一种基于云平台的多源测试数据的管理方法及系统技术方案

本发明专利技术公开了一种基于云平台的多源测试数据的管理方法及系统，包括：采集被测件的测试数据匹配测试标签发送到云平台进行存储及数据清洗，利用测试标签匹配测试数据集中测试指标的评判标准，获取指标判读数据；将指标判读数据与多源测试数据序列导入低维向量空间，通过无向异构图进行表示学习；构建测试数据综合分析模型，将多源测试数据进行数据融合获取综合分析结果，根据待测件的预设测试项目生成被测件的分析报告。本发明专利技术将待测件在不同测试系统中的多源测试数据以多维的方式进行重新组织融合，直接对多源测试数据和综合宏观数据实时进行数据的综合智能分析，确保了在测试数据采集的同时满足数据智能分析的高性能要求。据采集的同时满足数据智能分析的高性能要求。据采集的同时满足数据智能分析的高性能要求。

【技术实现步骤摘要】
一种基于云平台的多源测试数据的管理方法及系统


[0001]本专利技术涉及数据管理
，更具体的，涉及一种基于云平台的多源测试数据的管理方法及系统。

技术介绍

[0002]随着计算机技术的飞速发展，计算机自动测试系统已经被广泛应用于各行各业，而作为计算机自动测试系统中的核心功能数据管理来说，如何将测试数据更简洁有效的进行管理是每个系统测试研发人员所亟待解决的问题和困扰，如何将多源测试项目进行统一管理，也越来越多的受到使用者的重视和各项技术的开发突破。对于企业层面，如何对各测试阶段的原始数据、指标数据等进行有效的管理，成为企业缩短新产品的研发周期和保障其在市场中优势地位的关键。
[0003]目前，大量自动测试系统产生海量测试数据，涵盖被测产品各测试阶段的原始数据、判读结果数据、测试环境数据及指标判读数据，这些数据分散存储在各测试系统当中，当前对于测试数据多数采用人工管理，使数据呈孤岛现象，无法对数据进行数据综合分析，为了优化相关单位对测试数据的管理，使得测试数据能够很好的帮助决策，亟需一种测试数据的管理方法将测试系统中的数据进行统一管理并进行后期的数据处理，实现对基层数据和综合宏观数据实时在线地进行数据的各种智能分析。在测试数据的管理中，如何根据多源测试数据进行综合智能分析是当前需要解决的问题之一。

