CN106447144A - 一种目标对象的评估方法及装置 - Google Patents

Abstract

本申请公开了一种目标对象的评估方法及装置，该方法包括：针对待评估的目标对象，根据目标对象的各属性，获取各属性对应的属性值，根据属性值，确定各属性对应的评估值，根据各属性对应的评估值，以及预设的各属性对应的权重，对所述目标对象进行评估。通过上述方法，在对目标对象进行评估时，无需人为主观的评估，而是先对目标对象的属性进行量化，再据此量化出目标对象整体的评估值，可避免人为因素引入的误差，从而提高评估的准确率。

Description

一种目标对象的评估方法及装置

技术领域

本申请涉及计算机技术领域，尤其涉及一种目标对象的评估方法及装置。

背景技术

随着网络技术的不断发展，人们为了能够对数据、产品等目标对象进行一定的风险分析和管理控制，通常会对数据、产品等目标对象进行评估。

在现有技术中，针对待评估的目标对象(如，在开发软件的过程中，研发人员提交的代码数据)，评判负责人会根据目标对象的一些属性(如，代码数据的缺陷数量)，人为主观的对目标对象进行一个评估(如，给代码数据评为A级)。

例如，某公司进行一个软件开发的项目，在开发软件的过程中，研发人员A将自己研发出来的代码数据提交给测试部门，测试部门则在测试的过程中，记录下该代码数据的缺陷数量，评判负责人则会根据该代码数据的缺陷数量，人为主观的评估代码数据。

显然，在对目标对象(如，研发人员提交的代码数据)进行评估时，由于现有技术的评估方法比较主观，因而，对目标对象(即，代码数据)进行评估时，难免会引入人为误差，导致评估的准确率较低。

发明内容

本申请实施例提供一种目标对象的评估方法及装置，用以解决针对目标对象进行评估时，会引入认为误差，导致评估的准确率较低的问题。

本申请实施例提供的一种目标对象的评估方法，包括：

根据目标对象的各属性，获取各属性对应的属性值；

根据属性值，确定各属性对应的评估值；

根据各属性对应的评估值，以及预设的各属性对应的权重，对所述目标对象进行评估。

本申请实施例提供的一种目标对象的评估装置，装置包括：

获取模块，用于根据目标对象的各属性，获取各属性对应的属性值；

确定模块，用于根据属性值，确定各属性对应的评估值；

评估模块，用于根据各属性对应的评估值，以及预设的各属性对应的权重，对所述目标对象进行评估。

本申请实施例提供一种目标对象的评估方法及装置，该方法针对待评估的目标对象，根据目标对象的各属性，获取各属性对应的属性值，根据属性值，确定各属性对应的评估值，根据各属性对应的评估值，以及预设的各属性对应的权重，对所述目标对象进行评估。通过上述方法，在对目标对象进行评估时，无需人为主观的评估，而是先对目标对象的属性进行量化，再据此量化出目标对象整体的评估值，可避免人为因素引入的误差，从而提高评估的准确率，与此同时，在整个方法的实施过程中无需人工去统计各属性对应的属性值，评估装置可自动去获取各属性对应的属性值，并自动根据目标对象的属性进行量化，再据此量化出目标对象的评估值，可避免人为在统计和量化过程中引入人为的误差，从而也提高了评估的准确率。

附图说明

此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：

图1为本申请实施例提供的目标对象的评估过程；

图2为本申请实施例提供的目标对象的评估装置结构示意图。

具体实施方式

为使本申请的目的、技术方案和优点更加清楚，下面将结合本申请具体实施例及相应的附图对本申请技术方案进行清楚、完整地描述。显然，所描述的实施例仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。

图1为本申请实施例提供的目标对象的评估过程，具体包括以下步骤：

S101：根据目标对象的各属性，获取各属性对应的属性值。

在本申请实施例中，所述的目标对象是可以是数据，也可以是其他类型的目标对象(如，程序员等用户)。由于目标对象通常是包含有各种属性的(如，代码数据的线上缺陷(bug)数量、代码数据的单元测试通过率等)，而通常情况下，目标对应的各属性表征了目标对象的种种性质，因此，一般可以根据目标对象的属性对目标对象进行评估。所述的属性值指的是属性所对应的数值，如，假设代码数据包含有两个属性，即线上bug数量、单元测试通过率，并且线上bug数量有5个，而单元测试通过率为90％，则线上bug数量对应的属性值为5，而单元测试通过率对应的属性值为90％。

