[发明专利]一种基于智能机器学习的自动化用例开发系统

权利要求书

1.一种基于智能机器学习的自动化用例开发系统，其特征在于，包括前端分析器、后端机器学习引擎和最终代码生成模块，所述前端分析器包括测试用例动态规划器、接口分析器、程序接口、Web页面分析器和移动端UI分析器，所述后端机器学习引擎包括机器学习算法库，所述最终代码生成模块包括自动化代码生成器和测试用例集合，所述前端分析器和所述后端机器学习引擎通过所述自动化代码生成器汇总存入所述测试用例集合，所述自动化代码生成器根据所述测试用例动态规划器的抽象封装，结合所述机器学习算法库存下的测试路径，生成自动化测试代码；

通过后端机器学习引擎和知识库进行如下操作：

业务逻辑输入，测试人员根据业务逻辑，对机器学习的知识库进行判断，即测试用例中的期待，对于不符合业务规范和业务鉴权限制的测试路径，标记为非法，同时终止掉后续的探索操作；

学习策略，测试人员根据产品项目的经验，选择适合的机器学习引擎模块；或结合实际，设定后续的递归策略，确保探索算法的收敛；

Bug系统和使用监控，方案可以与Bug系统进行互动，当当前存在的Bug阻塞某些探索路径时，在知识库中进行标注；在具备相应能力和条件基础上使用监控，对实际用户使用产品进行监控与统计，以计算出哪些操作时频率较高，来自动制定测试用例的优先级属性。

2.如权利要求1所述基于智能机器学习的自动化用例开发系统，其特征在于，所述测试用例动态规划器支持状态采集、步骤自动化封装、分布执行和回退执行方法。

3.如权利要求1所述基于智能机器学习的自动化用例开发系统，其特征在于，所述接口分析器的功能包括实时状态采集和操作动作封装。

4.如权利要求3所述基于智能机器学习的自动化用例开发系统，其特征在于，所述接口分析器的功能还包括状态单步回退。

5.如权利要求1所述基于智能机器学习的自动化用例开发系统，其特征在于，所述机器学习算法库包括学习策略模块，所述学习策略模块包括递归深度策略、学习算法策略和优先级制定策略。

6.如权利要求5所述基于智能机器学习的自动化用例开发系统，其特征在于，所述优先级制定策略通过使用监控插件统计操作的频率，对所述机器学习算法库中的每条用例进行加权设置，以此来计算所述机器学习算法库中记录的实际使用频率。