习模型和词向量模型，确定所述第一缺陷报告的第一词向量、第一实体向量以及第一上下文实体向量；通过训练好的知识图谱特征学习模型和所述词向量模型，确定每个所述历史缺陷报告的第二词向量、第二实体向量以及第二上下文实体向量；基于所述第一词向量、第一实体向量以及第一上下文实体向量得到所述第一缺陷报告的第一特征向量，基于所述第二词向量、第二实体向量以及第二上下文实体向量得到每个所述历史缺陷报告的第二特征向量；确定所述第一特征向量与各所述第二特征向量的相似度，并将所述相似度进行排序；基于所述排序的结果对历史缺陷报告进行推荐。
[0006]在可选的实施方式中，所述基于所述第一词向量、第一实体向量以及第一上下文实体向量得到所述第一缺陷报告的第一特征向量，基于所述第二词向量、第二实体向量以及第二上下文实体向量得到每个所述历史缺陷报告的第二特征向量的步骤，包括：将所述第一词向量、第一实体向量以及第一上下文实体向量拼接为第一目标向量；将所述第一目标向量经过维度变化、激活函数、卷积以及池化处理后，得到第一特征向量；
将所述第二词向量、第二实体向量以及第二上下文实体向量拼接为第二目标向量；将所述第二目标向量经过维度变化、激活函数、卷积以及池化处理后，得到第二特征向量。
[0007]在可选的实施方式中，所述方法还包括：基于历史缺陷报告和所述历史缺陷报告对应的测试信息，构建知识图谱，其中，所述历史缺陷报告对应的测试信息包括众包工人的行为信息、测试报告以及测试用例；基于所述知识图谱，对所述知识图谱特征学习模型和词向量模型进行训练。
[0008]在可选的实施方式中，所述基于历史缺陷报告和所述历史缺陷报告对应的测试信息，构建知识图谱的步骤，包括：将各历史缺陷报告和与各所述历史缺陷报告对应的测试信息输入分词模型，得到多个不同类型的关键词；确定所述关键词对应的实体；确定各所述实体之间在实际场景中的逻辑关系；基于各所述实体的逻辑关系，构建知识图谱；将所述知识图谱存储在图形数据库中。
[0009]在可选的实施方式中，所述方法还包括：当存在新的缺陷报告时，获取所述新的缺陷报告的测试信息；依据新的缺陷报告和该新的缺陷报告对应的测试信息，更新所述知识图谱。
[0010]在可选的实施方式中，所述基于所述知识图谱，对所述知识图谱特征学习模型和词向量模型进行训练的步骤，包括：将所述知识图谱中的关键词作为所述词向量模型的第一训练集；基于所述第一训练集，对所述词向量模型进行训练；获取所述知识图谱中的实体、各实体之间的逻辑关系以及每个实体在预设范围内的相邻实体所形成的子图，作为所述知识图谱特征学习模型的第二训练集；基于所述第二训练集，对所述知识图谱特征学习模型进行训练。
[0011]在可选的实施方式中，所述获取用户编辑的第一缺陷报告和历史缺陷报告的步骤，包括：获取第一缺陷报告和用户对多个历史缺陷报告的关注信息；从多个所述历史缺陷报告中，获取与所述关注信息对应的关注缺陷报告集；所述通过训练好的知识图谱特征学习模型和所述词向量模型，确定每个所述历史缺陷报告的第二词向量、第二实体向量以及第二上下文实体向量的步骤，包括：通过训练好的知识图谱特征学习模型和所述词向量模型，确定所述关注缺陷报告集中每个缺陷报告的第三词向量、第三实体向量以及第三上下文实体向量；所述基于所述第二词向量、第二实体向量以及第二上下文实体向量得到每个所述历史缺陷报告的第二特征向量的步骤，包括：基于所述第三词向量、第三实体向量以及第三上下文实体向量得到所述关注缺陷报告集中每个关注缺陷报告的第三特征向量；所述确定所述第一特征向量与各所述第二特征向量的相似度，并将所述相似度进
行排序的步骤，包括：确定所述第一特征向量与各所述第三特征向量的相似度，并将所述相似度进行排序。
[0012]在可选的实施方式中，所述方法还包括：在众包测试任务完成后，获取众包测试任务中的所有第二缺陷报告；确定各所述第二缺陷报告的重复度；在重复度高于预设阈值的情况下，将重复的第二缺陷报告的参考分值设置为零分。
[0013]第二方面，本专利技术实施例提供了一种众包测试报告推荐装置，所述装置包括：获取模块和处理模块；所述获取模块，用于获取第一缺陷报告和多个历史缺陷报告，其中，所述历史缺陷报告为众包工人在众包测试任务中提交的缺陷报告；所述处理模块，用于通过训练好的知识图谱特征学习模型和词向量模型，确定所述第一缺陷报告的第一词向量、第一实体向量以及第一上下文实体向量，通过训练好的知识图谱特征学习模型和所述词向量模型，确定每个所述历史缺陷报告的第二词向量、第二实体向量以及第二上下文实体向量，基于所述第一词向量、第一实体向量以及第一上下文实体向量得到所述第一缺陷报告的第一特征向量，基于所述第二词向量、第二实体向量以及第二上下文实体向量得到每个所述历史缺陷报告的第二特征向量，确定所述第一特征向量与各所述第二特征向量的相似度，并将所述相似度进行排序，基于所述排序的结果对历史缺陷报告进行推荐。
