[发明专利]一种人工智能的自动化软件测试系统及方法

权利要求书

1.一种人工智能的自动化软件测试系统，其特征在于，包括基于人工智能算法构建的测试要求规范模型、编程语言模型、目标系统模型、测试用例自动生成模型；软件自动测试与分析过程模型；

所述测试要求规范模型的构建步骤如下：

(1-1)收集往期的测试数据；

(1-2)获取测试要求规范说明书；

(1-3)基于测试数据构建人工智能数据分析模型；

(1-4)基于测试要求规范说明书构建人工智能数据分析模型；

(1-5)语义模型融合：对基于测试结果所获得的测试规范要求语义链和基于测试要求规范说明书的测试规范要求语义集模型进行融合；

(1-6)模型优化适配；

(1-7)模型自更新；

所述编程语言模型的构建步骤如下：

(2-1)确定需要建模的编程语言范围；

(2-2)收集每种编程语言的编程规范和相关的编程实例；

(2-3)按照编程规范的条目进行逐条解析，获得编程规范的语义集；

(2-4)语义集的完善与清洗；

(2-5)编程语义扩展；

(2-6)语义集关联代码语义句模型表征；

(2-7)语义集关联代码语义句模型表征更新与完善；

(2-8)语义集的自学习完善；

所述目标系统模型的构建步骤如下：

(3-1)基于目标系统使用说明书构建语义模型；

(3-2)匹配编程语言模型；

所述测试用例自动生成模型的构建步骤如下：

(4-1)测试需求解析；

(4-2)测试代码输入清洗与归类；

(4-3)编程语言模型指导测试代码提炼获得待测试语义集和代码段；

(4-4)目标系统模型通过事先学习所得，该模型指导软件测试用例自动化生成模型按照特定软件和硬件平台的要求生产符合要求的测试用例；

(4-5)测试用例自动生成；

所述软件自动测试与分析过程模型如下：

(5-1)对每一个测试用例的测试结果反馈进行记录，对于不通过的测试用例进行分析；

(5-2)分析的结果结合编程语言模型中的关键词记录出问题的原因，同时根据关键词对应的表征意义给出不通过的原因说明，给出风险说明和报告；

(5-3)基于编程语言模型，对风险代码段给出相似代码测试通过的风险消除解决方案；

(5-4)对于通过的测试用例进一步结合编程语言模型分析编程规范是否达标，给出编程规范分析报告。

2.根据权利要求1所述的软件测试系统，其特征在于，所述步骤(1-1)中的测试数据包括测试代码、测试命令、测试说明、测试脚本、测试用例。

3.根据权利要求2所述的软件测试系统，其特征在于，所述步骤(1-3)中分析模型过程包括数据清洗、数据归类、构建语义集、数据语义关联，最后输出基于测试数据分析所得的测试要求规范语义分析模型，具体如下：

a)数据清洗：对获得的往期测试数据进行清洗，去除无效数据；

b)数据归类：对输入的测试数据进行语言划分，对文本、字符表达式、字符代码、数字表达式进行归类划分，分别构建知识数据库；

c)根据规格构建语义集：对文本的知识数据库构建文本词义语义集；对字符表达式构建字符表达式语义集；对字符代码构建代码语义集；对数字表达式构建数字表达式语义集；

d)清洗语义集：对划分的语义集进行清洗，去除重复和无意义的语义；同时对语义进行组合，去除组合语义中的重复组合语义、无意义的组合语义；

e)语义断句构建：对语义集中的各个语义进行断句构建，对获得重复断句进行归类处理，对无意义的语句进行清除处理，对剩下有效的断句构建形成语义断句数据库；

f)语义集：获得的测试目的的语义断句作为第一语义集存入数据库；获得的测试要求的语义断句作为第二语义集存入数据库；获得的测试原理的语义断句作为第三语义集存入数据库；获得的待测试代码的语义断句作为第四语义集存入数据库；获得的测试用例的语义断句作为第五语义集存入数据库；其他更多的测试条目的语义断句进行扩展存入后续语义集；

g)语义关联链：将测试目的、测试要求、测试原理、待测试代码、测试用例的语义集数据库进行关联，获得基于往期测试数据形成的从测试目的、测试要求、测试原理、待测试代码、测试用例形成的测试系统关联语义链库。