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()
【技术实现步骤摘要】
本申请涉及计算机,具体涉及一种构建测试模型的方法、装置、测试方法及存储介质。
技术介绍
1、功能测试是保证软件质量的重要环节之一。然而现有技术中的测试用例数量庞大,且人工分类存在一定的主观性,使得功能测试分类面临效率低下和准确性不高的问题。例如人工进行测试缺陷分类需要大量的时间和资源投入,特别是在面对大规模的测试缺陷数据时,测试人员需要仔细阅读每个缺陷问题的描述,并进行准确的分类判断,这大大增加了项目的时间成本和人力投入。由于人工分类过程的繁琐性,测试人员可能会犯错或者出现疲劳,进而影响分类的准确性。而且测试人员在分类过程中通常会基于自己的经验和知识进行判断,这可能会受到个人能力和知识的限制,此外,实时的场景需要及时将新的测试缺陷问题分类,人工分类可能无法满足要求。
技术实现思路
1、本申请实施例的目的是提供一种构建测试模型的方法、装置、测试方法及存储介质,该方法实现了快速准确的判断缺陷数据。
2、为了实现上述目的,本申请第一方面提供一种构建测试模型的方法,所述方法包括:
3、获取具有缺陷内容的历史数据集;
4、构建初始bert模型;
5、对所述历史数据集进行深度学习预处理得到词表,所述深度学习预处理包括分词和编码;
6、通过所述词表对初始bert模型进行深度学习训练得到测试模型。
7、可选的,所述历史数据集包括文本缺陷描述和分类标签。
8、可选的,所述对所述历史数据集进行深度学习预处理得到词表,包
9、通过编码器将所述历史数据集中每个数据转换为初始bert模型可识别的序列,并根据所述序列生成标记;
10、通过分词器根据所述标记对所述历史数据集进行序列分词得到词表。
11、可选的,所述编码器和分词器均设于初始bert模型中。
12、可选的,所述构建初始bert模型,包括:
13、导入所需的python库组件;
14、添加全连接层,用于进行多类别分类任务。
15、可选的,所述训练的方法包括:
16、清空优化器的梯度;
17、输入编码数据和标记至所述初始bert模型得到输出结果;
18、计算所述输出结果的损失,并执行反向传播得到所述初始bert模型的梯度;
19、根据所述初始bert模型的梯度更新所述初始bert模型的优化器、编码和标记。
20、本申请第二方面提供一种构建测试模型的装置,所述装置包括:
21、获取模块,用于获取具有缺陷内容的历史数据集;
22、第一处理模块,用于构建初始bert模型;
23、第二处理模块,用于对所述历史数据集进行深度学习预处理得到词表,所述预处理包括分词和编码;
24、第三处理模块,用于通过所述词表对初始bert模型进行深度学习训练得到测试模型。
25、可选的,所述历史数据集包括文本缺陷描述和分类标签。
26、可选的,所述对所述历史数据集进行深度学习预处理得到词表,包括:
27、通过编码器将所述历史数据集中每个数据转换为初始bert模型可识别的序列,并根据所述序列生成标记;
28、通过分词器根据所述标记对所述历史数据集进行序列分词得到词表。
29、可选的,所述编码器和分词器均设于初始bert模型中。
30、可选的,所述构建初始bert模型,包括:
31、导入所需的python库组件;
32、添加全连接层,用于进行多类别分类任务。
33、本申请第三方面提供一种测试方法,所述测试方法包括:将待测数据集带入上述所述的构建测试模型的方法构建的测试模型中,得到缺陷数据。
34、本申请第四方面提供一种机器可读存储介质,所述机器可读存储介质上存储有指令,该指令用于使得机器执行:根据上述所述的构建测试模型的方法;和/或根据上述所述的测试方法。
35、本申请第五方面提供一种处理器,用于运行程序,其中,所述程序被运行时用于执行:根据上述所述的构建测试模型的方法;和/或根据上述所述的测试方法。
36、本申请第六方面提供一种计算机程序产品,包括计算机程序,所述计算机程序在被处理器执行时实现:根据上述述的构建测试模型的方法;和/或根据上述所述的测试方法。
37、通过上述技术方案,本专利技术的一种构建测试模型的方法包括:获取具有缺陷内容的历史数据集; 构建初始bert模型;对所述历史数据集进行深度学习预处理得到词表,所述深度学习预处理包括分词和编码;通过所述词表对初始bert模型进行深度学习训练得到测试模型。该方法实现了对功能测试缺陷问题进行自动分类,无需人员介入,不仅节约了成本,还提升了效率。
38、本申请实施例的其它特征和优点将在随后的具体实施方式部分予以详细说明。
本文档来自技高网...【技术保护点】
1.一种构建测试模型的方法,其特征在于,所述方法包括:
2.根据权利要求1所述的方法,其特征在于,
3.根据权利要求1所述的方法,其特征在于,所述对所述历史数据集进行深度学习预处理得到词表,包括:
4.根据权利要求1所述的方法,其特征在于,所述构建初始BERT模型,包括:
5.根据权利要求1所述的方法,其特征在于,
6.一种构建测试模型的装置,其特征在于,所述装置包括:
7.根据权利要求6所述的装置,其特征在于,所述对所述历史数据集进行深度学习预处理得到词表,包括:
8.一种测试方法,其特征在于,所述测试方法包括:将待测数据集带入上述权利要求1-5中任一项所述的构建测试模型的方法构建的测试模型中,得到缺陷数据。
9.一种机器可读存储介质,其特征在于,所述机器可读存储介质上存储有指令,该指令用于使得机器执行:根据权利要求1-5中任一项所述的构建测试模型的方法;和/或根据权利要求8中所述的测试方法。
10.一种处理器,其特征在于,用于运行程序,其中,所述程序被运行时用于执行:根
11.一种计算机程序产品,包括计算机程序,其特征在于,所述计算机程序在被处理器执行时实现:根据权利要求1-5中任一项所述的构建测试模型的方法;和/或根据权利要求8中所述的测试方法。
...【技术特征摘要】
1.一种构建测试模型的方法,其特征在于,所述方法包括:
2.根据权利要求1所述的方法,其特征在于,
3.根据权利要求1所述的方法,其特征在于,所述对所述历史数据集进行深度学习预处理得到词表,包括:
4.根据权利要求1所述的方法,其特征在于,所述构建初始bert模型,包括:
5.根据权利要求1所述的方法,其特征在于,
6.一种构建测试模型的装置,其特征在于,所述装置包括:
7.根据权利要求6所述的装置,其特征在于,所述对所述历史数据集进行深度学习预处理得到词表,包括:
8.一种测试方法,其特征在于,所述测试方法包括:将待测数据集带入上述权利要求1-5...
【专利技术属性】
技术研发人员:朱凯,
申请(专利权)人:建信金融科技有限责任公司,
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。