技术实现思路

[0004]为了解决上述技术问题，本专利技术提出了一种基于云平台的多源测试数据的管理方法及系统。
[0005]本专利技术第一方面提供了一种基于云平台的多源测试数据的管理方法，包括：采集被测件的测试数据匹配测试标签发送到云平台进行存储，所述云平台将多源测试数据进行数据清洗，去除各多源测试数据序列中的明显异常测试数据；将数据清洗后多源测试数据按照测试标签进行分类，获取各测试标签下测试数据集，利用测试标签匹配所述测试数据集中测试指标的评判标准，获取指标判读数据；将所述指标判读数据与多源测试数据序列导入低维向量空间，在低维向量空间中将各标签下测试指标对应的多源测试数据及指标判读数据通过无向异构图进行表示学习；构建测试数据综合分析模型，将多源测试数据进行数据融合，并获取综合分析结果，根据待测件的预设测试项目匹配多种报表形式，基于测试报表生成被测件的分析报告。
[0006]本方案中，将数据清洗后多源测试数据按照测试标签进行分类，获取各测试标签下测试数据集，利用测试标签匹配所述测试数据集中测试指标的评判标准，获取指标判读数据，具体为：获取数据清洗后的多源测试数据序列，将同一测试标签下的多源测试数据进行聚类，并按照采集时间戳组成各测试标签下的测试数据集，根据所述测试数据集得到测试指
标；利用各个测试数据集的测试标签建立检索任务，在云平台数据搜索空间中利用相似度计算获取相似度符合预设标准的测试指标及对应的评判标准；将检索得到的测试指标与各测试数据集中测试指标进行数据匹配，在各测试数据集中所有测试指标匹配结束后，对测试指标分配对应的评判标准，作为各测试数据集中当前测试指标的评判标准；通过当前测试指标的评判标准对被测件的多源测试数据进行评判，获取指标判读数据。
[0007]本方案中，将所述指标判读数据与多源测试数据序列导入低维向量空间，在低维向量空间中将各标签下测试指标对应的多源测试数据及指标判读数据通过无向异构图进行表示学习，具体为：通过云平台数据统计获取常见测试内容及测试项目，根据所述常见测试内容及测试项目进行数据检索获取对应的分析报表，读取分析报表中的历史测试指标以及历史测试指标综合分析结果；将待测件当前多源测试数据及指标判读数据导入低维向量空间，并根据历史测试指标综合分析结果判断当前测试项目下的测试指标是否存在历史交互关系；利用低维向量空间中待测件的多源测试数据及指标判读数据构建测试数据的无向异构图，将各测试指标的测试数据及指标判读数据作为无向异构图的节点，记为测试指标节点，将测试指标之间的历史交互关系作为节点之间的边结构。
[0008]本方案中，构建测试数据综合分析模型，将多源测试数据进行数据融合，并获取综合分析结果，具体为：基于深度学习构建测试数据综合分析模型，通过图卷积神经网络对测试数据的无向异构图进行表示学习，获取待测件的预设测试项目，根据预设测试项目计算各测试指标的信息贡献率；选取信息贡献率最大测试指标，将对应的测试指标节点进行标记，获取无向异构图中与标记节点存在连接关系的节点作为关联节点，将所述标记节点与关联节点生成特征测试指标节点集合；获取所述特征测试指标节点集合中各特征测试指标节点与其他测试指标节点的马氏距离，预设马氏距离阈值范围，判断所述马氏距离是否处于预设马氏距离阈值范围，若处于，则将该测试指标节点作为距离最近的特征测试指标节点的邻接节点；通过图卷积神经网络的消息传递机制及邻居聚合机制将邻接节点与特征测试指标节点进行异构融合，生成特征测试指标节点的嵌入表示；根据待测件的测试项目获取相关测试数据及预测数据，生成训练数据集，通过所述训练数据对门控循环神经网络进行训练，将特征测试指标节点的嵌入表示输入门控循环神经网络进行预测分析；将所述预测分析匹配预设报表形式，将预测分析结果进行输出。
[0009]本方案中，在图卷积神经网络的邻居聚合机制中引入注意力机制，具体为：通过获取其他测试指标的信息贡献率，将所述信息贡献率作为注意力权重对特征测试指标节点进行权重分配；
根据所述注意力权重结合其他测试指标节点进行特征聚合，更新特征指标节点的自身表示，生成具有其他测试指标数据特征的嵌入向量表示。
[0010]本方案中，还包括，根据测试数据综合分析模型自定义测试数据分析模板，具体为：根据测试数据综合分析模型获取融合测试数据对应基础数据在低维向量空间中的位置，根据基础数据对综合分析模型进行训练，当综合分析模型符合验证标准后选取报表样式，匹配测试项目标签生成数据分析模板；将不同测试项目的数据分析模板进行结构化处理，存入云平台数据库，根据待测件的测试需求进行数据分析模板的调用；获取同一企业用户预设时间内不同被测件的历史分析报告，提取历史分析报告中企业用户的测试标签信息、评判指标与评判标准信息以及报表信息，根据提取的信息获取企业用户的偏好特征；通过所述偏好特征定制企业用户画像，根据所述企业用户画像对当前待测件的测试系统及多源测试数据管理分析环境进行提前配置，同时根据企业用户测试需求的变化对用户画像进行更新。
