[发明专利]基于机器学习模型的测试用例步骤的推荐方法和装置

权利要求书

1.一种基于机器学习模型的测试用例步骤的推荐方法，包括：

对历史测试用例数据进行预处理，得到预处理后的测试用例数据，其中，每条所述预处理后的测试用例数据包括一测试用例的顺序排列的所有步骤的标识，每一步骤对应于测试用例管理平台的函数库中的一个函数；

针对所述预处理后的测试用例数据中的每条数据，以随机选取该条数据中的一步骤为起点，取该步骤后的连续n-1个步骤与该步骤组成一指定格式数据的方式，得到多个指定格式数据，其中，每个所述指定格式数据包括按照执行顺序排列的n个步骤，前n-1个步骤作为训练数据，第n个步骤作为标签，n为不小于3的整数；

构建机器学习模型，并利用所述训练数据和所述标签对所述机器学习模型进行训练；

将待推荐步骤的测试用例的该待推荐步骤前的相邻n-1个步骤输入训练好的所述机器学习模型中，得到推荐的该测试用例的步骤。

2.根据权利要求1所述的方法，其中，所述机器学习模型包括N元语法N-gram模型、连续词袋CBOW模型或长短期记忆网络LSTM模型。

3.根据权利要求2所述的方法，其中，当所述机器学习模型为LSTM模型时，构建机器学习模型，包括：

利用keras序贯模型构建LSTM模型；

其中，所述LSTM模型包括词向量嵌入embedding层、双向LSTM层和全连接层；

所述全连接层采用softmax激活函数；

所述LSTM模型采用多分类交叉熵函数作为损失函数。

4.根据权利要求1-3中任一项所述的方法，其中，对历史测试用例数据进行预处理，包括：

将所述函数库中的函数按照函数原始标识进行排序；

将排序后的所述函数映射到一连续空间，从而以每个函数映射后的标识作为与该函数对应的步骤的标识。

5.根据权利要求4所述的方法，其中，在将所述函数库中的函数按照函数原始标识进行排序之前，还包括：

对所述函数库中的函数按照功能进行去重，并对所述历史测试用例数据中与去重掉的函数对应的步骤重新编号。

6.根据权利要求1-5中任一项所述的方法，其中，在得到多个指定格式数据之后，还包括：

对所述多个指定格式数据中的所有标签进行独热编码。

7.根据权利要求1-6中任一项所述的方法，其中，在利用所述训练数据和所述标签对所述机器学习模型进行训练之前，还包括：

按照指定比例将所述多个指定格式数据划分为训练集和测试集；

利用所述训练数据和所述标签对所述机器学习模型进行训练，包括：

利用所述训练集中的训练数据和标签对所述机器学习模型进行训练。

8.一种基于机器学习模型的测试用例步骤的推荐装置，包括：

数据预处理模块，适于对历史测试用例数据进行预处理，得到预处理后的测试用例数据，其中，每条所述预处理后的测试用例数据包括一测试用例的顺序排列的所有步骤的标识，每一步骤对应于测试用例管理平台的函数库中的一个函数；

训练数据生成模块，适于针对所述预处理后的测试用例数据中的每条数据，以随机选取该条数据中的一步骤为起点，取该步骤后的连续n-1个步骤与该步骤组成一指定格式数据的方式，得到多个指定格式数据，其中，每个所述指定格式数据包括按照执行顺序排列的n个步骤，前n-1个步骤作为训练数据，第n个步骤作为标签，n为不小于3的整数；

推荐模型训练模块，适于构建机器学习模型，并利用所述训练数据和所述标签对所述机器学习模型进行训练；以及

用例步骤推荐模块，适于将待推荐步骤的测试用例的该待推荐步骤前的相邻n-1个步骤输入训练好的所述机器学习模型中，得到推荐的该测试用例的步骤。

9.一种计算机存储介质，所述计算机存储介质存储有计算机程序代码，当所述计算机程序代码在计算设备上运行时，导致所述计算设备执行根据权利要求1-7中任一项所述的基于机器学习模型的测试用例步骤的推荐方法。

10.一种计算设备，包括：

处理器；以及

存储有计算机程序代码的存储器；

当所述计算机程序代码被所述处理器运行时，导致所述计算设备执行根据权利要求1-7中任一项所述的基于机器学习模型的测试用例步骤的推荐方法。