【技术实现步骤摘要】
本专利技术属于软件测试，尤其涉及一种基于文本分类算法的测试用例文件生成转换系统及构建方法。
技术介绍
1、软件行业的发展，软件质量保证变得尤为重要。软件测试是保证软件质量的重要手段，而测试用例的设计与生成是软件测试的关键环节。传统的测试用例生成方法主要基于人工经验，效率低下且容易出错。随着机器学习技术的发展，基于机器学习算法的测试用例生成方法逐渐成为热点。
2、然而，现有的基于机器学习的测试用例生成方法主要关注于代码级别的特征提取和分类，无法直接应用于文本格式的测试用例文件。此外，现有的方法缺乏对测试用例文件结构化表示和分类的深入研究，效率低下、出错率高，难以实现高效的测试用例文件生成与转换。
技术实现思路
1、针对上述技术问题，本专利技术公开一种基于文本分类算法的测试用例文件生成转换系统及构建方法，通过使用textcnn文本分类分析算法优化测试用例生成，构建测试用例转换生成工具，并应用于实际工作中。
2、为达到上述目的，本专利技术采用的技术方案为：一种基于文本分类算法的测试用例文件生成转换系统构建方法，方法包括：
3、步骤1，对需求文档中功能模块部分进行数据清洗，得到新增功能数据集newfeaturedata；
4、步骤2，对新增功能数据集newfeaturedata进行json格式化处理，得到xmind测试用例框架模板文件xmindcasetemplatedata；
5、步骤3，对xmind测试用例框架模板文件xmin
6、步骤4，使用基础测试用例框架basecasedata的数据，创建训练集、测试集、验证集，训练基于textcnn文本分类分析的模型，得到基础测试用例关系数据集basecasemodeldata；
7、步骤5，根据基础测试用例关系数据集basecasemodeldata进行测试用例内容补充，得到完整的字典形式的测试用例totaltestcasedata；
8、步骤6，根据测试用例totaltestcasedata进行格式转换，输出具有excel格式的测试用例exceltestcasedata。
9、进一步的，步骤1包括以下子步骤：
10、利用python-docx扩展包读取需求文档内容并解析，使用request技术从需求文档内容中根据关键字进行数据提取，将提取后的内容存入列表newfeaturelist=[data1,data2, data3, ...,datan], n∈[1,newfeaturelistnum]；其中，newfeaturelistnum为列表newfeaturelist长度；datan为列表newfeaturelist中第n条数据信息；
11、构建停用词汇表deactivatevoca_list和无效字符串表invaiid_chara_str_list；根据停用词汇表deactivatevoca_list和无效字符串表invaiid_chara_str_list，对列表newfeaturelist数据进行过滤，得到数据集newfeature_data_structure；过滤内容包括停用词汇、无效词汇、敏感词汇、无效字符串。
12、进一步的，步骤1还包括以下子步骤：
13、定义计数器count，令count=1；
14、判断是否满足count≤newfeaturelistnum，若满足则遍历数据集newfeature_data_structure中的文本信息，去除文本信息中的空格符、换行符、图片信息，将处理后的文本信息存入新增功能数据集newfeaturedata,count1=count+1，重新执行本子步骤；否则得到新增功能数据集newfeaturedata= ｛newfeature_pointl,newfeature_point2，..，newfeature_pointn｝，其中，变量ne［1，newfeaturelistnum2］， newfeaturelistnum2为新增功能数据集newfeaturedata中文本信息总数，newfeature_point为新增功能数据集newfeaturedata中第n条新增功能需求的信息。
15、进一步的，步骤2包括以下子步骤：
16、读取新增功能数据集newfeaturedata的内容，将读取的内容利用json扩展包转换成带有字段名称title标签的json格式内容模板文件，得到xmind测试用例框架模板文件xmindcasetemplatedata。
17、进一步的，步骤3包括以下子步骤：
18、根据国际软件测试标准iso/iec 25010:2018中的质量模型内容，xmind测试用例框架模板文件xmindcasetemplatedata进行预处理，包括测试用例标题、测试用例执行步骤、测试用例预期结果，得到基础测试用例框架basecasedata。
19、进一步的，步骤4中训练集、验证集、测试集中的内容不重复；
20、训练基于textcnn文本分类分析的模型，得到训练测试用例关系数据模型basecasemodeltrainsmodel；
21、将测试集输入至训练测试用例关系数据模型basecasemodeltrainsmodel，将输出的结果和验证集进行比较，根据比较差异内容调整卷积和池化参数，优化训练结果模型basecasemodeltrainedmodel；
22、将基础测试用例框架basecasedata重新输入至优化后的训练结果模型basecasemodeltrainedmodel中，得到基础测试用例关系数据集basecasemodeldata。
23、进一步的，若输出的结果和验证集进行比较准确率不低于90％，并且超过1000轮未提升，结束训练，否则执行训练。
24、进一步的，步骤5中：
25、测试用例totaltestcasedata的存储形式为{title:value}，其中，title代表字段值名，value代表字段值具体内容。
26、进一步的，步骤6包括以下子步骤：
27、使用递归函数search_title遍历测试用例totaltestcasedata，将字典形式的测试用例totaltestcasedata转换为列表形式并存储为列表形式的测试用例totallisttestcasedata，其中，遍历每增加一层深度，将title依次写入excel测试用例文件中第一行对应的列中；
28、将列表形式的测试用例totallisttestcasedata循环写入到excel文件中，得到具有excel格式的测试用例exceltestcasedata。...
【技术保护点】
1.一种基于文本分类算法的测试用例文件生成转换系统构建方法，其特征在于，包括以下步骤；
2.根据权利要求1所述的基于文本分类算法的测试用例文件生成转换系统构建方法，其特征在于，步骤1包括以下子步骤：
3.根据权利要求2所述的基于文本分类算法的测试用例文件生成转换系统构建方法，其特征在于，步骤1还包括以下子步骤：
4.根据权利要求1所述的基于文本分类算法的测试用例文件生成转换系统构建方法，其特征在于，步骤2包括以下子步骤：
5.根据权利要求1所述的基于文本分类算法的测试用例文件生成转换系统构建方法，其特征在于，步骤3包括以下子步骤：
6.根据权利要求1所述的基于文本分类算法的测试用例文件生成转换系统构建方法，其特征在于，步骤4中：训练集、验证集、测试集中的内容不重复；
7.根据权利要求6所述的基于文本分类算法的测试用例文件生成转换系统构建方法，其特征在于：
8.根据权利要求1所述的基于文本分类算法的测试用例文件生成转换系统构建方法，其特征在于，步骤5中：
9.根据权利要求1所述的基于文本
10.一种基于文本分类算法的测试用例文件生成转换系统，其特征在于：
...【技术特征摘要】
1.一种基于文本分类算法的测试用例文件生成转换系统构建方法，其特征在于，包括以下步骤；
2.根据权利要求1所述的基于文本分类算法的测试用例文件生成转换系统构建方法，其特征在于，步骤1包括以下子步骤：
3.根据权利要求2所述的基于文本分类算法的测试用例文件生成转换系统构建方法，其特征在于，步骤1还包括以下子步骤：
4.根据权利要求1所述的基于文本分类算法的测试用例文件生成转换系统构建方法，其特征在于，步骤2包括以下子步骤：
5.根据权利要求1所述的基于文本分类算法的测试用例文件生成转换系统构建方法，其特征在于，步骤3包括以下子...
【专利技术属性】
技术研发人员：王知明，蒋晓青，吴斌，赵彧，
申请(专利权)人：大汉软件股份有限公司，
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。