一种系统批量框架的测试方法及装置制造方法及图纸

本申请提供了一种系统批量框架的测试方法及装置。在执行所述方法时，先获取待测案例集合，该待测案例集合包括用于测试系统批量框架的多个待测案例。该待测案例集合例如可以是对于待测系统批量框架而言相对应设计的案例集合，以及对于新增批量作业而言相对应设计的案例集合。然后通过神经网络模型从所述待测案例集合中确定目标案例集合，该目标案例集合包括多个目标案例，该目标案例为预测测试结果为异常的可能性大于预设阈值的所述待测案例。最后，根据所述目标案例集合测试系统批量框架。这样，通过神经网络模型筛选出目标案例集合，能够自动找出有价值的测试案例，达到了在避免过度依赖测试人员经验的情况下依然可以快速测试系统的效果。测试系统的效果。测试系统的效果。

【技术实现步骤摘要】
一种系统批量框架的测试方法及装置


[0001]本申请涉及测试
，尤其涉及一种系统批量框架的测试方法及装置。

技术介绍

[0002]随着社会的发展，为了便于内部管理以及给用户提供更好的服务，银行投产了许多系统。
[0003]众所周知，每个系统都有各自的批量流程任务处理总体架构，以下简称批量框架。在涉及新增批量作业的时候，由于该批量框架不经常变动，就要通过设计案例对该批量框架进行整体测试。又由于测试该批量框架的案例量巨大，故如果做到使用所有的案例对该批量框架进行全覆盖测试，会耗费大量的人力。于是现有技术一般采用测试人员抽查检测的方法，对批量框架进行检测。
[0004]但是现有技术这样的抽查检测的方法，依赖测试人员的经验，因此容易受人为影响。

