[發(fā)明專利]邏輯節(jié)點的自動化測試方法、裝置、設備及存儲介質(zhì)

在審

• 申請?zhí)枺?/td>: 202010216976.8
• 申請日: 2020-03-25
• 公開（公告）號: CN111522943A
• 公開（公告）日: 2020-08-11
• 發(fā)明（設計）人: 宮雪
• 申請（專利權）人: 平安普惠企業(yè)管理有限公司
• 主分類號: G06F16/35
• 分類號: G06F16/35;G06F16/33;G06F16/332;G06F40/284;G10L15/01;G10L15/22;G10L15/26;G10L15/16;G10L15/06;H04M3/527
• 代理公司: 深圳市沃德知識產(chǎn)權代理事務所(普通合伙) 44347
• 代理人: 高杰;于志光

1.一種邏輯節(jié)點的自動化測試方法，其特征在于，所述方法包括：

接收原始語音對話集，對所述原始語音對話集內(nèi)的原始語音對話按照應用場景進行邏輯分類，得到一組或多組場景語音對話集；

根據(jù)所述場景語音對話集中應用場景的不同，將所述場景語音對話集中的各場景語音對話歸類存儲到預設文檔；

獲取邏輯節(jié)點的應用場景測試的標準測試文本；

調(diào)用所述預設文檔中的場景語音對話集，并將所述標準測試文本輸入到所述場景語音對話集，對所述場景語音對話集進行邏輯節(jié)點的應用場景測試，得到測試結果。

2.如權利要求1所述的邏輯節(jié)點的自動化測試方法，其特征在于，所述獲取邏輯節(jié)點的應用場景測試的標準測試文本，包括：

構建一個詞向量轉化模型，并對所述詞向量轉化模型進行訓練；

利用訓練后的詞向量轉化模型將標準測試語音對話集轉化為詞向量集；

輸出所述詞向量集，得到所述標準測試文本。

3.如權利要求2所述的邏輯節(jié)點的自動化測試方法，其特征在于，所述對預設的詞向量轉化模型進行訓練，包括：

步驟A：隨機生成訓練語音對話集，以及所述訓練語音對話集對應的標準詞向量集；

步驟B：利用所述詞向量轉化模型對所述訓練語音對話集進行轉化，得到轉化詞向量集；

步驟C：將所述轉化詞向量集和所述標準詞向量集進行對比判斷，若所述轉化詞向量集和所述標準詞向量集存在差異，則調(diào)整所述詞向量轉化模型的參數(shù)后返回步驟B繼續(xù)執(zhí)行詞向量集的轉化。

步驟D：若所述轉化詞向量集和所述標準詞向量集不存在差異，則完成所述訓練，生成訓練后的詞向量轉化模型。

4.如權利要求3所述的邏輯節(jié)點的自動化測試方法，其特征在于，所述將所述轉化詞向量集和所述標準詞向量集進行對比判斷，包括：

用下述公式進行所述轉化詞向量集和所述標準詞向量集的相似度的相似度計算：

Sim_topic＝Pearson(TP_S,TP_T)

其中，Sim_topic為所述轉化詞向量集和所述標準詞向量集的相似度；TP_T為所述轉化詞向量集，TP_S為所述標準詞向量集。

若上述得到的計算結果小于或等于預設的相似度閾值，則認為轉化詞向量集與標準詞向量集存在差異，調(diào)整所述詞向量轉化模型的參數(shù)，重新進行轉化。若上述得到的計算結果大于預設的相似度閾值，則認為轉化詞向量集與標準詞向量集不存在差異，將所述詞向量集輸出，得到所述標準測試文本。

5.如權利要求1所述的邏輯節(jié)點的自動化測試方法，其特征在于，所述對所述場景語音對話集進行邏輯節(jié)點的應用場景測試之前，該方法還包括步驟：設置場景語音對話集的準入原則，該步驟包括：

計算所述場景語音對話集中每個場景語音對話集的準入值t_i：

t_i＝P_i+d_i+A_i+T_i；

其中，P_i表示場景語音對話集的隊列優(yōu)先級；d_i表示場景語音對話集的絕對截止期限；A_i為場景語音對集話的提交時間；T_i為場景語音對話集的周期；

若所述t_i小于或等于一個準入閾值X，則拒絕所述場景語音對話集共同進行測試；

若所述t_i大于所述準入閾值X，則對所述場景語音對話集共同進行測試。

6.如權利要求5所述的邏輯節(jié)點的自動化測試方法，其特征在于，所述準入閾值X通過下述函數(shù)計算得到：

其中，i為所述場景語音對話集中場景語音對話的個數(shù)，t_i為所述場景語音對話集。