【技术实现步骤摘要】
为电子产品生成测试用例的方法、装置、设备和存储介质
[0001]本公开涉及车辆电子产品测试
,并且更具体地,涉及一种用于为电子产品生成测试用例的方法
、
装置
、
设备和非瞬态存储介质
。
技术介绍
[0002]测试用例
(Test Case)
是指对电子产品进行测试任务的描述
。
例如,测试用例通常可以包含四个内容:用例标题
、
预置条件
、
测试步骤
(
或者说触发动作
)
和预期结果
。
用例标题主要描述测试某项功能
。
预置条件是指用例标题需要满足该条件
。
测试步骤主要描述用例的操作步骤
。
预期结果是指符合预期
(
开发规格书
、
需求文档
、
用户需求等
)
需求
。
[0003]在车辆行业,车辆零部件供应商在交付产品给主机厂之前,必须对产品进行测试,以确保交付到主机厂的产品安全
、
稳定
、
可靠
。
为了对产品进行测试,就需要设计大量且准确的测试用例以覆盖产品在运行过程中可能出现的各种情况
。
随着车辆技术的不断发展,车辆的功能及逻辑日趋复杂,使得车辆上的各种电子产品的需求也日趋复杂,这进一步加大了测试用例的生成难度
。
现有的测试用例多数
【技术保护点】
【技术特征摘要】
1.
一种用于为电子产品生成测试用例的方法,包括:接收描述所述电子产品的需求的需求文档,所述需求文档包括所述需求的场景逻辑描述
、
输入输出接口描述和配置参数描述;从所述需求的所述输入输出接口描述和所述配置参数描述中提取测试对象及其可能状态;基于所提取的测试对象及其可能状态为所述测试对象创建关键词,所述关键词描述对所述测试对象执行对应测试操作以实现所述可能状态;构建关键词库,所述关键词库存储所创建的每个关键词和唯一标识该关键词的编码;从所述需求的所述场景逻辑描述中提取关键词,并基于所提取的关键词在所述场景逻辑描述中的出现顺序和在所述关键词库中的编码为所述需求构建需求矩阵;将所述需求矩阵输入到经训练的神经网络模型以生成测试用例矩阵;以及基于所述关键词库和所述需求矩阵的构建方式解码所述测试用例矩阵以得到用于所述需求的测试用例
。2.
根据权利要求1所述的方法,其中,所述需求文档描述所述电子产品的多条需求,并且所述方法还包括:通过自然语言处理模型将所述需求文档划分得到多个需求单元,每个需求单元描述所述多条需求中的一条需求并且包括该条需求的场景逻辑描述
、
输入输出接口描述和配置参数描述
。3.
根据权利要求1所述的方法,还包括:对从所述需求的所述输入输出接口描述和所述配置参数描述中提取的测试对象及其可能状态进行语义处理以使其标准化且唯一化,并基于标准化且唯一化的所提取的测试对象及其可能状态为所述测试对象创建关键词
。4.
根据权利要求1所述的方法,其中,从所述需求的所述场景逻辑描述中提取关键词包括从所述需求的所述场景逻辑描述中提取与关键词相关联的关键信息并将所述关键信息标准化为关键词
。5.
根据权利要求1所述的方法,其中,从所述需求的所述输入输出接口描述和所述配置参数描述中提取测试对象及其可能状态是通过自然语言处理模型实现的,和
/
或从所述需求的所述场景逻辑描述中提取关键词是通过自然语言处理模型实现的
。6.
根据权利要求1所述的方法,其中,所述场景逻辑描述包括预置条件
、
触发动作和预期结果,以及其中,所述需求矩阵被构建为包括对应于预置条件的第一列
、
对应于触发动作的第二列和对应于预期结果的第三列
。7.
根据权利要求6所述的方法,其中,从所述需求的所述场景逻辑描述中提取关键词包括从预置条件中提取第一关键词
、
从触发动作中提取第二关键词和从预期结果中提取第三关键词,所述需求矩阵的行数至少为所述第一关键词的数量
、
所述第二关键词的数量和所述第三关键词的数量中的最大值
。8.
根据权利要求7所述的方法,其中,所述第一关键词的编码在所述第一列中的布置顺序对应于所述第一关键词在所述需求的所述场景逻辑描述的所述预置条件中的出现顺序,所述第二关键词的编码在所述第二列中的布置顺序对应于所述第二关键词在所述需求的所述场景逻辑描述的所述触发动作中的出现顺序,以及所述第三关键词的编码在所述第三
列中的布置顺序对应于所述第三关键词在所述需求的所述场景逻辑描述的所述预期结果中的出现顺序
。9.
根据权利要求6所述的方法,其中,所述测试用例矩阵被生成为包括对应于预置条件的第一列
、
对应于触发动作的第二列和对应于预期结果的第三列,并且所述测试用例矩阵的所述第一列
、
所述第二列和所述第三列的布置对应于所述需求矩阵的所述第一列
、
所述第二列和所述第三列的布置
。10.
根据权利要求1所述的方法,其中,基于所提取的测试对象及其可能状态为所述测试对象创建关键词包括基于所提取的测试对象及其多个可能状态为所述测试对象创建关键词组,该关键词组中的每个关键词描述对所述测试对象执行对应测试操作以实现所述多个可能状态中的相应一个可能状态,以及其中,所述方法还包括:基于从所述需求的所述场景逻辑描述中提取的关键词所属的关键词组中的所有关键词在所述关键词库中的编码为所述需求构建场景可能性矩阵;将所述场景可能性矩阵与所述需求矩阵一起输入到所述经训练的神经网络模型以生成测试用例矩阵
。11.
根据权利要求
10
所述的方法,其中,所述场景可能性矩阵的每一行对应于从所述需求的所述场景逻辑描述中提取的相应一个关键词所属的关键词组,所述场景可能性矩阵的列数至少为从所述需求的所述场景逻辑描述中提取的各个关键词所属的关键词组中的关键词数量的最大值
。12.
根据权利要求
11
所述的方法,其中,从所述需求的所述场景逻辑描述中提取的关键词的编码按照关键词在所述场景逻辑描述中的出现顺序布置在所述场景可能性矩阵的同一列中
。13.
根据权利要求
10
所述的方法,还包括通过以下操作训练神经网络模型以得到所述经训练的神经网络模型:基于样本需求的场景逻辑描述确定基准场景,所述基准场景包括基准预置条件
、
基准触发动作和基准预期结果;基于所述基准预置条件
、
所述基准触发动作...
【专利技术属性】
技术研发人员:田松,秦梦影,
申请(专利权)人:上海纳恩汽车技术股份有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。