针对待评估的目标对象，评估装置可在目标对象的各属性中，确定出预设的属性(该预设的属性就是后续要对目标对象进行评估所基于的属性)，再获取预设的各属性对应的属性值。

例如，假设某公司为用户提供搜索业务，现在要对该公司的搜索引擎进行评估，且搜索引擎包含有搜索准确率、搜索时间(搜索时间越短，则表示搜索速度越快)和搜索范围三个属性，则评估装置在对搜索引擎进行评估的过程中，首先在搜索引擎包含的各属性中，确定出预设的属性为搜索准确率和搜索时间，再获取搜索准确率对应的属性值为80％，搜索时间对应的属性值为5秒。

S102：根据属性值，确定各属性对应的评估值。

在本申请实施例中，当评估装置确定出目标对象的各属性，并获取各属性对应的属性值后，可根据各属性值，采用一定的量化规则对各属性值对应的属性进行量化评估，从而确定出各属性对应的评估值。

延续上例，假设量化规则如表1所示，根据表1中的量化规则分别对搜索准确率和搜索时间进行量化评估，确定出的搜索准确率对应的评估值为80％×100＝80，确定出搜索时间对应的评估值为100-3×10＝70。

表1

S103：根据各属性对应的评估值，以及预设的各属性对应的权重，对所述目标对象进行评估。

在本申请实施例中，由于在对目标对象进行整体量化评估时，各属性起到的重要程度往往是有所区分的，因此，在对目标对象进行整体量化时，可预先给每一个属性赋予一个权重，所述权重的确定可以是预先设定的，也可以基于历史数据得来的，后期可以根据实际情况进行动态调整。

评估装置可根据各属性对应的评估值和预设的各属性对应的权重，采用一定的量化规则(如，采用加权评估的方式)对目标对象进行整体的量化，并根据量化的结果对目标对象进行评估。

延续上例，假设搜索准确率对应的权重为0.6，搜索时间对应的权重为0.4，则采用加权评估的方式对搜索引擎(即，目标对象)进行整体的量化评估，因此，目标对象的评估量化值为80×0.6+70×0.4＝76，后续可根据量化的结果对搜索引擎进行评估。

通过上述步骤，在对目标对象进行评估时，无需人为主观的评估，而是先对目标对象的属性进行量化，再据此量化出目标对象整体的评估值，可避免人为因素引入的误差，从而提高评估的准确率，与此同时，在整个方法的实施过程中无需人工去统计各属性对应的属性值，评估装置可自动去获取各属性对应的属性值，并自动根据目标对象的属性进行量化，再据此量化出目标对象的评估值，可避免人为在统计和量化过程中引入人为的误差，从而也提高了评估的准确率。

在实际应用中，目标对象的类型是多种多样的，为了更清楚的阐述本申请的目标对象的评估方法，下面以所述目标对象为代码数据的情况为例进行详细说明。

例如，假设研发人员B将写好的代码数据提交给测试部门，测试部门采用评估装置对该代码数据测试时，首先从代码数据所包含的测试阶段bug数量、线上bug数量、单元测试通过率三个属性中确定出线上bug数量、测试阶段bug数量(即，预设的属性)，再根据确定出来的线上bug数量与测试阶段bug数量，分别获取线上bug数量对应的属性值为5以及测试阶段bug数量对应的属性值为8，并根据量化规则(即，总评估值为100，每个线上bug从总评估值中减6分，每个测试阶段bug数量从总评估值中减3分)确定出线上bug数量对应的评估值为：100-5×6＝70以及测试阶段bug数量对应的评估值为：100-8×3＝76，最后根据预设的线上bug数量对应的权重0.6与测试阶段bug数量对应的权重0.4，采用加权评估的方式对目标对象进行整体的量化，即70×0.6+76×0.4＝72.4，并根据加权评估值对代码数据进行评估。

