测试案例处理方法、装置、计算机设备和存储介质与流程

本申请涉及人工智能，特别是涉及一种测试案例处理方法、装置、计算机设备和存储介质。

背景技术：

1、为了保证测试案例在用于软件测试时，可以准确地验证软件应用程序的某一功能或特征的完整性，需要对测试案例的质量进行评估。

2、目前，对测试案例进行评估往往通过人工评审的方式进行，并在测试执行完后，根据代码覆盖率、漏出问题率等数据对案例进行反思，查漏补缺。

3、然而，人工评审的方式耗时较长，往往无法对所有测试案例进行全面评审，特别是在项目工期紧张时，人工评审经常滞后，无法及时、全面、快速地评估测试案例质量，亟需改进。

技术实现思路

1、基于此，有必要针对上述技术问题，提供一种测试案例处理方法、装置、计算机设备和存储介质，能够及时、全面、快速的对测试案例质量进行评估，且不需要人工进行评审，降低了人工成本。

2、第一方面，本申请提供了一种测试案例处理方法，该方法包括：

3、获取待评估的目标测试案例集；

4、提取目标测试案例集的目标案例集特征；

5、将目标案例集特征输入至质量评估模型，得到目标测试案例集的目标质量评分；其中，质量评估模型是采用样本测试案例集和样本测试案例集的样本质量评分，对支持向量回归模型进行训练得到。

6、在其中一个实施例中，提取目标测试案例集的目标案例集特征，包括：

7、根据特征项提取规则，提取目标测试案例集在各特征项下的特征，并进行归一化处理，得到目标测试案例集在各特征项下的特征值；

8、对目标测试案例集在各特征项下的特征值进行拼接，得到目标测试案例集的目标案例集特征。

9、在其中一个实施例中，该方法还包括：

10、将目标质量评分与设定质量阈值进行比较；

11、若比较结果为目标质量评分低于设定质量阈值，则从样本测试案例集中获取对比测试案例集；其中，对比测试案例集所对应的功能模块类型与目标测试案例集所对应的功能模块类型相同，且对比测试案例集的样本质量评分高于设定质量阈值；

12、采用对比测试案例集，对目标测试案例集进行归因分析，得到目标测试案例集的待提升特征项。

13、在其中一个实施例中，采用对比测试案例集，对目标测试案例集进行归因分析，得到目标测试案例集的待提升特征项，包括：

14、根据各对比测试案例集在每一可变特征项下的特征值，确定各对比测试案例集在每一可变特征项下的整体特征值；

15、根据各对比测试案例集在每一可变特征项下的整体特征值，与目标测试案例集在每一可变特征项下的特征值之间的差值，确定目标测试案例集的待提升特征项。

16、在其中一个实施例中，根据各对比测试案例集在每一可变特征项下的整体特征值，与目标测试案例集在每一可变特征项下的特征值之间的差值，确定目标测试案例集的待提升特征项，包括：

17、对于每一可变特征项，若各对比测试案例集在该可变特征项下的整体特征值，与目标测试案例集在该可变特征项下的特征值之间的差值，大于设定差值阈值，则将该可变特征项作为候选提升特征项；

18、根据各对比测试案例集在候选提升特征项下的整体特征值，以及目标案例集特征，确定目标测试案例集的待提升特征项。

19、在其中一个实施例中，根据各对比测试案例集在候选提升特征项下的整体特征值，以及目标案例集特征，确定目标测试案例集的待提升特征项，包括：

20、从候选提升特征项中选择目标特征项和其他特征项；

21、采用各对比测试案例集在目标特征项下的整体特征值，替换目标案例集特征中目标特征项对应的特征值，得到新案例集特征；

22、将新案例集特征输入至质量评估模型，得到新质量评分；

23、若新质量评分小于设定质量阈值，则将目标特征项作为目标测试案例集的待提升特征项，并将其他特征项作为新的候选提升特征项，以及将新案例集特征作为新的目标案例集特征，返回执行从候选提升特征项中选择目标特征项和其他特征项的操作，直至新质量评分大于设定质量阈值。