技术实现思路

[0005]有鉴于此，本申请实施例提供了一种系统批量框架的测试方法及装置，旨在通过神经网络模型筛选出目标案例集合，根据目标案例集合对系统批量框架进行测试。
[0006]第一方面，本申请实施例提供了一种系统批量框架的测试方法，包括：
[0007]获取待测案例集合，所述待测案例集合包括用于测试系统批量框架的多个待测案例；
[0008]通过神经网络模型从所述待测案例集合中确定目标案例集合，所述目标案例集合包括多个目标案例，所述目标案例为预测测试结果为异常的可能性大于预设阈值的所述待测案例；
[0009]根据所述目标案例集合测试系统批量框架。
[0010]在一种可能的实现方式中，所述待测案例集合包括第一待测案例集合和第二待测案例集合，所述通过神经网络模型从所述待测案例集合中确定目标案例集合包括：
[0011]通过所述神经网络模型从所述第一待测案例集合中确定第一目标案例集合；
[0012]根据所述神经网络模型从第三待测案例集合中确定第二目标案例集合，所述第三待测案例集合包括所述第一目标案例集合和所述第二待测案例集合；
[0013]判断所述第一目标案例集合和所述第二目标案例集合的重合程度是否大于等于预设值；
[0014]响应于所述第一目标案例集合和所述第二目标案例集合的重合程度大于等于预设值，确定输出所述第一目标案例集合与所述第二目标案例集合的多个重合案例作为所述目标案例集合。
[0015]在一种可能的实现方式中，所述神经网络模型的建立包括以下步骤：
[0016]获取训练数据集，所述训练数据集包括用于训练神经网络模型的训练案例集合以
及训练目标案例集合；
[0017]根据训练数据集训练所述神经网络模型，所述神经网络模型用于描述案例集合与目标案例集合的对应关系；
[0018]其中，所述训练案例用于测试被测系统的批量框架文档整体；所述文档用于描述待测系统的批量处理流程总体架构。
[0019]在一种可能的实现方式中，所述方法还包括：
[0020]获取所述目标案例集合以及所述目标案例集合的测试结果；
[0021]根据所述目标案例集合的测试结果，判断所述训练目标案例集合中的案例是否达到预设精准度；
[0022]响应于所述训练目标案例集合中的案例未达到预设精准度，将所述目标案例集合作为所述训练目标案例以及所述训练案例输入至所述训练数据集；
[0023]其中，所述预设精准度为所述目标案例集合测试结果与所述训练目标案例集合预测的测试结果相似程度；所述目标案例集合的测试结果为所述实际测试案例测试被测系统批量框架时的测试结果。
[0024]在一种可能的实现方式中，所述神经网络模型的建立还包括：
[0025]判断所述神经网络模型的更新时间间隔是否大于等于预设阈值；
[0026]响应于所述神经网络模型的更新时间间隔大于等于预设阈值，将新增训练案例输入至所述训练数据集；
[0027]其中，所述新增训练案例包括根据联机数据编写的案例。
[0028]第二方面，本申请实施例提供了一种系统批量框架的测试装置，包括：
[0029]获取单元，用于获取待测案例集合，所述待测案例集合包括用于测试系统批量框架的多个待测案例；
[0030]预测单元，通过神经网络模型从所述待测案例集合中确定目标案例集合，所述目标案例集合包括多个目标案例，所述目标案例为预测测试结果为异常的可能性大于预设阈值的所述待测案例；
[0031]测试单元，根据所述目标案例集合测试系统批量框架。
[0032]在一种可能的实现方式中，所述待测案例集合包括第一待测案例集合和第二待测案例集合，所述预测单元，具体用于确定第一目标案例集合单元，用于通过所述神经网络模型从所述第一待测案例集合中确定第一目标案例集合；确定第二目标案例集合单元，用于根据所述神经网络模型从第三待测案例集合中确定第二目标案例集合，所述第三待测案例集合包括所述第一目标案例集合和所述第二待测案例集合；判断重合程度单元，用于判断所述第一目标案例集合和所述第二目标案例集合的重合程度是否大于等于预设值；输出单元，用于响应于所述第一目标案例集合和所述第二目标案例集合的重合程度大于等于预设值，确定输出所述第一目标案例集合与所述第二目标案例集合的多个重合案例作为所述目标案例集合。
[0033]在一种可能的实现方式中，所述神经网络模型的建立包括以下步骤：
[0034]获取训练数据集，所述训练数据集包括用于训练神经网络模型的训练案例集合以及训练目标案例集合；
[0035]根据训练数据集训练所述神经网络模型，所述神经网络模型用于描述案例集合与
目标案例集合的对应关系；
[0036]其中，所述训练案例用于测试被测系统的批量框架文档整体；所述文档用于描述待测系统的批量处理流程总体架构。
[0037]在一种可能的实现方式中，所述装置还包括重复训练单元：
[0038]所述获取单元，还用于获取所述目标案例集合以及所述目标案例集合的测试结果；
[0039]所述重复训练单元，还用于根据所述目标案例集合的测试结果，判断所述训练目标案例集合中的案例是否达到预设精准度；
[0040]响应于所述训练目标案例集合中的案例未达到预设精准度，将所述目标案例集合作为所述训练目标案例以及所述训练案例输入至所述训练数据集；
[0041]其中，所述预设精准度为所述目标案例集合测试结果与所述训练目标案例集合预测的测试结果相似程度；所述目标案例集合的测试结果为所述实际测试案例测试被测系统批量框架时的测试结果。
[0042]在一种可能的实现方式中，根据上述任意一种可能的实现方式中所述的系统批量框架的测试装置，所述神经网络模型的建立还包括：
[0043]判断所述神经网络模型的更新时间间隔是否大于等于预设阈值；
[0044]响应于所述神经网络模型的更新时间间隔大于等于预设阈值，将新增训练案例输入至所述训练数据集；
[0045]其中，所述新增训练案例包括根据联机数据编写的案例。
[0046]第三方面，本申请实施例提供了一本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种系统批量框架的测试方法，其特征在于，包括：获取待测案例集合，所述待测案例集合包括用于测试系统批量框架的多个待测案例；通过神经网络模型从所述待测案例集合中确定目标案例集合，所述目标案例集合包括多个目标案例，所述目标案例为预测测试结果为异常的可能性大于预设阈值的所述待测案例；根据所述目标案例集合测试系统批量框架。2.根据权利要求1所述的方法，其特征在于，所述待测案例集合包括第一待测案例集合和第二待测案例集合，所述通过神经网络模型从所述待测案例集合中确定目标案例集合包括：通过所述神经网络模型从所述第一待测案例集合中确定第一目标案例集合；根据所述神经网络模型从第三待测案例集合中确定第二目标案例集合，所述第三待测案例集合包括所述第一目标案例集合和所述第二待测案例集合；判断所述第一目标案例集合和所述第二目标案例集合的重合程度是否大于等于预设值；响应于所述第一目标案例集合和所述第二目标案例集合的重合程度大于等于预设值，确定输出所述第一目标案例集合与所述第二目标案例集合的多个重合案例作为所述目标案例集合。3.根据权利要求1或2所述的方法，其特征在于，所述神经网络模型的建立包括以下步骤：获取训练数据集，所述训练数据集包括用于训练神经网络模型的训练案例集合以及训练目标案例集合；根据训练数据集训练所述神经网络模型，所述神经网络模型用于描述案例集合与目标案例集合的对应关系；其中，所述训练案例用于测试被测系统的批量框架文档整体；所述文档用于描述待测系统的批量处理流程总体架构。4.根据权利要求3所述的方法，其特征在于，所述方法还包括：获取所述目标案例集合以及所述目标案例集合的测试结果；根据所述目标案例集合的测试结果，判断所述训练目标案例集合中的案例是否达到预设精准度；响应于所述训练目标案例集合中的案例未达到预设精准度，将所述目标案例集合作为所述训练目标案例以及所述训练案例输入至所述训练数据集；其中，所述预设精准度为所述目标案例集合测试结果与所述训练目标案例集合预测的测试结果相似程度；所述目标案例集合的测试结果为所述实际测试案例测试被测系统批量框架时的测试结果。5.根据权利要求1
‑
4任意一项所述的方法，其特征在于，所述神经网络模型的建立还包括：判断所述神经网络模型的更新时间间隔是否大于等于预设阈值；响应于所述神经网络模型的更新时间间隔大于等于预设阈值，将新增训练案例输入至所述训练数据集；
其中，所述新增训练案例包括根据联机数据编写的案例。6.一种系统批量框架的测试装置，其特征在于，包括：获取单元，用于获取...

【专利技术属性】
技术研发人员：邓卉蕊，
申请(专利权)人：中国银行股份有限公司，
类型：发明
国别省市：