[发明专利]用于生成工作量信息的方法和装置

说明书

本申请公开了用于生成工作量信息的方法和装置。该方法的一具体实施方式包括：获取待执行任务的特征集合，其中，特征集合中的各个特征用于描述待执行任务的内容；将特征集合导入预先训练的任务分类模型进行分类，得到待执行任务的类别，其中，任务分类模型用于表征任务的特征集合和任务的类别的对应关系；从预先生成的回归系数列表中选取出与待执行任务的类别对应的回归系数作为目标回归系数，其中，回归系数列表用于存储类别和与类别对应的回归系数；基于特征集合和目标回归系数，生成待执行任务的工作量信息。该实施方式提高了生成工作量信息的效率。

技术领域

本申请涉及计算机技术领域，具体涉及互联网技术领域，尤其涉及用于生成工作量信息的方法和装置。

背景技术

随着互联网的飞速发展，各种系统软件和应用软件层出不穷。新的软件产品被研发出来后，测试人员一般需要对软件产品进行功能测试和联调测试，以鉴定软件产品的正确性、完整性、安全性和质量。在确定软件产品满足设计要求的情况下，才可以将软件产品上线。

通常，在执行测试任务之前，需要对测试任务的工作量信息进行预估。依据预估出的工作量信息，可以合理地安排测试时间、测试人员和测试资源等，以确保测试任务顺利执行。

然而，现有的工作量信息预估方式通常是通过若干个测试经验丰富的测试人员经过多次讨论和分析，人工预估出测试任务的工作量信息，预估工作量信息的效率较低。

发明内容

本申请的目的在于提出一种改进的用于生成工作量信息的方法和装置，来解决以上背景技术部分提到的技术问题。

第一方面，本申请实施例提供了一种用于生成工作量信息的方法，该方法包括：获取待执行任务的特征集合，其中，特征集合中的各个特征用于描述待执行任务的内容；将特征集合导入预先训练的任务分类模型进行分类，得到待执行任务的类别，其中，任务分类模型用于表征任务的特征集合和任务的类别的对应关系；从预先生成的回归系数列表中选取出与待执行任务的类别对应的回归系数作为目标回归系数，其中，回归系数列表用于存储类别和与类别对应的回归系数；基于特征集合和目标回归系数，生成待执行任务的工作量信息。

在一些实施例中，该方法还包括建立任务分类模型的步骤，建立任务分类模型的步骤包括：获取样本任务的特征集合和样本任务的类别；利用机器学习方法，基于样本任务的特征集合和样本任务的类别对预先存储的分类模型进行训练，得到任务分类模型，其中，分类模型是未经训练的模型。

在一些实施例中，样本任务包括训练用样本任务和测试用样本任务；以及利用机器学习方法，基于样本任务的特征集合和样本任务的类别对预先存储的分类模型进行训练，包括：从训练用样本任务的特征集合中选取出第一预设数目的特征，生成训练用样本任务的训练用特征集合；执行如下训练步骤：利用机器学习方法，基于训练用特征集合和训练用样本任务的类别对预先存储的分类模型进行训练，得到候选任务分类模型，基于测试用样本任务的特征集合和测试用样本任务的类别对候选任务分类模型进行测试，得到候选任务分类模型的准确率，确定准确率是否达到预设阈值，响应于确定准确率达到预设阈值，将候选任务分类模型作为任务分类模型；若准确率未达到预设阈值，从训练用样本任务的特征集合中选取出训练用特征集合中未包括的、第二预设数目的特征加入训练用特征集合，继续执行训练步骤。

在一些实施例中，该方法还包括生成回归系数列表的步骤，生成回归系数列表的步骤包括：获取至少一个类别的样本任务的特征集合和至少一个类别的样本任务的工作量；对于至少一个类别中的每个类别，利用回归预测法对该类别的样本任务的特征集合和该类别的样本任务的工作量进行处理，生成与该类别对应的回归系数；根据至少一个类别中的每个类别和与该类别对应的回归系数生成回归系数列表。