在本申请实施例中，代码数据(即，目标对象)中不仅仅只包含一个属性，而且，在代码数据存在多个属性的情况下，各属性往往是划分为不同级别的(如代码数据的测试通过率属于一个级别，而集成测试平均通过率和单元测试平均通过率这两个属性属于另一个级别，而且这两个级别属于相邻的两个级别)，当然，目标对象的各属性也可以只划分到同一个级别，即，代码数据中只包含一个级别的属性，因此，所述代码数据(即，目标对象)的各属性具体包括至少一个级别的属性。

进一步的，如果代码数据的各属性具体分为一级属性和二级属性，即，所述一级属性可以包括：测试阶段缺陷bug数量、sit阶段bug数量、线上bug数量、通过指定工具查找出的错误数量、单元测试平均通过率、集成测试平均通过率、增量代码平均覆盖率、增量代码覆盖率、集成测试覆盖率中的至少一种，所述指定工具包括FindBugs工具、PMD工具中的至少一种；所述二级属性可以包括：bug总数量、测试通过率、代码覆盖率、测试回归次数、codereview改动点中的至少一种，并且上述代码数据包含的每一个属性都会对应一个属性值。其中：

测试阶段缺陷bug数量指的是在测试阶段过程中，测得代码数据中包含的bug数量；

sit阶段bug数量指的是在sit阶段过程中，测得代码数据中包含的bug数量；

线上bug数量指的是在线上阶段过程中，测得代码数据中包含的bug数量；

通过指定工具查找出的错误数量指的是通过指定工具(如，FindBugs工具、PMD工具)对代码数据进行检测查找，查找出代码数据中包含的错误数量；

单元测试平均通过率指的是同一研发人员本次提交代码数据后，将过去每次提交的代码数据对应的单元测试通过率以及本次提交的代码数据对应的单元测试通过率取均值；

集成测试平均通过率指的是同一研发人员本次提交代码数据后，将过去每次提交的代码数据对应的集成测试通过率以及本次提交的代码数据对应的集成测试通过率取均值；

增量代码平均覆盖率指的是同一研发人员本次提交代码数据后，将过去每次提交的代码数据对应的增量代码覆盖率以及本次提交的代码数据对应的增量代码覆盖率取均值；

增量代码覆盖率指的是本次提交的代码数据与上一次提交的代码数据相比，增加的代码数据部分对应的覆盖率；

集成测试覆盖率指的是本次提交的代码数据在集成测试阶段的覆盖率；

bug总数量指的是本次代码数据在所有环境阶段测得的代码数据中包含的bug数量；

测试回归次数指的是本次提交的代码数据因出现问题而需重新修改，并再次提交的次数；

codereview改动点指的是对本次提交的代码数据进行人工检查，检查出需要改动的地方的数量。

评估装置可根据上述代码数据包括的各属性对应的属性值，采用一定的量化规则对该属性进行量化评估，从而确定各属性对应的评估值，其中，针对相邻两个级别的属性，根据级别较低的属性对应的属性值，确定级别较高的属性对应的评估值。

当代码数据对应的一级属性包括测试阶段bug数量、sit阶段bug数量、线上bug数量、通过指定工具查找出的错误数量中的至少一种，二级属性为bug总数量时，评估装置确定各一级属性和二级属性对应的评估值的方法具体可以是：

判断测试阶段bug数量对应的属性值是否大于预设的阈值，若是，则测试阶段bug数量对应的评估值为0，若否，则测试阶段bug数量对应的评估值为预设的总评估值与N1倍的测试阶段bug数量对应的属性值之差；

判断sit阶段bug数量对应的属性值是否大于预设的阈值，若是，则sit阶段bug数量对应的评估值为0，若否，则sit阶段bug数量对应的评估值为预设的总评估值与N2倍的sit阶段bug数量对应的属性值之差；

判断线上bug数量对应的属性值是否大于预设的阈值，若是，则线上bug数量对应的评估值为0，若否，则线上bug数量对应的评估值为预设的总评估值与N3倍的线上bug数量对应的属性值之差；

判断通过指定工具查找出的错误数量对应的属性值是否大于预设的阈值，若是，则通过指定工具查找出的错误数量对应的评估值为0，若否，则通过指定工具查找出的错误数量对应的评估值为预设的总评估值与N4倍的通过指定工具查找出的错误数量对应的属性值之差；

根据测试阶段bug数量对应的属性值、sit阶段bug数量对应的属性值、线上bug数量对应的属性值和通过指定工具查找出的错误数量对应的属性值，确定bug总数量对应的属性值；

