[發明專利]分析測試日志的方法與裝置

有效

• 申請號: 202010074759.X
• 申請日: 2020-01-22
• 公開（公告）號: CN111290953B
• 公開（公告）日: 2021-09-14
• 發明（設計）人: 馬宇馳;包忞立;佟冰心
• 申請（專利權）人: 華為技術有限公司
• 主分類號: G06F11/36
• 分類號: G06F11/36
• 代理公司: 北京龍雙利達知識產權代理有限公司 11329
• 代理人: 時林;王君

1.一種分析測試日志的方法，其特征在于，包括：

獲取第一日志；

獲取所述第一日志的第一表征向量；

根據所述第一表征向量和第一監督學習模型獲得結論候選集，所述結論候選集包括對應于所述第一日志的多個候選結論；

根據第一強化學習模型和所述結論候選集，確定所述第一日志的預測結論。

2.如權利要求1所述的方法，其特征在于，所述第一監督學習模型包括多個歷史日志的第二表征向量以及對應于所述多個第二表征向量的結論；

其中，所述根據所述第一表征向量和第一監督學習模型獲得結論候選集，包括：

獲得所述多個第二表征向量中與所述第一表征向量相同或相似的第三表征向量；

將對應于所述第三表征向量的結論確定為所述結論候選集。

3.如權利要求1所述的方法，其特征在于，所述第一監督學習模型是利用歷史日志的第二表征向量訓練獲得的；

其中，所述根據所述第一表征向量和第一監督學習模型獲得結論候選集，包括：

將所述第一表征向量輸入到所述第一監督學習模型，獲得對應于所述第一表征向量的多個候選結論以及所述多個候選結論的置信度；

根據所述多個候選結論以及所述多個候選結論的置信度，確定所述結論候選集。

4.如權利要求1至3中任一項所述的方法，其特征在于，所述方法還包括：

根據所述第一日志的預測結論與所述第一日志的人工分析結論的一致性，更新所述第一強化學習模型，所述第一日志的人工分析結論是由測試人員對所述第一日志進行分析獲得的。

5.如權利要求4所述的方法，其特征在于，所述根據所述第一日志的預測結論與所述第一日志的人工分析結論的一致性，更新所述第一強化學習模型，包括：

當所述第一日志的預測結論與所述第一日志的人工分析結論的語義一致，且所述第一日志的預測結論的性能指標小于或等于預設閾值時，不改變所述第一強化學習模型的參數，所述第一強化學習模型的參數包括獎勵值和懲罰值；和/或

當所述第一日志的預測結論與所述第一日志的人工分析結論的語義一致，且所述第一日志的預測結論的性能指標大于所述預設閾值時，增大所述第一強化學習模型的獎勵值，和/或降低所述第一強化學習模型的懲罰值；和/或

當所述第一日志的預測結論與所述第一日志的人工分析結論的語義不一致，且所述第一日志的預測結論的性能指標小于或等于所述預設閾值時，降低所述第一強化學習模型的獎勵值，和/或增大所述第一強化學習模型的懲罰值；和/或

當所述第一日志的預測結論與所述第一日志的人工分析結論的語義不一致，且所述第一日志的預測結論的性能指標大于所述預設閾值時，不改變所述第一強化學習模型的參數。

6.一種訓練模型的方法，其特征在于，包括：

獲取歷史日志的表征向量；

根據所述歷史日志的表征向量，獲得第一監督學習模型；

根據所述歷史日志的預測結論和所述歷史日志的人工分析結論對強化學習模型進行訓練，獲得第一強化學習模型，其中，所述歷史日志的預測結論是利用所述第一監督學習模型獲得的對應于所述歷史日志的表征向量的日志失敗原因的結論，所述歷史日志的人工分析結論是由測試人員通過人工分析獲得的對應于所述歷史日志的表征向量的日志失敗原因的結論。

7.如權利要求6所述的方法，其特征在于，所述根據所述歷史日志的表征向量，獲得第一監督學習模型，包括：

利用所述歷史日志的人工分析結論對所述歷史日志的表征向量進行標記，獲得帶標記的表征向量，所述第一監督學習模型包括所述帶標記的表征向量。

8.如權利要求6所述的方法，其特征在于，所述根據所述歷史日志的表征向量，獲得第一監督學習模型，包括：

利用所述歷史日志的表征向量和所述歷史日志的人工分析結論對監督學習模型進行積極學習訓練，獲得所述第一監督學習模型。