[發(fā)明專利]一種基于決策樹的測試用例排序方法和裝置有效
| 申請?zhí)枺?/td> | 201810333561.1 | 申請日： | 2018-04-13 |
| 公開（公告）號： | CN108681505B | 公開（公告）日： | 2021-08-17 |
| 發(fā)明（設(shè)計）人： | 梁徽;楊燕清;郭俊杰;江潔 | 申請（專利權(quán)）人： | 廣東睿江云計算股份有限公司 |
| 主分類號： | G06F11/36 | 分類號： | G06F11/36;G06K9/62 |
| 代理公司： | 廣州嘉權(quán)專利商標(biāo)事務(wù)所有限公司 44205 | 代理人： | 王國標(biāo) |
| 地址： | 528000 廣東省佛山市禪城區(qū)*** | 國省代碼： | 廣東;44 |
| 權(quán)利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關(guān)鍵詞： | 一種 基于 決策樹 測試 排序 方法 裝置 | ||
本公開提供一種基于決策樹的測試用例排序方法，解決執(zhí)行測試用例時的順序不合理的問題，根據(jù)以往的測試用例，預(yù)測新測試用例存在bug的可能性高低，并對bug率可能性更高的用例先行測試，更合理科學(xué)的執(zhí)行測試，可大大提高測試的效率，在開發(fā)者和開發(fā)風(fēng)格相對穩(wěn)定的時候，可通過對之前大量的測試用例及bug情況通過決策樹的方式進行訓(xùn)練，對新提交的測試用例可以精準(zhǔn)預(yù)測，按嚴(yán)重度進行排序，快速的發(fā)現(xiàn)bug，間接提高開發(fā)修復(fù)的效率。
技術(shù)領(lǐng)域
本公開涉及自動化測試領(lǐng)域，更具體地，涉及一種基于決策樹的測試用例排序方法和裝置。
背景技術(shù)
為了應(yīng)對需求的快速變化，軟件產(chǎn)品更新迭代，由此給測試人員帶來的是繁多的測試任務(wù)，而測試時間常常是有限而緊迫的，但又必須保證產(chǎn)品的邏輯不能出現(xiàn)大的過錯，所以設(shè)計的大量測試用例，需要分優(yōu)先級，對于重要且更容易出錯的用例先行測試，以更快地找到更多的bug并修復(fù)。 決策樹是一種能幫助決策者進行序列決策分析的有效工具，它是一種學(xué)習(xí)預(yù)測模型，代表的是對象屬性與對象值之間的一種映射關(guān)系，該模型能夠?qū)π鲁霈F(xiàn)的對象給出正確的分類。目前執(zhí)行測試用例的順序一般是按頁面分功能模塊逐個進行，或者是測試經(jīng)理根據(jù)經(jīng)驗去判斷哪些功能更重要而讓測試人員先測，其他不那么重要的功能后測。按頁面逐個模塊測試的方法在測試時可能一目了然，但可能會把大部分時間花在不那么重要的地方，重要的部分在最后而匆促測試，如果以測試經(jīng)理按經(jīng)驗判斷，則人為主觀的影響比較大，準(zhǔn)確性不高。
發(fā)明內(nèi)容
本公開的目的是解決現(xiàn)有技術(shù)的不足，解決執(zhí)行測試用例時的順序不合理的問題，根據(jù)以往的測試用例，預(yù)測新測試用例存在bug的可能性高低，并對bug率可能性更高的用例先行測試，更合理科學(xué)的執(zhí)行測試。
為了實現(xiàn)上述目的，根據(jù)本公開的一方面，提供一種基于決策樹的測試用例排序方法，包括步驟：
步驟1，編寫測試用例并標(biāo)記測試用例的特征屬性；
步驟2，執(zhí)行測試用例，記錄每條測試用例輸出結(jié)果的bug數(shù)量及bug嚴(yán)重性；
步驟3，利用決策樹模型對測試用例的特征屬性和bug數(shù)量進行訓(xùn)練和預(yù)測,獲得決策樹模型A；
步驟4，提取步驟3預(yù)測的bug數(shù)量大于0的測試用例及其bug嚴(yán)重性，使用決策樹模型對bug嚴(yán)重性進行訓(xùn)練和預(yù)測獲得決策樹模型B；
步驟5，對于新的測試用例，以決策樹模型A預(yù)測是否會有bug，如果有bug則以決策樹模型B預(yù)測bug嚴(yán)重級別；
步驟6，根據(jù)預(yù)測結(jié)果按bug嚴(yán)重級別的高低順序進行排序。
進一步的，在步驟1中，所述測試用例的特征屬性至少包括類型、功能模塊、所需時間任意一種，其中，所述類型至少包括UI、功能、接口。
進一步的，在步驟2中，所述bug嚴(yán)重性的級別根據(jù)bug的數(shù)量進行判斷，1~2個為低級、3~4個為中級、5~8個為高級、大于等于9個為特高級，若用例對應(yīng)的bug數(shù)量為0,則它的bug嚴(yán)重性的級別值設(shè)為空。
進一步的，在步驟3中，訓(xùn)練獲得決策樹模型A的方法為：將bug數(shù)量與測試用例的特征屬性按2比1的比例分為訓(xùn)練集和測試集，以訓(xùn)練集和測試集訓(xùn)練決策樹模型獲得決策樹模型A。
進一步的，在步驟4中，訓(xùn)練獲得決策樹模型B的方法為：取bug數(shù)量不為0的測試用例及其bug嚴(yán)重性與測試用例的特征屬性按2比1的比例分為訓(xùn)練集和測試集, 以訓(xùn)練集和測試集訓(xùn)練決策樹模型獲得決策樹模型B。
本發(fā)明還提供了一種基于決策樹的測試用例排序裝置，其特征在于，所述裝置包括：
特征標(biāo)記單元，編寫測試用例并標(biāo)記測試用例的特征屬性；
計數(shù)單元，執(zhí)行測試用例，記錄每條測試用例輸出結(jié)果的bug數(shù)量及bug嚴(yán)重性；
該專利技術(shù)資料僅供研究查看技術(shù)是否侵權(quán)等信息，商用須獲得專利權(quán)人授權(quán)。該專利全部權(quán)利屬于廣東睿江云計算股份有限公司，未經(jīng)廣東睿江云計算股份有限公司許可，擅自商用是侵權(quán)行為。如果您想購買此專利、獲得商業(yè)授權(quán)和技術(shù)合作，請聯(lián)系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/201810333561.1/2.html，轉(zhuǎn)載請聲明來源鉆瓜專利網(wǎng)。
