[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

本發明涉及基于人工智能領域，公開了基于人工智能的自動化測試方法、裝置、設備及存儲介質，用于通過關鍵字驅動的方式自動創建和執行測試用例，自動分析測試結果，提高了測試效率。本發明方法包括：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。

技術領域

本發明涉及機器學習領域，尤其涉及基于人工智能的自動化測試方法、裝置、設備及存儲介質。

背景技術

人工智能(artificial intelligence，AI)是計算機科學的一個分支，它試圖了解智能的實質，并生產出一種以人類智能相似的方式做出反應的智能機器。人工智能的目的是模擬人的意識、思維的信息過程。

機器學習是人工智能研究的核心內容。它的應用已遍及人工智能的各個分支，如專家系統、自動推理、自然語言理解、模式識別、計算機視覺、智能機器人等領域。

而對于測試領域，目前并沒有應用到機器學習技術，測試流程容易因為人工錯誤而導致測試過程不一致，仍然需要通過人工進行測試并分析結果，測試效率低。

發明內容

本發明提供了基于人工智能的自動化測試方法、裝置、設備及存儲介質，用于將機器學習和深度學習應用于日常測試工作中，自動創建和執行測試用例，自動分析測試結果，提高了測試效率。

本發明實施例的第一方面提供一種基于人工智能的自動化測試方法，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。

可選的，在本發明實施例第一方面的第一種實現方式中，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。

可選的，在本發明實施例第一方面的第二種實現方式中，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。

可選的，在本發明實施例第一方面的第三種實現方式中，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。