[发明专利]一种回归测试用例的选择方法、装置及设备

说明书

本申请公开了一种回归测试用例的选择方法及装置，在从测试用例集中选择用于回归测试的测试用例时，可通过对聚类模型的超参数进行训练(通过对初始超参数选择出的测试用例，注入错误数据的方法，注入错误数据后的测试用例在测试应用时的测试结果，再根据测试结果确定反馈数据，最后根据反馈数据训练该超参数，直至满足训练条件为止)，确定用于选择测试用例的超参数，最后根据训练得到的超参数确定测试用例。

技术领域

本申请涉及信息技术领域，尤其涉及一种回归测试用例的选择的方法、装置及设备。

背景技术

回归测试，是指当对应用程序的代码进行调整之后，重新对调整后的应用程序进行测试，以确认对代码的调整没有引入新的错误或导致其他代码产生错误的测试过程。

在现有技术中，通常根据历史上已经执行过的业务，生成测试用例，从而得到测试用例集。并且，由于测试用例集中的测试用例的数量较为庞大，可能导致采用测试用例集进行回归测试的效率较低。(例如，测试用例集可能多个测试用例测试的内容实际上是相同或者大部分重叠，导致重复测试)

因此在回归测试时，通常需要先通过简约过程，从测试用例集中，选择适用待测试应用程序的测试用例。一方面尽可能减少测试用例的数量，提高测试效率，另一方面又要保证所有测试需求都能被测试到。

在现有技术中，通常简约过程是根据贪心算法，或者根据聚类算法，选择用于回归测试的测试用例。

对于前者，需要基于人工维护的测试用例与测试需求的关系表，选择测试用例。关系表维护成本较高，同时由于贪心算法的缺陷，导致可能对测试需求的覆盖不足(如，容易遗漏较为重要但是覆盖场景少的测试用例)。对于后者，通常采用K均值(K-means)聚类算法，主要基于人工设置的超参数(即，K值)确定聚类结果，但是由于不同的应用的测试需求不完全相同，根据同一K值选择出来测试用例所得到的测试效果不完全一样，导致回归测试效果不佳。(例如，根据K值为A的聚类算法确定的测试用例，可100％覆盖应用B的测试需求，但仅能覆盖应用C中60％的测试需求)。

基于现有技术，本说明书提供一种新的回归测试用例的选择方法、装置及设备，以提高归回测试的效率。

发明内容

本说明书实施例提供一种回归测试用例的选择方法、装置及设备，用于解决通过现有技术选择出的测试用例进行回归测试时，测试效果不佳的问题。

本说明书实施例采用下述技术方案：

一种回归测试用例的选择的方法，包括：

根据聚类模型初始的超参数，对测试用例集进行聚类；

针对聚类得到每个簇，从该簇中选择部分测试用例随机注入错误数据后，对需要进行回归测试的应用进行测试，确定测试结果；

根据选择出的各测试用例的测试结果，确定反馈数据；

根据确定出的反馈数据调整所述超参数，并根据调整后的超参数重新对所述测试用例集进行聚类以及重新确定测试结果，直至所述超参数满足训练条件为止；

根据训练得到的超参数，确定所述回归测试选择的测试用例。

一种回归测试用例的选择装置，包括：

聚类模块，根据聚类模型初始的超参数，对测试用例集进行聚类；

第一选择模块，针对聚类得到每个簇，从该簇中选择部分测试用例随机注入错误数据后，对需要进行回归测试的应用进行测试，确定测试结果；

奖励信号确定模块，根据选择出的各测试用例的测试结果，确定反馈数据；

训练调整模块，根据确定出的反馈数据调整所述超参数，并根据调整后的超参数重新对所述测试用例集进行聚类以及重新确定测试结果，直至所述超参数满足训练条件为止；