判断bug总数量对应的属性值是否大于预设的阈值，若是，则bug总数量对应的评估值为0，若否，则确定bug总数量对应的评估值为：测试阶段bug数量对应的评估值、sit阶段bug数量对应的评估值、线上bug数量对应的评估值、通过指定工具查找出的错误数量对应的评估值与各自对应的权重的乘积之和；

其中，N1、N2、N3、N4是预设的正数。

例如，假设某公司开发一款软件，研发人员A将写好的代码数据提交给测试部门，测试部门采用评估装置对该代码数据测试时，可获取该代码数据的测试阶段bug数量、sit阶段bug数量、线上bug数量和分别通过FindBugs工具、PMD工具(FindBugs工具和PMD工具即为指定工具)查找出的错误数量等五个一级属性对应的属性值，再根据上述五个一级属性对应的属性值，确定二级属性bug总数量对应的属性值，即，bug总数量对应的属性值为上述五个一级属性对应的属性值之和，表2为各属性对应的属性值：

代码数据的属性	属性值
		测试阶段的bug数量	3个
sit阶段的bug数量	2个
		线上bug数量	1个
通过FindBugs工具查找出的错误数量	4个
		通过PMD工具查找出的错误数量	2个

bug总数量

12个

表2

假设量化规则如表3所示：

表3

根据表3中的量化规则和表2所示的属性值，评估装置确定出代码数据各属性对应的评估值如表4所示：

代码数据的属性	评估值
		测试阶段的bug数量	94
sit阶段的bug数量	90
		线上bug数量	90
通过FindBugs工具查找出的错误数量	80
		通过PMD工具查找出的错误数量	96
bug总数量	91

表4

至此，评估装置已经确定出测试阶段bug数量、sit阶段bug数量、线上bug数量、通过指定工具查找出的错误数量、bug总数量对应的评估值。

当代码数据对应的一级属性包括单元测试平均通过率、集成测试平均通过率中的至少一种，二级属性为测试通过率时，评估装置确定各一级属性和二级属性对应的评估值的方法具体可以是：

判断单元测试平均通过率对应的属性值是否大于预设的阈值，若是，则单元测试平均通过率对应的评估值为单元测试平均通过率对应的属性值与预设总评估值的乘积，若否，则单元测试平均通过率对应的评估值为0；

判断集成测试平均通过率对应的属性值是否大于预设的阈值，若是，则集成测试平均通过率对应的评估值为集成测试平均通过率对应的属性值与预设总评估值的乘积，若否，则集成测试平均通过率对应的评估值为0；

根据单元测试平均通过率对应的评估值和集成测试平均通过率对应的评估值，确定测试通过率对应的评估值为：单元测试平均通过率对应的评估值、集成测试通过率对应的评估值与各自对应的权重的乘积之和。

延续上例，假设测试部门采用评估装置对该代码数据测试时，评估装置还需获取该代码数据的单元测试平均通过率、集成测试平均通过率这两个一级属性对应的属性值，但是不用获取测试通过率对应的属性值，表5为各属性对应的属性值：

代码数据的属性	属性值
		单元测试平均通过率	90％
测试平均通过率	80％
		测试通过率	无

表5

假设量化规则如表6所示：

表6

根据表6中的量化规则和表5所示的属性值，评估装置确定出代码数据各属性对应的评估值如表7所示：

代码数据的属性	评估值
		单元测试平均通过率	90
测试平均通过率	80
		测试通过率	84

表7

当代码数据对应的一级属性包括增量代码平均覆盖率、增量代码覆盖率、集成测试覆盖率中的至少一种，二级属性为代码覆盖率时，评估装置确定各一级属性和二级属性对应的评估值的方法具体可以是：

判断增量代码平均覆盖率对应的属性值是否大于预设的阈值，若是，则增量代码平均覆盖率对应的评估值为增量代码平均覆盖率对应的属性值与预设总评估值的乘积，若否，则增量代码平均覆盖率对应的评估值为0；

判断增量代码覆盖率对应的属性值是否大于预设的阈值，若是，则增量代码覆盖率对应的评估值为增量代码覆盖率对应的属性值与预设总评估值的乘积，若否，则增量代码覆盖率对应的评估值为0；

