[發明專利]bug定位方法、系統、電子設備及存儲介質

在審

• 申請號: 202011300296.0
• 申請日: 2020-11-18
• 公開（公告）號: CN112527631A
• 公開（公告）日: 2021-03-19
• 發明（設計）人: 張朋飛;張翔;周厚明
• 申請（專利權）人: 武漢邁威通信股份有限公司
• 主分類號: G06F11/36
• 分類號: G06F11/36;G06N20/00
• 代理公司: 武漢藍寶石專利代理事務所(特殊普通合伙) 42242
• 代理人: 高蘭

本發明實施例提供一種基于機器學習的bug定位方法、系統、電子設備及存儲介質，方法包括：將待定位bug輸入訓練后的機器學習模型中，輸出與待定位bug對應的代碼塊；機器學習模型為根據包括各bug和每一個bug對應的代碼塊的訓練集訓練而來。本發明實施例通過訓練機器學習模型來對產生bug的代碼塊進行定位，縮短定位bug的時間，提高產品質量迭代的效率。

技術領域

本發明涉及軟件測試領域，更具體地，涉及一種bug定位方法、系統、電子設備及存儲介質。

背景技術

在軟件測試領域，軟件測試即是對導致bug出現的原因進行分析，即找到產生bug的代碼塊。

現在軟件工程分工較細，測試人員水平參差不齊，一個BUG往往需要多個研發或測試層層定位才能知道問題的原因。BUG解決的時間往往取決于定位bug的時間，而不是修改代碼的時間。

因此需要一種辦法縮短定位bug的時間，來提高產品質量迭代的效率。

發明內容

本發明實施例提供一種克服上述問題或者至少部分地解決上述問題的一種基于機器學習的bug定位方法、系統、電子設備及存儲介質。

根據本發明實施例的第一方面，提供了一種基于機器學習的bug定位方法，包括：

將待定位bug輸入訓練后的機器學習模型中，輸出與所述待定位bug對應的代碼塊；

所述機器學習模型為根據包括各bug和每一個bug對應的代碼塊的訓練集訓練而來。

在上述技術方案的基礎上，本發明實施例還可以作出如下改進。

進一步的，還包括：

收集各bug，對每一個bug進行功能性分類，并為每一個bug建立詳細描述信息和解決方案，其中，通過每一個bug的詳細描述信息和解決方案能夠對相關代碼塊進行關聯；

收集各代碼塊，對每一個代碼塊進行功能性分類；

建立每一個bug與代碼塊之間的關聯關系，將每一個bug與對應的代碼塊作為訓練集；

采用訓練集對機器學習模型進行訓練。

進一步的，所述收集的各bug包括不同產品、不同模塊、不同嚴重程度和不同優先級的bug，收集的各代碼塊包括不同產品、不同模塊和不同版本的代碼塊。

進一步的，還包括：

對訓練集中的每一個bug和每一個代碼塊標記上其功能屬性；

相應的，經過所述機器學習模型輸出的待定位bug對應的代碼塊上標記有功能屬性。

進一步的，所述每一個bug對應的代碼塊為函數或功能模塊或API接口，所述訓練集包括每一個bug和其對應的函數或其對應的功能模塊或其對應的API接口；

相應的，所述將待定位bug輸入訓練后的機器學習模型中，輸出與所述待定位bug對應的代碼塊；包括：

將待定位bug輸入訓練后的機器學習模型中，輸出與所述待定位bug對應的函數或功能模塊或API接口。

根據本發明實施例的第二方面，提供了一種基于機器學習的bug定位系統，包括：

訓練模塊，用于根據包括各bug和每一個bug對應的代碼塊的訓練集對機器學習模型進行訓練；

輸入模塊，用于將待定位bug輸入訓練后的機器學習模型中，輸出與所述待定位bug對應的代碼塊。

進一步的，所述每一個bug對應的代碼塊為函數或功能模塊或API接口，所述訓練集包括每一個bug和其對應的函數或其對應的功能模塊或其對應的API接口；