[发明专利]众包测试人员推荐与众包测试方法及电子装置

权利要求书

1.一种众包测试人员推荐方法，其步骤包括：

1)采集众包软件测试过程中一时间点的众测任务需求描述与各待推荐人员的历史众测报告，获取各所述待推荐人员的描述性术语向量集；

2)计算各所述待推荐人员的测试充分度，得到各所述待推荐人员的过程上下文，并依据各所述待推荐人员的人员特点，得到各所述待推荐人员的资源上下文；其中，所述人员特点包括：所述待推荐人员的活跃性、偏好、专长和设备；所述活跃性包括：发现最近一缺陷与提交最近一报告与所述时间点的时间间隔、一设定时间内发现缺陷与提交报告数量；所述偏好由所推荐人员过去提交报告的描述性术语向量集经过概率表示得到；所述专长由所推荐人员过去发现缺陷的描述性术语向量集经过概率表示得到；所述设备包括：手机型号、操作系统、ROM类型和网络环境；

3)将提取的各所述待推荐人员所述过程上下文与所述资源上下文的特征输入排序学习模型，得到初始推荐人员排序，并基于专长与设备的多样性贡献度对所述初始推荐人员排序进行重排序，得到最终推荐人员排序。

2.如权利要求1所述的方法，其特征在于，所述描述性术语向量集的获取步骤包括：

1)将所述众测任务需求描述与所述历史众测报告进行分词、去停用词和同义词替换操作，得到第一术语向量集；

2)计算所述第一术语向量集中的任一向量在所述众测任务需求描述与所述众测报告中出现频率，并依据一设定值得到描述性术语库；

3)基于所述描述性术语库过滤所述众测任务需求描述与所述历史众测报告，得到所述描述性术语向量集。

3.如权利要求1所述的方法，其特征在于，根据含有描述性术语的缺陷报告数目与提交的缺陷报告数目，得到所述测试充分度。

4.如权利要求1所述的方法，其特征在于，所述特征包括发现最近一缺陷与提交最近一报告与所述时间点的时间间隔、设定时间内发现缺陷与提交报告数量、所述待推荐人员的偏好和测试充分性之间的余弦相似性、欧几里得相似性与杰卡德相似性、所述待推荐人员专长和测试充分性之间的余弦相似性、欧几里得相似性与杰卡德相似性。

5.如权利要求1所述的方法，其特征在于，获取所述排序学习模型的步骤包括：

1)对于众测平台上已关闭的每一任务，随机选择任务进行中的采样时间点，采集各已关闭众测任务需求描述与全部相关人员的历史众测报告，获取各所述相关人员的描述性术语向量集；

2)计算各所述相关人员的测试充分度，得到各所述相关人员的样本第一过程上下文，并依据各所述相关人员的人员特点，得到各所述待推荐人员的第一样本资源上下文；

3)根据所述采样时间点之后，各相关人员发现的缺陷，得到样本第二过程上下文与样本第二资源上下文；

4)提取所述样本第二过程上下文与样本第二资源上下文的样本特征，并依据排序学习算法建立所述排序学习模型。

6.如权利要求1所述的方法，其特征在于，基于专长与设备多样性贡献度对所述初始推荐人员排序进行重排序的步骤包括：

1)将初始推荐人员排序的第一位移入最终推荐人员排序表中，并同时从初始推荐人员排序表中删除；

2)计算初始推荐人员排序表中剩余的各初始推荐人员的专长多样性贡献度与设备多样性贡献度，并分别按专长多样性贡献度和设备多样性贡献度进行降序排列；

3)计算每个人员的组合多样性，将组合多样性最小的人员移入最终推荐人员排序表；

4)重复步骤2)-3)，得到所述最终推荐人员排序。

7.一种众包测试方法，使用权利要求1-6中任一方法获得的最终推荐人员排序中的前若干推荐人员进行众包测试。

8.一种电子装置，包括存储器和处理器，所述存储器中存储有计算机程序，所述处理器被设置为运行所述计算机程序以执行权利要求1-6中任一方法。