[发明专利]bug定位方法、系统、电子设备及存储介质

说明书

本发明实施例提供一种基于机器学习的bug定位方法、系统、电子设备及存储介质，方法包括：将待定位bug输入训练后的机器学习模型中，输出与待定位bug对应的代码块；机器学习模型为根据包括各bug和每一个bug对应的代码块的训练集训练而来。本发明实施例通过训练机器学习模型来对产生bug的代码块进行定位，缩短定位bug的时间，提高产品质量迭代的效率。

技术领域

本发明涉及软件测试领域，更具体地，涉及一种bug定位方法、系统、电子设备及存储介质。

背景技术

在软件测试领域，软件测试即是对导致bug出现的原因进行分析，即找到产生bug的代码块。

现在软件工程分工较细，测试人员水平参差不齐，一个BUG往往需要多个研发或测试层层定位才能知道问题的原因。BUG解决的时间往往取决于定位bug的时间，而不是修改代码的时间。

因此需要一种办法缩短定位bug的时间，来提高产品质量迭代的效率。

发明内容

本发明实施例提供一种克服上述问题或者至少部分地解决上述问题的一种基于机器学习的bug定位方法、系统、电子设备及存储介质。

根据本发明实施例的第一方面，提供了一种基于机器学习的bug定位方法，包括：

将待定位bug输入训练后的机器学习模型中，输出与所述待定位bug对应的代码块；

所述机器学习模型为根据包括各bug和每一个bug对应的代码块的训练集训练而来。

在上述技术方案的基础上，本发明实施例还可以作出如下改进。

进一步的，还包括：

收集各bug，对每一个bug进行功能性分类，并为每一个bug建立详细描述信息和解决方案，其中，通过每一个bug的详细描述信息和解决方案能够对相关代码块进行关联；

收集各代码块，对每一个代码块进行功能性分类；

建立每一个bug与代码块之间的关联关系，将每一个bug与对应的代码块作为训练集；

采用训练集对机器学习模型进行训练。

进一步的，所述收集的各bug包括不同产品、不同模块、不同严重程度和不同优先级的bug，收集的各代码块包括不同产品、不同模块和不同版本的代码块。

进一步的，还包括：

对训练集中的每一个bug和每一个代码块标记上其功能属性；

相应的，经过所述机器学习模型输出的待定位bug对应的代码块上标记有功能属性。

进一步的，所述每一个bug对应的代码块为函数或功能模块或API接口，所述训练集包括每一个bug和其对应的函数或其对应的功能模块或其对应的API接口；

相应的，所述将待定位bug输入训练后的机器学习模型中，输出与所述待定位bug对应的代码块；包括：

将待定位bug输入训练后的机器学习模型中，输出与所述待定位bug对应的函数或功能模块或API接口。

根据本发明实施例的第二方面，提供了一种基于机器学习的bug定位系统，包括：

训练模块，用于根据包括各bug和每一个bug对应的代码块的训练集对机器学习模型进行训练；

输入模块，用于将待定位bug输入训练后的机器学习模型中，输出与所述待定位bug对应的代码块。

进一步的，所述每一个bug对应的代码块为函数或功能模块或API接口，所述训练集包括每一个bug和其对应的函数或其对应的功能模块或其对应的API接口；