[发明专利]一种业务测试方法及装置

权利要求书

1.一种业务测试方法，其特征在于，该方法包括：

基于预设的产品规则和预先训练的产品评分模型，从原始产品数据中获取目标产品数据，以及，基于预设的用户规则和预先训练的用户评分模型，从原始用户数据中获取目标用户数据；

基于预设的组合规则和预先训练的关联概率模型，从原始组合数据中筛选出目标组合数据，所述原始组合数据为：所述目标产品数据和所述目标用户数据之间进行组合后的关联数据；

基于所述目标组合数据和预设的用例规则生成待测业务的测试用例，并执行所述测试用例以便对所述待测业务进行测试。

2.根据权利要求1所述的方法，其特征在于，所述基于预设的产品规则和预先训练的产品评分模型从原始产品数据中获取目标产品数据，包括：

利用预设的产品规则生成对应的产品特征；

利用所述产品特征从所述原始产品数据中获取与所述产品特征匹配的产品数据；

依据预先训练的产品评分模型从匹配的产品数据中筛选出部分产品作为目标产品数据。

3.根据权利要求2所述的方法，其特征在于，所述依据预先训练的产品评分模型从所述匹配的产品数据中筛选出部分产品作为目标产品数据，包括：

采用无监督学习的聚类算法对所述匹配的产品数据进行聚类，得到聚类后的各类产品数据；

采用所述预先训练的产品评分模型计算所述各类产品数据中各产品的分值；

将分值大于预设分数阈值的产品确定为所述目标产品数据。

4.根据权利要求1所述的方法，其特征在于，所述基于预设的用户规则和预先训练的用户评分模型从原始用户数据中获取目标用户数据，包括：

利用预设的用户规则生成对应的用户特征；

利用所述用户特征从所述原始用户数据中获取与所述用户特征匹配的用户数据；

依据预先训练的用户评分模型从所述匹配的用户数据中筛选出部分用户作为目标用户数据。

5.根据权利要求4所述的方法，其特征在于，所述依据预先训练的用户评分模型从所述用户特征中筛选出部分用户特征作为目标用户数据，包括：

采用无监督学习的聚类算法对所述匹配的用户数据进行聚类，得到聚类后的各类用户数据；

采用所述预先训练的用户评分模型计算所述各类用户数据中各用户的分值；

将用户分值大于预设分数阈值的用户确定为所述目标用户数据。

6.根据权利要求1所述的方法，其特征在于，所述基于预设的组合规则和预先训练的关联概率模型，从原始组合数据中获取目标组合数据，包括：

基于预设的组合规则分别将各目标用户数据和各目标产品数据，进行两两组合，得到组合后的初始组合数据；

基于预先训练的关联概率模型对组合后的初始组合数据进行概率预测，得到各初始组合数据的预测概率；

将预测概率大于预设概率阈值的初始组合数据确定为目标组合数据。

7.根据权利要求1所述的方法，其特征在于，所述基于所述目标组合数据和预设的用例规则生成待测业务的测试用例，包括：

获取所述目标组合数据所包括的各目标产品数据与各目标用户数据的组合关系；

将具有组合关系的各组目标产品数据和目标用户数据按照预设的用例规则生成所述待测业务下的测试用例。