[發明專利]測試結果分類模型訓練方法、分類方法及裝置

在審

• 申請號: 202110542887.7
• 申請日: 2021-05-18
• 公開（公告）號: CN113515625A
• 公開（公告）日: 2021-10-19
• 發明（設計）人: 丁樂樂;馮城城;郭晟;鄭華美
• 申請（專利權）人: 中國工商銀行股份有限公司
• 主分類號: G06F16/35
• 分類號: G06F16/35;G06F11/36;G06N3/04;G06N3/08
• 代理公司: 中科專利商標代理有限責任公司 11021
• 代理人: 吳夢圓

1.一種測試結果分類模型訓練方法，包括：

獲取多個日志文本，其中，每個所述日志文本包括自動化測試執行失敗的案例；

根據所述多個日志文本生成訓練樣本數據集，其中，所述訓練樣本數據集中包括詞向量矩陣以及所述詞向量矩陣的標簽信息；以及

利用所述訓練樣本數據集訓練待訓練測試結果分類模型，得到用于對自動化測試結果進行分類的測試結果分類模型。

2.根據權利要求1所述的方法，其中，所述根據所述日志文本生成訓練樣本數據集包括：

對所述日志文本進行預處理，以刪除所述日志文本中的干擾字符，得到刪減日志文本；

根據所述刪減日志文本中的詞數，將所述刪減日志文本分割為至少一個分割日志文本；

生成與所述分割日志文本對應的至少一個詞向量矩陣，其中，所述詞向量矩陣的數量與所述分割日志文本的數量相同，所述詞向量矩陣的一行表征所述分割日志文本中的一個詞，所述訓練樣本數據集由至少一個所述詞向量矩陣構成。

3.根據權利要求2所述的方法，其中，所述根據所述刪減日志文本中的詞數，將所述刪減日志文本分割為至少一個分割日志文本包括：

確定所述刪減日志文本中的詞數；

在所述刪減日志文本中的詞數小于等于預設閾值的情況下，將所述刪減日志文本確定為所述分割日志文本；

在所述刪減日志文本中的詞數大于所述預設閾值的情況下，利用預設滑動步長以及預設窗口長度的詞窗口，將所述刪減日志文本分割為多個所述分割日志文本。

4.根據權利要求3所述的方法，其中，所述利用預設滑動步長以及預設窗口長度的詞窗口，將所述刪減日志文本分割為多個所述分割日志文本包括：

將所述詞窗口以所述預設滑動步長，沿著構成所述刪減日志文本的詞的排列路徑每滑動一次，確定一個所述分割日志文本。

5.根據權利要求1所述的方法，其中，所述待訓練測試結果分類模型包括卷積神經網絡模型；

所述卷積神經網絡模型包括依次級聯的輸入層、第一卷積層、第一池化層、第二卷積層、第二池化層、全連接層以及輸出層。

6.根據權利要求1所述的方法，其中，所述利用所述訓練樣本數據集訓練待訓練測試結果分類模型，得到測試結果分類模型包括：

將所述訓練樣本數據集劃分為訓練集和驗證集；

利用所述訓練集訓練所述待訓練測試結果分類模型，得到待驗證測試結果分類模型；

利用所述驗證集對所述待驗證測試結果分類模型進行驗證，得到用于表征分類準確率的驗證結果，若所述驗證結果不符合迭代停止條件，則繼續對所述待驗證測試結果分類模型進行訓練，直至所述驗證結果符合迭代停止條件，輸出所述測試結果分類模型。

7.根據權利要求1所述的方法，其中，所述標簽信息包括：程序問題、被測環境異常、測試腳本問題、測試框架問題。

8.根據權利要求2所述的方法，其中，所述干擾字符包括以下至少之一：標點符號、數字、預設目標字符。

9.一種自動化測試結果分類方法，包括：

獲取待分類日志文本，所述待分類日志文本與執行失敗的自動化測試項目對應；

根據所述待分類日志文本生成與所述待分類日志文本對應的目標詞向量矩陣；以及

將所述目標詞向量矩陣輸入測試結果分類模型，輸出分類結果，其中，所述測試結果分類模型由權利要求1至8任一項所述的測試結果分類模型訓練方法訓練得到。

10.根據權利要求9所述的方法，

在根據一個所述待分類日志文本生成多個與所述待分類日志文本對應的目標詞向量矩陣的情況下，所述將所述目標詞向量矩陣輸入測試結果分類模型，輸出分類結果包括：

將所述多個詞向量矩陣依次輸入所述測試結果分類模型，直至所述測試結果分類模型輸出分類結果。