[發明專利]基于人工智能的自動化測試方法、裝置、設備及存儲介質

在審

• 申請號: 201910846160.0
• 申請日: 2019-09-09
• 公開（公告）號: CN110688288A
• 公開（公告）日: 2020-01-14
• 發明（設計）人: 胡鵬強
• 申請（專利權）人: 平安普惠企業管理有限公司
• 主分類號: G06F11/34
• 分類號: G06F11/34;G06F11/36;G06N3/08;G06N20/00
• 代理公司: 11321 北京市京大律師事務所
• 代理人: 劉挽瀾

1.一種基于人工智能的自動化測試方法，其特征在于，包括：

獲取原始數據，所述原始數據包括頁面點擊數據、系統日志、操作日志和通訊日志；

對所述原始數據進行預處理，得到第一目標數據和第二目標數據；

通過預置的機器學習算法和所述第一目標數據生成初始測試模型；

通過預置的深度學習算法和所述第二目標數據對所述初始測試模型進行優化，生成目標測試模型；

通過所述目標測試模型生成測試用例；

執行所述測試用例，并獲取測試結果。

2.根據權利要求1所述的基于人工智能的自動化測試方法，其特征在于，所述通過預置的機器學習算法和所述第一目標數據生成初始測試模型包括：

將所述第一目標數據劃分為訓練數據和校驗數據；

根據所述訓練數據和第一預置公式生成原始模型，所述原始模型如下：其中，j＝1,2,…,J,m＝1,2,…，M，M和J為正整數；

通過所述校驗數據對所述原始模型進行校驗，得到初始測試模型。

3.根據權利要求2所述的基于人工智能的自動化測試方法，其特征在于，所述根據所述訓練數據和第一預置公式生成原始模型，包括：

初始化模型，獲得使得損失函數最小的常數估計值，得到

根據初始化后的模型計算損失函數的負梯度值，得到

根據所述r_mi擬合一棵回歸樹R_mj,j＝1,2,…,J，所述回歸樹包括J個葉子節點區域；

計算所述回歸樹的葉結點區域的值，得到

更新所述回歸樹，得到第一預置公式

根據所述訓練數據和所述第一預置公式生成原始模型其中，所述訓練數據為T＝{(x₁,y₁),(x₂,y₂),...,(x_N,y_N)}，x_i∈Rⁿ，y_i∈c＝{-1,+1}，i＝1,2,...,N。

4.根據權利要求2所述的基于人工智能的自動化測試方法，其特征在于，所述通過所述校驗數據對所述原始模型進行校驗，得到初始測試模型包括：

根據所述校驗數據生成目標預期特征；

將所述校驗數據輸入到所述原始模型得到初始預期特征；

比較所述目標預期特征和所述初始預期特征，生成所述目標預期特征和所述初始預期特征之間的誤差率；

若所述誤差率小于預設閾值，則確定所述原始模型為所述初始測試模型。

5.根據權利要求1所述的基于人工智能的自動化測試方法，其特征在于，所述通過預置的深度學習算法和所述第二目標數據對所述初始測試模型進行優化，生成目標測試模型包括：

調用預置的深度學習算法和所述第二目標數據對所述初始測試模型進行優化訓練；

將優化后的初始測試模型確定為目標測試模型。

6.根據權利要求5所述的基于人工智能的自動化測試方法，其特征在于，所述調用預置的深度學習算法和所述第二目標數據對所述初始測試模型進行優化訓練包括：

調整所述初始測試模型的學習率、訓練次數和目標損失函數；

將所述第二目標數據輸入所述初始測試模型得到輸出結果；

將所述輸出結果輸入所述目標損失函數；

通過預置的反向傳播算法確定梯度向量；

根據所述梯度向量調整所述初始測試模型的權值，直至所述輸出結果的誤差趨于0。

7.根據權利要求1-6中任一所述的基于人工智能的自動化測試方法，其特征在于，所述對所述原始數據進行預處理，得到第一目標數據和第二目標數據包括：

確定所述原始數據中各個數據的數據類型，所述數據類型包括數值型、時間型和類別型；

對所述數值型的數據采用歸一化處理，對所述時間型的數據采用時間劃分處理，對所述類別型的數據采用離散化處理，得到目標數據類型；

根據預置規則將所述目標數據拆分為第一目標數據和第二目標數據。