[发明专利]测试用例生成方法、装置、设备及存储介质有效
申请号: | 202110511428.2 | 申请日: | 2021-05-11 |
公开(公告)号: | CN112988606B | 公开(公告)日: | 2021-07-23 |
发明(设计)人: | 吕真;杨旭;罗璇;李路遥 | 申请(专利权)人: | 成都爱瑞无线科技有限公司 |
主分类号: | G06F11/36 | 分类号: | G06F11/36 |
代理公司: | 深圳紫藤知识产权代理有限公司 44570 | 代理人: | 远明 |
地址: | 610000 四川省成都市中国(四川)自*** | 国省代码: | 四川;51 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 测试 生成 方法 装置 设备 存储 介质 | ||
1.一种测试用例生成方法,其特征在于,所述方法包括:
获取预设的用例集合中的每个测试用例;
将所述每个测试用例所包含的测试参数的取值输入至已训练完成的用例失败预测模型中,以获得所述每个测试用例的失败预测概率;
根据所述预设的用例集合中的所述每个测试用例的失败预测概率计算每个测试参数的不同取值的失败预测概率;以及
根据所述每个测试参数的不同取值的失败预测概率生成目标测试用例集合,其中选择失败预测概率超过预设门限值的测试参数的取值生成所述目标测试用例集合。
2.如权利要求1所述的测试用例生成方法,其特征在于,所述方法包括:通过如下方式得到所述用例失败预测模型:
收集预定时间范围内的历史用例测试数据,其中所述历史用例测试数据至少包括每个用例所包含的测试参数的取值,以及每个用例的测试结果;以及
基于所述历史用例测试数据对预设的原始模型进行训练,以获得所述用例失败预测模型。
3.如权利要求2所述的测试用例生成方法,其特征在于,所述预设的原始模型为三层神经网络模型,其中所述三层神经网络模型具有输入层、隐藏层和输出层。
4.如权利要求1所述的测试用例生成方法,其特征在于,根据所述预设的用例集合中的所述每个测试用例的失败预测概率计算每个测试参数的不同取值的失败预测概率的步骤包括:
根据所述每个测试参数的不同取值对所述预设的用例集合中的每个用例进行分类,以获得分别与每个测试参数的特定取值或特定取值范围相对应的关联用例集合,其中,针对每个测试参数,与其特定取值或特定取值范围相对应的关联用例集合中的全部用例中的该测试参数的取值均是该特定取值或均在该特定取值范围内。
5.如权利要求4所述的测试用例生成方法,其特征在于,根据所述预设的用例集合中的所述每个测试用例的失败预测概率计算每个测试参数的不同取值的失败预测概率的步骤包括:
将所述每个测试用例的失败预测概率大于预设门限值的测试用例标记为预测失败的用例。
6.如权利要求5所述的测试用例生成方法,其特征在于,计算每个测试参数的不同取值的失败预测概率的步骤包括:针对一测试参数的每个特定取值或特定取值范围,将与所述特定取值或特定取值范围对应的关联用例集合中被标记为预测失败的用例数量与该关联用例集合中的用例总数量的比值作为所述测试参数的所述特定取值或特定取值范围的失败预测概率。
7.如权利要求1所述的测试用例生成方法,其特征在于,所述测试用例是用于无线通信物理层的测试用例。
8.一种测试用例生成装置,其特征在于,所述装置包括:
获取模块,用于获取预设的用例集合中的每个测试用例;
预测模块,用于将所述每个测试用例所包含的测试参数的取值输入至已训练完成的用例失败预测模型中,以获得所述每个测试用例的失败预测概率;
计算模块,用于根据所述预设的用例集合中的所述每个测试用例的失败预测概率计算每个测试参数的不同取值的失败预测概率;以及
生成模块,用于根据所述每个测试参数的不同取值的失败预测概率生成目标测试用例集合,其中选择失败预测概率超过预设门限值的测试参数的取值生成所述目标测试用例集合。
9.一种计算机设备,包括存储器、处理器,所述存储器上存储有可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述的方法的步骤。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,计算机程序被处理器执行时实现如权利要求1至7任一项所述的方法中的步骤。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于成都爱瑞无线科技有限公司,未经成都爱瑞无线科技有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202110511428.2/1.html,转载请声明来源钻瓜专利网。