[发明专利]分析测试日志的方法与装置

说明书

本申请提供一种分析测试日志的方法与装置，涉及自动化测试领域。该方法包括：获取第一日志，进而获取第一日志的第一表征向量，根据第一表征向量和第一监督学习模型获得包括多个结论的结论候选集，根据第一强化学习模型和该结论候选集，确定出第一日志的预测结论。在该方法中，先利用监督学习获取多个备选结论，再利用强化学习确定最终的结论，提高了结论的准确性。

技术领域

本申请涉及自动化测试领域，并且更具体地，涉及一种分析测试日志的方法与装置。

背景技术

随着科技的发展，对自动化测试工作的质量与效率等要求越来越高，故针对自动化测试的方法也不断丰富。目前自动化脚本测试已成规模，但是小时级(以小时为单位)的自动化验证能力却受限于天级(以日为单位)的人工分析。因此，由机器等来完成对日志进行分析和确定问题等过程，有着迫切的需求和广泛的应用前景。目前业界的测试分析工具主要有Sauce Labs和Sealights等。其中，Sealights的主要特性点在于代码分析和质量评估方面，分析和确定日志问题关系不大。Sauce Labs则可以通过选用关键指标、进行规则匹配的传统方法来确定日志问题。然而对于基于规则匹配的日志技术方案而言，需要配置规则表以及需要人工维护规则表，而随着日志的数量增大，人工维护的工作会日益繁琐，对于工作效率和准确率都带来了很大的挑战。此外，同一篇日志可能会匹配到数条规则，需要人工确认不同规则的优先级，不利于长期维护。

对此，在现有技术中，出现了利用传统的监督学习的方法，利用监督学习模型的预测采集到的日志的失败原因，但由于日志失败原因众多，导致数据稀疏等问题，使得预测结果的准确性较低。

发明内容

本申请实施例提供一种分析测试日志的方法与装置，能够提高判断日志失败原因时的准确性。

第一方面，提供一种分析测试日志的方法，该方法包括：获取第一日志，以及获取第一日志的第一表征向量，根据第一表征向量和第一监督学习模型获得结论候选集，其中该结论候选集中包括对应于第一日志的多个候选结论，根据第一强化学习模型和结论候选集，确定第一日志的预测结论。

在本申请技术方案中，先利用监督学习确定日志失败的备选原因，也就是备选原因的结论候选集，再利用强化学习对备选原因进行修正，也就是从结论候选集中确定最终的对日志失败原因的预测结论，提高了预测的准确性。在本申请技术方案中，利用监督学习和强化学习相结合的预测方法，一方面利用了监督学习收敛快的优点，另一方面增加了基于强化学习的决策环节，从备选结论中确定出最终的预测结论，而不是只利用监督学习确定出一个结论，能够提高预测的准确性。

此外，跟现有的基于规则匹配的技术方案相比，本申请技术方案不需要人工维护复杂的规则表，也不需要考虑不同规则互相冲突的问题；跟现有的传统监督学习的方法相比，本申请技术方案更能适用于有大量人工标记且采集到的数据存在数据稀疏的情况。

可选地，可以利用执行器等获取装置或获取单元等获取第一日志，还可以利用读取装置等从例如存储装置或存储芯片等中读取第一日志。

可选地，可以获取的是第一日志的原文，或者获取的是第一日志的原文及其上下文。

可选地，可以实时获取第一日志，或者可以从存储的最近某段时间内的存储日志中，读取第一日志。

可选地，可以利用表征学习的方法获取第一日志的第一表征向量。该第一表征向量对应于第一日志的特征。

需要说明的是，监督学习模型(例如第一监督学习模型)可以是利用积极学习方法获得的积极学习模型，也可以是利用消极学习方法获得的消极学习模型(例如带标记的表征向量)。