24、在其中一个实施例中，该方法还包括：

25、根据测试方对样本测试案例集的评审得分，样本测试案例集在执行时的代码覆盖率，以及样本测试案例集在执行后的问题漏出率，确定样本测试案例集的样本质量评分。

26、第二方面，本申请还提供了一种测试案例处理装置，该装置包括：

27、第一获取模块，用于获取待评估的目标测试案例集；

28、特征提取模块，用于提取目标测试案例集的目标案例集特征；

29、第一确定模块，用于将目标案例集特征输入至质量评估模型，得到目标测试案例集的目标质量评分；其中，质量评估模型是采用样本测试案例集和样本测试案例集的样本质量评分，对支持向量回归模型进行训练得到。

30、第三方面，本申请还提供了一种计算机设备。所述计算机设备包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现以下步骤：

31、获取待评估的目标测试案例集；

32、提取目标测试案例集的目标案例集特征；

33、将目标案例集特征输入至质量评估模型，得到目标测试案例集的目标质量评分；其中，质量评估模型是采用样本测试案例集和样本测试案例集的样本质量评分，对支持向量回归模型进行训练得到。

34、第四方面，本申请还提供了一种计算机可读存储介质。所述计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现以下步骤：

35、获取待评估的目标测试案例集；

36、提取目标测试案例集的目标案例集特征；

37、将目标案例集特征输入至质量评估模型，得到目标测试案例集的目标质量评分；其中，质量评估模型是采用样本测试案例集和样本测试案例集的样本质量评分，对支持向量回归模型进行训练得到。

38、第五方面，本申请还提供了一种计算机程序产品。所述计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现以下步骤：

39、获取待评估的目标测试案例集；

40、提取目标测试案例集的目标案例集特征；

41、将目标案例集特征输入至质量评估模型，得到目标测试案例集的目标质量评分；其中，质量评估模型是采用样本测试案例集和样本测试案例集的样本质量评分，对支持向量回归模型进行训练得到。

42、上述测试案例处理方法、装置、计算机设备和存储介质，通过采用样本测试案例集和样本测试案例集的样本质量评分，对支持向量回归模型进行训练，引入质量评估模型，进而通过引入质量评估模型，即可得到目标测试案例集的目标质量评分；相比于相关技术中采用人工对测试案例质量进行评审的方式而言，实现了及时、全面、快速地自动对测试案例质量进行评估，不仅提高了测试案例评估的效率，而且降低了人工成本。

技术特征：

1.一种测试案例处理方法，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，所述提取所述目标测试案例集的目标案例集特征，包括：

3.根据权利要求1所述的方法，其特征在于，所述方法还包括：

4.根据权利要求3所述的方法，其特征在于，所述采用所述对比测试案例集，对所述目标测试案例集进行归因分析，得到所述目标测试案例集的待提升特征项，包括：

5.根据权利要求4所述的方法，其特征在于，所述根据各对比测试案例集在每一可变特征项下的整体特征值，与所述目标测试案例集在每一可变特征项下的特征值之间的差值，确定所述目标测试案例集的待提升特征项，包括：

6.根据权利要求5所述的方法，其特征在于，所述根据各对比测试案例集在所述候选提升特征项下的整体特征值，以及所述目标案例集特征，确定所述目标测试案例集的待提升特征项，包括：

7.根据权利要求1所述的方法，其特征在于，所述方法还包括：

8.一种测试案例处理装置，其特征在于，所述装置包括：

9.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述的方法的步骤。

10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。

11.一种计算机程序产品，包括计算机程序，其特征在于，该计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。

技术总结
本申请涉及一种测试案例处理方法、装置、计算机设备和存储介质，涉及人工智能技术领域。该方法包括：获取待评估的目标测试案例集；提取目标测试案例集的目标案例集特征；将目标案例集特征输入至质量评估模型，得到目标案例集特征的目标质量评分。上述方案，通过引入质量评估模型，将目标测试案例集的目标案例集特征输入至质量评估模型中，即可得到目标案例集特征的目标质量评分；相比于相关技术中采用人工对测试案例质量进行评审的方式而言，实现了及时、全面、快速地自动对测试案例质量进行评估，不仅提高了测试案例评估的效率，而且降低了人工成本。

技术研发人员：吕美洁,孙婷,夏旭日,陈文平
受保护的技术使用者：中国工商银行股份有限公司
技术研发日：
技术公布日：2024/1/13