判断集成测试覆盖率对应的属性值是否大于预设的阈值，若是，则集成测试覆盖率对应的评估值为集成测试覆盖率对应的属性值与预设总评估值的乘积，若否，则集成测试覆盖率对应的评估值为0；

根据增量代码平均覆盖率对应的评估值、增量代码覆盖率对应的评估值、集成测试覆盖率对应的评估值，确定代码覆盖率对应的评估值为：增量代码平均覆盖率对应的评估值、增量代码覆盖率对应的评估值、集成测试覆盖率对应的评估值与各自对应的权重的乘积之和。

延续上例，假设测试部门采用评估装置对该代码数据测试时，评估装置还需获取该代码数据的增量代码平均覆盖率、增量代码覆盖率、集成测试覆盖率等三个一级属性对应的属性值，但是不用获取代码覆盖率对应的属性值，表8为各属性对应的属性值：

代码数据的属性	属性值
		增量代码平均覆盖率	80％
增量代码覆盖率	83％
		集成测试覆盖率	85％
代码覆盖率	无

表8

假设量化规则如表9所示：

表9

根据表9中的量化规则和表8所示的属性值，评估装置确定出代码数据各属性对应的评估值如表10所示：

代码数据的属性	评估值
		增量代码平均覆盖率	80
增量代码覆盖率	83
		集成测试覆盖率	85
代码覆盖率	82.9

表10

当代码数据对应的二级属性包括测试回归次数、codereview改动点中的至少一种时，评估装置确定各二级属性对应的评估值的方法具体可以是：

判断测试回归次数对应的属性值是否大于预设的阈值，若是，则测试回归次数对应的评估值为0，若否，则测试回归次数对应的评估值为预设的总评估值与N5倍的测试回归次数对应的属性值之差；

判断codereview改动点对应的属性值是否大于预设的阈值，若是，则codereview改动点对应的评估值为0，若否，则codereview改动点对应的评估值为预设的总评估值与N6倍的codereview改动点对应的属性值之差；

其中，N5、N6是预设的正数。

延续上例，假设测试部门采用评估装置对该代码数据测试时，还需获取该代码数据的测试回归次数、codereview改动点等两个二级属性对应的属性值，表11为各属性对应的属性值：

代码数据的属性	属性值
		测试回归次数	2
codereview改动点	10

表11

假设量化规则如表12所示：

表12

根据表12中的量化规则和表11所示的属性值，评估装置确定出代码数据各属性对应的评估值如表13所示：

代码数据的属性	评估值
		测试回归次数	80

codereview改动点

80

表13

当评估装置确定出代码数据中各属性对应的评估值后，进而才能采用一定的量化规则对代码数据进行整体的量化，具体的，根据级别最高的属性对应的评估值，以及级别最高的属性对应的权重，确定各级别最高的属性对应的加权评估值，其中，加权评估值反映的就是对代码数据整体的量化。

延续上例，由上例可知，代码数据的二级属性包括了bug总数量、测试通过率、代码覆盖率、测试回归次数、codereview改动点，假设bug总数量对应的权重为0.2、测试通过率对应的权重为0.2、代码覆盖率对应的权重为0.2、测试回归次数对应的权重为0.2、codereview改动点对应的权重为0.2，则采用加权评估的方式计算出各级别最高的属性对应的加权评估值为91×0.2+84×0.2+82.9×0.2+80×0.2+80×0.2＝83.58。

评估装置确定出各级别最高的属性对应的加权评估值后，可以根据确定出的加权评估值对代码数据进行评估，如，预先设定一个评级，评估装置通过将确定出来的加权评估值与分数区段进行匹配，进而给代码数据一个等级。

延续上例，假设预先设定一个优良中差等级，并且每个等级都对应一个分数区段，如表14所示：

等级	分数
		优	90—100
良	80—90
		中	60—80
差	60以下

表14

显然，83.58处在80—90区段，因此，该代码数据的等级为良。

另外，在实际应用中，对代码数据的评估其实也是对提交代码数据的研发人员的评估，针对研发人员的评估，除了可以直接使用加权评估值作为该研发人员的量化评估标准外，还可以在加权评估值的基础之上计算个人浮动率，即，G＝(T-t)/t，其中，G表示个人浮动率、T表示加权评估值、t表示个人历史平均加权评估值，该个人浮动率也可以表示出该研发人员的波动情况，管理人员根据波动情况对该研发人员作出评估。与此同时，也可以在一个周期内(如，三个月)统计出研发人员每一个次提交代码数据后，代码数据对应的加权评估值，并将统计出的加权评估值做成折线分布图，管理人员可以根据折线分布图来对该研发人员做一个评估。

