[发明专利]测试用例智能化匹配方法、装置、计算机设备及存储介质在审

专利信息
申请号: 201810312782.0 申请日: 2018-04-09
公开(公告)号: CN108536595A 公开(公告)日: 2018-09-14
发明(设计)人: 陈晰亮 申请(专利权)人: 平安普惠企业管理有限公司
主分类号: G06F11/36 分类号: G06F11/36
代理公司: 深圳市精英专利事务所 44242 代理人: 林燕云
地址: 518000 广东省深圳市前海深港合作区前*** 国省代码: 广东;44
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 输入文本 测试 智能化 匹配 计算机设备 存储介质 单词集合 分词处理 匹配概率 特性参数 滤波 单词 特征词提取 测试模型 滤波处理 匹配模型 训练数据 词组 校验 特征词 准确率 分析 学习
【权利要求书】:

1.一种测试用例智能化匹配方法,其特征在于,包括:

对输入文本进行分词处理以得到单词;

对经分词处理得到的单词进行滤波处理,以得到滤波后的单词集合;

根据预先设定的特征词组,对滤波后的单词集合进行特征词提取,以得到输入文本的特性参数;

通过智能化匹配模型中测试用例的特征词与输入文本的特性参数进行匹配,计算输入文本与测试用例相应的匹配概率;

根据预设的匹配概率阈值,获取大于匹配概率阈值的测试用例。

2.根据权利要求1所述的测试用例智能化匹配方法,其特征在于,所述对经分词处理得到的单词进行滤波处理,以得到滤波后的单词集合,包括:

对分词处理得到的单词进行定性处理得到单词的词性,对单词进行定长处理得到单词的长度;

滤除单词中的非单词成分,并根据单词的词性对无意义的单词进行滤除以得到滤波后的单词集合。

3.根据权利要求1所述的测试用例智能化匹配方法,其特征在于,所述根据预先设定的特征词组,对滤波后的单词集合进行特征词提取,以得到输入文本的特性参数,包括:

将滤波后的单词集合与预先设定的特征词组进行匹配;

对单词集合中特征词所出现的次数进行统计以得到输入文本的特性参数,其中,输入文本的特性参数为单词集合中的特征词在特征词组中所出现的次数。

4.根据权利要求1所述的测试用例智能化匹配方法,其特征在于,所述通过智能化匹配模型中测试用例的特征词与输入文本的特性参数进行匹配,计算输入文本与测试用例相应的匹配概率,包括:

获取智能化匹配模型中测试用例的特征词的加权值;

根据以下公式计算得到输入文本与测试用例的匹配概率P:P=(A1×a1+A2×a2+A3×a3+……An×an)/n,其中an为特征词组中第n个特征词所出现的次数,An为特征词组中第n个特征词在测试用例中对应的加权值。

5.根据权利要求1所述的测试用例智能化匹配方法,其特征在于,所述对输入文本进行分词处理以得到单词之前,还包括:

通过历史数据对智能化匹配模型进行训练,得到训练后的智能化匹配模型。

6.一种测试用例智能化匹配装置,其特征在于,包括:

分词处理单元,用于对输入文本进行分词处理以得到单词;

滤波处理单元,用于对经分词处理得到的单词进行滤波处理,以得到滤波后的单词集合;

特征提取单元,用于根据预先设定的特征词组,对滤波后的单词集合进行特征词提取,以得到输入文本的特性参数;

智能匹配单元,用于通过智能化匹配模型中测试用例的特征词与输入文本的特性参数进行匹配,计算输入文本与测试用例相应的匹配概率;

测试用例获取单元,用于根据预设的匹配概率阈值,获取大于匹配概率阈值的测试用例。

7.根据权利要求6所述的测试用例智能化匹配装置,其特征在于,所述滤波处理单元,包括:

定性定长处理单元,用于对分词处理得到的单词进行定性处理得到单词的词性,对单词进行定长处理得到单词的长度;

滤波单元,用于滤除单词中的非单词成分,并根据单词的词性对无意义的单词进行滤除以得到滤波后的单词集合。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于平安普惠企业管理有限公司,未经平安普惠企业管理有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201810312782.0/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top