[發明專利]測試用例失敗原因分析方法、裝置及電子設備

有效

• 申請號: 201911307907.1
• 申請日: 2019-12-18
• 公開（公告）號: CN110990575B
• 公開（公告）日: 2023-06-23
• 發明（設計）人: 李武;劉曉
• 申請（專利權）人: 斑馬網絡技術有限公司
• 主分類號: G06F16/35
• 分類號: G06F16/35;G06F11/36
• 代理公司: 上海華誠知識產權代理有限公司 31300
• 代理人: 徐穎聰

1.一種測試用例失敗原因分析方法，其特征在于，包括如下步驟：

獲取待分類測試用例失敗的日志文本；

對于所述待分類測試用例失敗的日志文本通過失敗原因分類模型進行分類，得到該測試用例的失敗原因；其中，所述失敗原因分類模型為K近鄰模型與邏輯回歸模型的融合模型；

對于所述待分類測試用例失敗的日志文本通過失敗原因分類模型進行分類具體包括：

基于所述K近鄰模型提取所述待分類測試用例失敗的日志文本與日志文本樣本的第一特征向量；

計算第一特征向量之間的距離；取距離最近的K個日志文本中分類標簽個數最多者，作為K近鄰模型計算結果；

基于所述K近鄰模型提取所述待分類測試用例失敗的日志文本與日志文本樣本中帶有表示失敗含義的關鍵詞的語句的第二特征向量；

基于所述K近鄰模型計算結果與所述第二特征向量，構造第三特征向量；將所述第三特征向量，通過邏輯回歸模型進行計算，獲得每個分類的概率，其中，概率最大者為分類結果。

2.根據權利要求1所述的測試用例失敗原因分析方法，其特征在于，所述失敗原因分類模型的形成方法包括：

獲取多個失敗測試用例的日志文本樣本；

對于多個所述日志文本樣本，通過分類標簽進行標注；

基于標注后的日志文本樣本進行訓練，生成所述失敗原因分類模型。

3.根據權利要求2所述的測試用例失敗原因分析方法，其特征在于，所述失敗原因分類模型的形成方法還包括：

利用日志文本樣本集對所生成的失敗原因分類模型進行驗證，當準確率超過預定值時，確定該失敗原因分類模型有效。

4.根據權利要求2所述的測試用例失敗原因分析方法，其特征在于，所述分類標簽包括環境問題、用例問題、工具問題、產品問題、產品設計修改問題中的一種或多種。

5.根據權利要求1所述的測試用例失敗原因分析方法，其特征在于，所述K值為7。

6.根據權利要求1所述的測試用例失敗原因分析方法，其特征在于，所述第一特征向量和所述第二特征向量分別通過TF-IDF算法提取。

7.根據權利要求1所述的測試用例失敗原因分析方法，其特征在于，還包括如下步驟：

基于得到的該測試用例的失敗原因對所述失敗原因分類模型進行迭代更新。

8.根據權利要求7所述的測試用例失敗原因分析方法，其特征在于，當連續失敗的測試用例的失敗原因一致，則對于所述失敗原因分類模型的參數進行調節，使得該失敗原因的權重增加。

9.一種測試用例失敗原因分析裝置，其特征在于，包括：

獲取模塊，用于獲取待分類測試用例失敗的日志文本；

失敗原因分類模塊，用于對于所述待分類測試用例失敗的日志文本通過失敗原因分類模型進行分類，得到該測試用例的失敗原因，所述失敗原因分類模型為K近鄰模型與邏輯回歸模型的融合模型，對于所述待分類測試用例失敗的日志文本通過失敗原因分類模型進行分類，包括：

基于所述K近鄰模型提取所述待分類測試用例失敗的日志文本與日志文本樣本的第一特征向量；

計算第一特征向量之間的距離；取距離最近的K個日志文本中分類標簽個數最多者，作為K近鄰模型計算結果；

基于所述K近鄰模型提取所述待分類測試用例失敗的日志文本與日志文本樣本中帶有表示失敗含義的關鍵詞的語句的第二特征向量；

基于所述K近鄰模型計算結果與所述第二特征向量，構造第三特征向量；將所述第三特征向量，通過邏輯回歸模型進行計算，獲得每個分類的概率，其中，概率最大者為分類結果。