[发明专利]测试用例智能推荐

说明书

本发明涉及测试用例智能推荐，具体涉及一种基于自然语言处理的智能用例推荐算法，包括：步骤1)典型用户库：通过以往的测试项目数据收集典型的测试用例数据构建和维护典型用例库；步骤2)用例推荐模型生成，基于已有的典型用例数据通过自然语言处理，智能分词、标识抽取等生成测试用例模型；步骤3)智能用例推荐，根据测试需求和测试功能，为测试人员智能推荐出尽可能适配测试需求、功能的测试用例数据。通过本发明实现了测试人员快速构建出大量满足需求的测试用例数据，减少测试人员的在测试用例设计阶段的工作，在测试设计过程节省大量的时间。

技术领域

本发明涉及的是软件和自然语言技术领域，具体涉及一种基于自然语言处理的智能用例推荐算法。

背景技术

软件测试(Software Testing)，描述一种用来促进鉴定软件的正确性、完整性、安全性和质量的过程。换句话说，软件测试是一种实际输出与预期输出之间的审核或者比较过程。软件测试的经典定义是：在规定的条件下对程序进行操作，以发现程序错误，衡量软件质量，并对其是否能满足设计要求进行评估的过程。

软件测试是伴随着软件的产生而产生的。早期的软件开发过程中软件规模都很小、复杂程度低，软件开发的过程混乱无序、相当随意，测试的含义比较狭窄，开发人员将测试等同于“调试”，目的是纠正软件中已经知道的故障，常常由开发人员自己完成这部分的工作。对测试的投入极少，测试介入也晚，常常是等到形成代码，产品已经基本完成时才进行测试。到了上世纪80年代初期，软件和IT行业进入了大发展，软件趋向大型化、高复杂度，软件的质量越来越重要。这个时候，一些软件测试的基础理论和实用技术开始形成，并且人们开始为软件开发设计了各种流程和管理方法，软件开发的方式也逐渐由混乱无序的开发过程过渡到结构化的开发过程，以结构化分析与设计、结构化评审、结构化程序设计以及结构化测试为特征。人们还将“质量”的概念融入其中，软件测试定义发生了改变，测试不单纯是一个发现错误的过程，而且将测试作为软件质量保证(SQA)的主要职能，包含软件质量评价的内容，Bill Hetzel在《软件测试完全指南》(Complete Guide of Software Testing)一书中指出：“测试是以评价一个程序或者系统属性为目标的任何一种活动。测试是对软件质量的度量。”这个定义至今仍被引用。软件开发人员和测试人员开始坐在一起探讨软件工程和测试问题。

软件测试主要分为测试需求分析、测试计划、测试设计、测试执行、测试评估等阶段。

在传统测试中，测试工作是极其繁复的，在每个测试阶段都需要投入大量的测试人员和软、硬件资源，去开展测试工作。整个测试过程中需要耗费大量资源和时间。基于此我们提出了基于自然语言处理的测试用例智能推荐技术，简化测试设计的工作，减少资源投入，缩短测试周期。

基于自然语言处理的测试用例智能推荐技术，主要特点是基于已采集的典型测试用例数据，通过对典型测试用例数据的自然语言处理，智能分词、标识抽取等生成测试用例集成推荐模型。在测试人员设计测试用例时，根据测试需求和测试功能，为测试人员智能推荐出尽可能适配测试需求、功能的测试用例数据，以便测试人员快速构建出大量满足需求的测试用例数据，减少测试人员的在测试用例设计阶段的工作，在测试设计过程节省大量的时间。

发明内容

传统测试模式中应用软件全生命周期测试需要投入大量的测试人员和测试资源，花费大量的时间。

在测试设计过程中由测试人员针对应用软件的测试需求设计出大量的测试用例，但测试过程往往不是一蹴而就的，因此在测试过程中需要不断进行测试用例设计工作，以保证测试工作的完备和准确。为了尽可能的简化测试过程中的测试用例设计工作，提高测试效率，缩短测试周期，我们提出了基于自然语言处理的测试用例智能推荐技术。针对测试需求，依据已有典型测试用例数据的生成处理模型，智能地为测试人员推荐可用的测试用例，极大的减少测试人员和测试资源地投入，保证测试工作的有序进行。

附图说明