[0014]第三方面，本专利技术实施例提供了一种电子设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现所述众包测试报告推荐方法的步骤。
[0015]第四方面，本专利技术实施例提供了一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现所述众包测试报告推荐方法的步骤。
[0016]本专利技术具有以下有益效果：本专利技术通过获取第一缺陷报告和多个历史缺陷报告，通过训练好的知识图谱特征学习模型和词向量模型，确定第一缺陷报告的第一词向量、第一实体向量以及第一上下文实体向量，通过训练好的知识图谱特征学习模型和词向量模型，确定每个历史缺陷报告的第二词向量、第二实体向量以及第二上下文实体向量，基于第一词向量、第一实体向量以及第一上下文实体向量得到第一缺陷报告的第一特征向量，基于第二词向量、第二实体向量以及第二上下文实体向量得到每个历史缺陷报告的第二特征向量，确定第一特征向量与各第本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种众包测试报告推荐方法，应用众包测试平台，其特征在于，所述方法包括：获取第一缺陷报告和多个历史缺陷报告，其中，所述历史缺陷报告为众包工人在众包测试任务中提交的缺陷报告；通过训练好的知识图谱特征学习模型和词向量模型，确定所述第一缺陷报告的第一词向量、第一实体向量以及第一上下文实体向量；通过训练好的知识图谱特征学习模型和所述词向量模型，确定每个所述历史缺陷报告的第二词向量、第二实体向量以及第二上下文实体向量；基于所述第一词向量、第一实体向量以及第一上下文实体向量得到所述第一缺陷报告的第一特征向量，基于所述第二词向量、第二实体向量以及第二上下文实体向量得到每个所述历史缺陷报告的第二特征向量；确定所述第一特征向量与各所述第二特征向量的相似度，并将所述相似度进行排序；基于所述排序的结果对历史缺陷报告进行推荐。2.根据权利要求1所述的方法，其特征在于，所述基于所述第一词向量、第一实体向量以及第一上下文实体向量得到所述第一缺陷报告的第一特征向量，基于所述第二词向量、第二实体向量以及第二上下文实体向量得到每个所述历史缺陷报告的第二特征向量的步骤，包括：将所述第一词向量、第一实体向量以及第一上下文实体向量拼接为第一目标向量；将所述第一目标向量经过维度变化、激活函数、卷积以及池化处理后，得到第一特征向量；将所述第二词向量、第二实体向量以及第二上下文实体向量拼接为第二目标向量；将所述第二目标向量经过维度变化、激活函数、卷积以及池化处理后，得到第二特征向量。3.根据权利要求1所述的方法，其特征在于，所述方法还包括：基于历史缺陷报告和所述历史缺陷报告对应的测试信息，构建知识图谱，其中，所述历史缺陷报告对应的测试信息包括众包工人的行为信息、测试报告以及测试用例；基于所述知识图谱，对所述知识图谱特征学习模型和词向量模型进行训练。4.根据权利要求3所述的方法，其特征在于，所述基于历史缺陷报告和所述历史缺陷报告对应的测试信息，构建知识图谱的步骤，包括：将各历史缺陷报告和与各所述历史缺陷报告对应的测试信息输入分词模型，得到多个不同类型的关键词；确定所述关键词对应的实体；确定各所述实体之间在实际场景中的逻辑关系；基于各所述实体的逻辑关系，构建知识图谱；将所述知识图谱存储在图形数据库中。5.根据权利要求4所述的方法，其特征在于，所述方法还包括：当存在新的缺陷报告时，获取所述新的缺陷报告的测试信息；依据新的缺陷报告和该新的缺陷报告对应的测试信息，更新所述知识图谱。6.根据权利要求3所述的方法，其特征在于，所述基于所述知识图谱，对所述知识图谱特征学习模型和词向量模型进行训练的步骤，包括：
将所述知识图谱中的关键词作为所述词向量模型的第一训练集；基于所述...

【专利技术属性】
技术研发人员：黄万民，王青，张晋桂，虞圣呈，房春荣，张慧斌，谢思妙，
申请(专利权)人：广东拓思软件科学园有限公司，
类型：发明
国别省市：