[发明专利]测试结果分类模型训练方法、分类方法及装置

权利要求书

1.一种测试结果分类模型训练方法，包括：

获取多个日志文本，其中，每个所述日志文本包括自动化测试执行失败的案例；

根据所述多个日志文本生成训练样本数据集，其中，所述训练样本数据集中包括词向量矩阵以及所述词向量矩阵的标签信息；以及

利用所述训练样本数据集训练待训练测试结果分类模型，得到用于对自动化测试结果进行分类的测试结果分类模型。

2.根据权利要求1所述的方法，其中，所述根据所述日志文本生成训练样本数据集包括：

对所述日志文本进行预处理，以删除所述日志文本中的干扰字符，得到删减日志文本；

根据所述删减日志文本中的词数，将所述删减日志文本分割为至少一个分割日志文本；

生成与所述分割日志文本对应的至少一个词向量矩阵，其中，所述词向量矩阵的数量与所述分割日志文本的数量相同，所述词向量矩阵的一行表征所述分割日志文本中的一个词，所述训练样本数据集由至少一个所述词向量矩阵构成。

3.根据权利要求2所述的方法，其中，所述根据所述删减日志文本中的词数，将所述删减日志文本分割为至少一个分割日志文本包括：

确定所述删减日志文本中的词数；

在所述删减日志文本中的词数小于等于预设阈值的情况下，将所述删减日志文本确定为所述分割日志文本；

在所述删减日志文本中的词数大于所述预设阈值的情况下，利用预设滑动步长以及预设窗口长度的词窗口，将所述删减日志文本分割为多个所述分割日志文本。

4.根据权利要求3所述的方法，其中，所述利用预设滑动步长以及预设窗口长度的词窗口，将所述删减日志文本分割为多个所述分割日志文本包括：

将所述词窗口以所述预设滑动步长，沿着构成所述删减日志文本的词的排列路径每滑动一次，确定一个所述分割日志文本。

5.根据权利要求1所述的方法，其中，所述待训练测试结果分类模型包括卷积神经网络模型；

所述卷积神经网络模型包括依次级联的输入层、第一卷积层、第一池化层、第二卷积层、第二池化层、全连接层以及输出层。

6.根据权利要求1所述的方法，其中，所述利用所述训练样本数据集训练待训练测试结果分类模型，得到测试结果分类模型包括：

将所述训练样本数据集划分为训练集和验证集；

利用所述训练集训练所述待训练测试结果分类模型，得到待验证测试结果分类模型；

利用所述验证集对所述待验证测试结果分类模型进行验证，得到用于表征分类准确率的验证结果，若所述验证结果不符合迭代停止条件，则继续对所述待验证测试结果分类模型进行训练，直至所述验证结果符合迭代停止条件，输出所述测试结果分类模型。

7.根据权利要求1所述的方法，其中，所述标签信息包括：程序问题、被测环境异常、测试脚本问题、测试框架问题。

8.根据权利要求2所述的方法，其中，所述干扰字符包括以下至少之一：标点符号、数字、预设目标字符。

9.一种自动化测试结果分类方法，包括：

获取待分类日志文本，所述待分类日志文本与执行失败的自动化测试项目对应；

根据所述待分类日志文本生成与所述待分类日志文本对应的目标词向量矩阵；以及

将所述目标词向量矩阵输入测试结果分类模型，输出分类结果，其中，所述测试结果分类模型由权利要求1至8任一项所述的测试结果分类模型训练方法训练得到。

10.根据权利要求9所述的方法，

在根据一个所述待分类日志文本生成多个与所述待分类日志文本对应的目标词向量矩阵的情况下，所述将所述目标词向量矩阵输入测试结果分类模型，输出分类结果包括：

将所述多个词向量矩阵依次输入所述测试结果分类模型，直至所述测试结果分类模型输出分类结果。