[发明专利]一种特殊自动化测试用例实际输出结果正确性的验证方法

摘要

本发明公开了一种特殊自动化测试用例实际输出结果正确性的验证方法,该方法在对自动化测试用例产生的实际数据进行特定分析处理时，不影响其自动化测试本身的进程。步骤1：获取无Bug数据存储在本地文件下；步骤2：用获取到的无Bug数据训练出一个神经网络模型；步骤3：给定m维的特征向量为输入值[x1,x2,…,xi,…,xm]，执行对应自动化测试用例得到实际测试结果Tk；步骤4：将上述步骤3中的输入值代入步骤2中已训练完成的神经网络中，经过神经网络的训练得出预测输出值ok，然后将步骤3中执行对应自动化测试用例得到实际测试结果Tk与训练完成后的神经网络输出的预测值ok进行比较，通过比较的结果ΔTk来判断此测试用例是否出现Bug。

主权项

1.一种特殊自动化测试用例实际输出结果正确性的验证方法，其特征在于，所述方法包括如下步骤：步骤1：获取无Bug数据存储在本地文件下，使用自动化测试工具采集无Bug数据存储在本地文件下,此数据包括输入值与输出值，其中的输入值是指设计指定测试用例时根据本测试用例的特点，在编辑脚本时给定的输入数值也可以是录制界面时输入的数值等，执行自动化测试时这些输入数值即是给对应参数的赋值；输出值是指本测试用例执行完毕之后在界面显示的结果数值也可以是机器反馈的log中信息；步骤2：用获取到的无Bug数据训练出一个神经网络模型，建立神经网络模型，将使用自动化测试工具采集到的n个样本分为两部分，分别是训练样本和测试样本，使用训练样本的输入输出值来训练神经网络，然后再用测试样本的输入输出值来测试已训练好的神经网络的准确度；步骤3：给定m维的特征向量为输入值[x1,x2,...,xi,...,xm]，执行对应自动化测试用例得到实际测试结果Tk，以给定的数据[x1,x2,...,xi,...,xm]为输入值来执行特定功能的自动化测试用例，得到相应的实际输出值Tk；步骤4：将上述步骤3中的输入值代入步骤2中已训练完成的神经网络中，经过神经网络的训练得出预测输出值ok，然后将步骤3中执行对应自动化测试用例得到实际测试结果Tk与训练完成后的神经网络输出的预测值ok进行比较，通过比较的结果ΔTk来判断此测试用例是否出现Bug，使用上述步骤2中训练完成的神经网络，将所述步骤3使用的输入值[x1,x2,...,xi,...,xm]代入步骤2已训练好的神经网络中，得到相应的输出结果，即特定自动化测试用例的预期值ok，将执行相应功能的自动化测试用例的实际输出结果Tk与训练完成后得到系统输出的预期值ok进行对比，求得输入值为[x1,x2,...,xi,...,xm]时的输出误差ΔTk,根据误差ΔTk来判断是否此被测功能出现了Bug，设定阈值μ，当误差ΔTk超过阈值μ时,使用脚本语言在测试报告中写入Bug，并且终止此自动化测试用例的执行，继续执行下一个自动化测试用例；当误差ΔTk没有超过阈值μ时，继续此自动化测试用例的执行。