[0011]本专利技术第二方面还提供了一种基于云平台的多源测试数据的管理系统，该系统包括：存储器、处理器，所述存储器中包括一种基于云平台的多源测试数据的管理方法程序，所述一种基于云平台的多源测试数据的管理方法程序被所述处理器执行时实现如下步骤：采集被测件的测试数据匹配测试标签发送到云平台进行存储，所述云平台将多源测试数据进行数据清洗，去除各多源测试数据序列中的明显异常测试数据；将数据清洗后多源测试数据按照测试标签进行分类，获取各测试标签下测试数据集，利用测试标签匹配所述测试数据集中测试指标的评判标准，获取指标判读数据；将所述指标判读数据与多源测试数据序列导入低维向量空间，在低维向本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于云平台的多源测试数据的管理方法，其特征在于，包括以下步骤：采集被测件的测试数据匹配测试标签发送到云平台进行存储，所述云平台将多源测试数据进行数据清洗，去除各多源测试数据序列中的明显异常测试数据；将数据清洗后多源测试数据按照测试标签进行分类，获取各测试标签下测试数据集，利用测试标签匹配所述测试数据集中测试指标的评判标准，获取指标判读数据；将所述指标判读数据与多源测试数据序列导入低维向量空间，在低维向量空间中将各标签下测试指标对应的多源测试数据及指标判读数据通过无向异构图进行表示学习；构建测试数据综合分析模型，将多源测试数据进行数据融合，并获取综合分析结果，根据待测件的预设测试项目匹配多种报表形式，基于测试报表生成被测件的分析报告。2.根据权利要求1所述的一种基于云平台的多源测试数据的管理方法，其特征在于，将数据清洗后多源测试数据按照测试标签进行分类，获取各测试标签下测试数据集，利用测试标签匹配所述测试数据集中测试指标的评判标准，获取指标判读数据，具体为：获取数据清洗后的多源测试数据序列，将同一测试标签下的多源测试数据进行聚类，并按照采集时间戳组成各测试标签下的测试数据集，根据所述测试数据集得到测试指标；利用各个测试数据集的测试标签建立检索任务，在云平台数据搜索空间中利用相似度计算获取相似度符合预设标准的测试指标及对应的评判标准；将检索得到的测试指标与各测试数据集中测试指标进行数据匹配，在各测试数据集中所有测试指标匹配结束后，对测试指标分配对应的评判标准，作为各测试数据集中当前测试指标的评判标准；通过当前测试指标的评判标准对被测件的多源测试数据进行评判，获取指标判读数据。3.根据权利要求1所述的一种基于云平台的多源测试数据的管理方法，其特征在于，将所述指标判读数据与多源测试数据序列导入低维向量空间，在低维向量空间中将各标签下测试指标对应的多源测试数据及指标判读数据通过无向异构图进行表示学习，具体为：通过云平台数据统计获取常见测试内容及测试项目，根据所述常见测试内容及测试项目进行数据检索获取对应的分析报表，读取分析报表中的历史测试指标以及历史测试指标综合分析结果；将待测件当前多源测试数据及指标判读数据导入低维向量空间，并根据历史测试指标综合分析结果判断当前测试项目下的测试指标是否存在历史交互关系；利用低维向量空间中待测件的多源测试数据及指标判读数据构建测试数据的无向异构图，将各测试指标的测试数据及指标判读数据作为无向异构图的节点，记为测试指标节点，将测试指标之间的历史交互关系作为节点之间的边结构。4.根据权利要求1所述的一种基于云平台的多源测试数据的管理方法，其特征在于，构建测试数据综合分析模型，将多源测试数据进行数据融合，并获取综合分析结果，具体为：基于深度学习构建测试数据综合分析模型，通过图卷积神经网络对测试数据的无向异构图进行表示学习，获取待测件的预设测试项目，根据预设测试项目计算各测试指标的信息贡献率；选取信息贡献率最大测试指标，将对应的测试指标节点进行标记，获取无向异构图中与标记节点存在连接关系的节点作为关联节点，将所述标记节点与关联节点生成特征测试
指标节点集合；获取所述特征测试指标节点集合中各特征测试指标节点与其他测试指标节点的马氏距离，预设马氏距离阈值范围，判断所述马氏距离是否处于预设马氏距离阈值范围，若处于，则将该测试指标节点作为距离最近的特征测试指标节点的邻接节点；通过图卷积神经网络的消息传递机制及邻居聚合机制将邻接节点与特征测试指标节点进行异构融合，生成特征测试指标节点的嵌入表示；根据待测件的测试项目获取相关测试数据及预测数据，生成训练数据集，通过所述训练数据对门控循环神经网络进行训练，将特征测试指标节点的嵌入表示输入门控循环神经网络进行预测分析；将所述预测分析匹配预设报表形式，将预测分析结果进行输出。5.根据权利要求4所述的一种基于云平台的多源测试数据的管理方法，其特征在于，生成特征测试指标节点的嵌入表示，具体为：通过获取其他测试指标的信息贡献率，将所述信息贡献率作为注意力权重对特征测试指标节点进行权重分配；根据所述注意力权重结合其他测试指标节点进行特征聚合，更新特征指标节点的自身表示，生成具有其他测试指标数据特征的嵌入向量表示。6.根据权利要求1所述的一种基于云平台的多源测试数据的管理方法...

【专利技术属性】
技术研发人员：王亚锋，肖航锦，王旭，
申请(专利权)人：西安弘捷电子技术有限公司，
类型：发明
国别省市：