[發明專利]軟件測試方法、裝置、設備和計算機可讀存儲介質

有效

• 申請號: 202211601611.2
• 申請日: 2022-12-14
• 公開（公告）號: CN115617696B
• 公開（公告）日: 2023-05-30
• 發明（設計）人: 盛婕;姜瀅瀅;馮銅山;王曉江
• 申請（專利權）人: 江蘇國創新云信息技術服務有限公司
• 主分類號: G06F11/36
• 分類號: G06F11/36;G06F21/57;G06N3/0464;G06N3/0442;G06N3/08
• 代理公司: 北京君莫知識產權代理事務所(普通合伙) 11715
• 代理人: 王凝

1.一種軟件測試方法，其特征在于，包括：

S1、獲取待測試軟件，所述待測試軟件包括多個功能模塊；

S2、基于第一神經網絡模型確定多個功能模塊中的每一個功能模塊的用戶使用頻率，所述第一神經網絡模型的輸入包括每一個功能模塊的代碼、每一個功能模塊的類型、用戶特征，所述第一神經網絡模型的輸出為每一個功能模塊的用戶使用頻率，其中所述用戶特征包括用戶需求、用戶性別、用戶年齡、用戶使用習慣，所述第一神經網絡模型為深度神經網絡，所述第一神經網絡模型的訓練包括：獲取多個訓練樣本；所述訓練樣本包括多個樣本功能模塊的代碼、樣本功能模塊的類型、樣本用戶特征及其對應的用戶使用頻率，所述樣本用戶特征包括樣本用戶需求、樣本用戶性別、樣本用戶年齡、樣本用戶使用習慣，其中所述對應的用戶使用頻率為訓練標簽；基于所述訓練樣本來訓練所述第一神經網絡模型；

S3、基于第二神經網絡模型確定多個功能模塊中的每一個功能模塊的邏輯復雜程度，所述第二神經網絡模型的輸入包括每一個功能模塊的代碼、每一個功能模塊的代碼大小、運行環境、編程代碼類型、每一個功能模塊的類型，所述第二神經網絡模型的輸出為每一個功能模塊的邏輯復雜程度，所述第二神經網絡模型為卷積神經網絡；

S4、基于第三神經網絡模型確定一個或多個待檢測模塊，所述第三神經網絡模型的輸入包括每一個功能模塊的代碼、所述每一個功能模塊的用戶使用頻率、所述每一個功能模塊的邏輯復雜程度、軟件功能需求、功能模塊響應速度要求，所述第三神經網絡模型的輸出一個或多個待檢測模塊，所述第三神經網絡模型為邏輯回歸模型；

S5、發送所述一個或多個待檢測模塊到軟件測試平臺，以進行人工測試。

2.如權利要求1所述的軟件測試方法，其特征在于，所述多個功能模塊包括登錄模塊、注冊模塊、忘記密碼模塊、解鎖模塊、新增模塊、修改模塊、刪除模塊、搜索模塊、查看模塊；所述運行環境包括安卓、蘋果、Windows、瀏覽器；所述編程代碼類型包括java、python、pathy。

3.如權利要求1所述的軟件測試方法，其特征在于，在發送所述一個或多個待檢測模塊到軟件測試平臺，以進行人工測試之后，還包括：

若人工測試出所述一個或多個待檢測模塊出現運行正常，則確定所述待測試軟件符合要求；若人工測試出所述一個或多個待檢測模塊運行異常，則通知管理員進行異常修復，異常修復完成后再重新執行所述S1、S2、S3、S4、S5步驟。

4.一種軟件測試裝置，包括：

獲取模塊，用于獲取待測試軟件，所述待測試軟件包括多個功能模塊；

頻率輸出模塊，用于基于第一神經網絡模型確定多個功能模塊中的每一個功能模塊的用戶使用頻率，所述第一神經網絡模型的輸入包括每一個功能模塊的代碼、每一個功能模塊的類型、用戶特征，所述第一神經網絡模型的輸出為每一個功能模塊的用戶使用頻率，其中所述用戶特征包括用戶需求、用戶性別、用戶年齡、用戶使用習慣，所述第一神經網絡模型為深度神經網絡，所述第一神經網絡模型的訓練包括：獲取多個訓練樣本；所述訓練樣本包括多個樣本功能模塊的代碼、樣本功能模塊的類型、樣本用戶特征及其對應的用戶使用頻率，所述樣本用戶特征包括樣本用戶需求、樣本用戶性別、樣本用戶年齡、樣本用戶使用習慣，其中所述對應的用戶使用頻率為訓練標簽；基于所述訓練樣本來訓練所述第一神經網絡模型；

復雜程度輸出模塊，用于基于第二神經網絡模型確定多個功能模塊中的每一個功能模塊的邏輯復雜程度，所述第二神經網絡模型的輸入包括每一個功能模塊的代碼、每一個功能模塊的代碼大小、運行環境、編程代碼類型、每一個功能模塊的類型，所述第二神經網絡模型的輸出為每一個功能模塊的邏輯復雜程度，所述第二神經網絡模型為卷積神經網絡；

確定模塊，用于基于第三神經網絡模型確定一個或多個待檢測模塊，所述第三神經網絡模型的輸入包括每一個功能模塊的代碼、所述每一個功能模塊的用戶使用頻率、所述每一個功能模塊的邏輯復雜程度、軟件功能需求、功能模塊響應速度要求，所述第三神經網絡模型的輸出為一個或多個待檢測模塊，所述第三神經網絡模型為邏輯回歸模型；

發送模塊，用于發送所述一個或多個待檢測模塊到軟件測試平臺，以進行人工測試。