System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind() 一种基于机器学习分析自动化测试质量的方法及系统技术方案_技高网

一种基于机器学习分析自动化测试质量的方法及系统技术方案

技术编号:40104231 阅读:7 留言:0更新日期:2024-01-23 18:10
本发明专利技术公开一种基于机器学习分析自动化测试质量的方法,属于机器学习技术领域;该方法包括:将历史自动化测试报告的特征数据输入预设的机器学习算法模型进行训练,得到训练后机器学习算法模型;将待分析自动化测试报告的特征数据输入训练后机器学习算法模型进行分析,得到自动化测试质量报告结果;根据自动化测试质量报告结果,分析产品功能预期。本发明专利技术还公开一种基于机器学习分析自动化测试质量的系统。本发明专利技术能增强测试覆盖率,提高测试用例的准确性,加强测试执行,快速识别需要进行测试的区域,并通过追踪测试过程中的异常情况,分析出原因并提供优化方案,提高测试效率。

【技术实现步骤摘要】

本专利技术涉及机器学习,具体涉及一种基于机器学习分析自动化测试质量的方法及系统


技术介绍

1、自动化测试是把以人为驱动的测试行为转化为机器执行的一种过程。通过自动化测试根据测试人员设计的测试用例,一步步执行测试,得到实际结果与期望结果的比较,节省人力、时间成本,提高测试覆盖率和准确性。

2、机器学习是一门涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多学科交叉专业。是研究如何通过计算机模拟达到实现人类的学习行为,从而分析出有用的数据价值。目前机器学习已在各种领域有着广泛的运用,用于解决大量的数据问题,分析出解决问题的方法。

3、机器学习结合自动化测试,两者结合,通过机器学习算法,统计分析出自动化测试报告中问题,提高测试的质量、精确度、稳定性,同时降低成本和时耗。

4、目前根据自动化测试生成的报告进行机器学习分析时,会产生一种问题,就是自动化测试报告的数据模板不一致,导致进行机器学习训练时,准确性较差,没有数据价值。在进行自动化测试过程中,不同的测试类型需要使用不同的自动化测试技术,如:单元测试、集成测试、功能测试、性能测试、ui测试等。同时不同的自动化测试技术可能运用的开发语言也不相同。这就会导致不同的自动化测试生成的测试报告不同。不同的测试报告在进行机器学习时,就存在一定的局限性,会导致进行训练的数据质量,数据精确性比较差,训练出的结果也会差强人意。

5、在面对众多测试类型产生的差异化指标,在进行机器学习模型训练时,由于差异化指标太大,会导致模型训练的不确定性因素增加。</p>

技术实现思路

1、本专利技术的目的在于提供一种高效的基于机器学习分析自动化测试质量的方法及系统。

2、为解决上述技术问题,本专利技术提供一种基于机器学习分析自动化测试质量的方法,包括以下步骤:

3、获取历史自动化测试报告;

4、从历史自动化测试报告中获取特征数据;

5、将历史自动化测试报告的特征数据输入预设的机器学习算法模型进行训练,得到训练后机器学习算法模型;

6、获取待分析自动化测试报告;

7、从待分析自动化测试报告中获取特征数据;

8、将待分析自动化测试报告的特征数据输入训练后机器学习算法模型进行分析,得到自动化测试质量报告结果;

9、根据自动化测试质量报告结果,分析产品功能预期。

10、优选地,所述获取特征数据,具体包括以下步骤:

11、通过excel、python库、r语言或bi工具从历史自动化测试报告或待分析自动化测试报告中提取特征数据。

12、优选地,在进行训练和分析之前,还包括以下步骤:

13、对特征数据进行整合转换。

14、优选地,所述整合转换,具体包括以下步骤:

15、对特征数据进行归一化或标准化操作,再降低维度或特征选择。

16、优选地,所述特征数据包括测试运行时间、测试覆盖率、错误率和代码复杂度。

17、优选地,所述机器学习算法模型的输入为测试运行时间、测试覆盖率和代码复杂度,输出为错误率。

18、优选地,所述历史自动化测试报告和待分析自动化测试报告均包括测试类型。

19、优选地,所述测试类型包括单元测试、集成测试、功能测试、性能测试和ui测试;

20、每种相同测试类型的历史自动化测试报告各自用于训练预设的机器学习算法模型,

21、每种相同测试类型的待分析自动化测试报告输入相应的训练后机器学习算法模型进行分析。

22、优选地,所述机器学习算法模型通过交叉验证进行调优。

23、本专利技术还提供一种基于机器学习分析自动化测试质量的系统,包括:

24、第一获取模块,用于获取历史自动化测试报告;

25、第一特征数据提取模块,用于从历史自动化测试报告中获取特征数据;

26、训练模块,用于将历史自动化测试报告的特征数据输入预设的机器学习算法模型进行训练,得到训练后机器学习算法模型;

27、第二获取模块,用于获取待分析自动化测试报告;

28、第二特征数据提取模块,用于从待分析自动化测试报告中获取特征数据;

29、分析模块,用于将待分析自动化测试报告的特征数据输入训练后机器学习算法模型进行分析,得到自动化测试质量报告结果;

30、预期模块,用于根据自动化测试质量报告结果,分析产品功能预期。

31、与现有技术相比,本专利技术的有益效果为:

32、本专利技术通过机器学习对历史测试数据和反馈结果进行分析和学习,从而改进测试策略和参数设置,使测试更加适应和智能化。同时增强测试覆盖率,提高测试用例的准确性,加强测试执行,快速识别需要进行测试的区域,并通过追踪测试过程中的异常情况,分析出原因并提供优化方案,提高测试效率。

本文档来自技高网...

【技术保护点】

1.一种基于机器学习分析自动化测试质量的方法,其特征在于,包括以下步骤:

2.根据权利要求1所述的基于机器学习分析自动化测试质量的方法,其特征在于,所述获取特征数据,具体包括以下步骤:

3.根据权利要求2所述的基于机器学习分析自动化测试质量的方法,其特征在于,在进行训练和分析之前,还包括以下步骤:

4.根据权利要求3所述的基于机器学习分析自动化测试质量的方法,其特征在于,所述整合转换,具体包括以下步骤:

5.根据权利要求1所述的基于机器学习分析自动化测试质量的方法,其特征在于:

6.根据权利要求5所述的基于机器学习分析自动化测试质量的方法,其特征在于:

7.根据权利要求1所述的基于机器学习分析自动化测试质量的方法,其特征在于:

8.根据权利要求7所述的基于机器学习分析自动化测试质量的方法,其特征在于:

9.根据权利要求1所述的基于机器学习分析自动化测试质量的方法,其特征在于:

10.一种基于机器学习分析自动化测试质量的系统,用于实现如权利要求1-9任一所述的基于机器学习分析自动化测试质量的方法,其特征在于,包括:

...

【技术特征摘要】

1.一种基于机器学习分析自动化测试质量的方法,其特征在于,包括以下步骤:

2.根据权利要求1所述的基于机器学习分析自动化测试质量的方法,其特征在于,所述获取特征数据,具体包括以下步骤:

3.根据权利要求2所述的基于机器学习分析自动化测试质量的方法,其特征在于,在进行训练和分析之前,还包括以下步骤:

4.根据权利要求3所述的基于机器学习分析自动化测试质量的方法,其特征在于,所述整合转换,具体包括以下步骤:

5.根据权利要求1所述的基于机器学习分析自动化测试质量的方法,...

【专利技术属性】
技术研发人员:张然原攀峰叶文星陈廷梁
申请(专利权)人:浙江数新网络有限公司
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 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。

1