进一步的，还可以通过个人浮动率计算出部门或项目组的整体组浮动率，即，可以将部门或项目组里所有人员的个人浮动率的平均值或加权平均值作为整体浮动率，管理人员可以从该部门或项目组的整体浮动率可以看出部门或项目组的波动情况，从而可根据波动情况对部门或项目组作出一定的评估。

以上为本申请实施例提供的目标对象的评估方法，基于同样的思路，本申请实施例还提供一种目标对象的评估装置，如图2所示。

图2为本申请实施例提供的目标对象的评估装置结构示意图，包括:

获取模块201，用于根据目标对象的各属性，获取各属性对应的属性值；

确定模块202，用于根据属性值，确定各属性对应的评估值；

评估模块203，用于根据各属性对应的评估值，以及预设的各属性对应的权重，对所述目标对象进行评估。

所述目标对象包括代码数据。

所述目标对象的各属性具体包括至少一个级别的属性；所述确定模块202具体用于，针对相邻两个级别的属性，根据级别较低的属性对应的属性值，确定级别较高的属性对应的评估值。

所述目标对象的各属性具体包括一级属性和二级属性，所述一级属性包括：测试阶段缺陷bug数量、sit阶段bug数量、线上bug数量、通过指定工具查找出的错误数量、单元测试平均通过率、集成测试平均通过率、增量代码平均覆盖率、增量代码覆盖率、集成测试覆盖率中的至少一种；所述指定工具包括FindBugs工具、PMD工具中的至少一种，所述二级属性包括：bug总数量、测试通过率、代码覆盖率、测试回归次数、codereview改动点中的至少一种。

当所述目标对象对应的一级属性包括测试阶段bug数量、sit阶段bug数量、线上bug数量、通过指定工具查找出的错误数量中的至少一种，二级属性为bug总数量时，所述确定模块202具体用于，判断测试阶段bug数量对应的属性值是否大于预设的阈值，若是，则测试阶段bug数量对应的评估值为0，若否，则测试阶段bug数量对应的评估值为预设的总评估值与N1倍的测试阶段bug数量对应的属性值之差，判断sit阶段bug数量对应的属性值是否大于预设的阈值，若是，则sit阶段bug数量对应的评估值为0，若否，则sit阶段bug数量对应的评估值为预设的总评估值与N2倍的sit阶段bug数量对应的属性值之差，判断线上bug数量对应的属性值是否大于预设的阈值，若是，则线上bug数量对应的评估值为0，若否，则线上bug数量对应的评估值为预设的总评估值与N3倍的线上bug数量对应的属性值之差，判断通过指定工具查找出的错误数量对应的属性值是否大于预设的阈值，若是，则通过指定工具查找出的错误数量对应的评估值为0，若否，则通过指定工具查找出的错误数量对应的评估值为预设的总评估值与N4倍的通过指定工具查找出的错误数量对应的属性值之差，根据测试阶段bug数量对应的属性值、sit阶段bug数量对应的属性值、线上bug数量对应的属性值和通过指定工具查找出的错误数量对应的属性值，确定bug总数量对应的属性值；判断bug总数量对应的属性值是否大于预设的阈值，若是，则bug总数量对应的评估值为0，若否，则确定bug总数量对应的评估值为：测试阶段bug数量对应的评估值、sit阶段bug数量对应的评估值、线上bug数量对应的评估值、通过指定工具查找出的错误数量对应的评估值与各自对应的权重的乘积之和；其中，N1、N2、N3、N4是预设的正数。

当所述目标对象对应的一级属性包括单元测试平均通过率、集成测试平均通过率中的至少一种，二级属性为测试通过率时，所述确定模块202具体用于，判断单元测试平均通过率对应的属性值是否大于预设的阈值，若是，则单元测试平均通过率对应的评估值为单元测试平均通过率对应的属性值与预设总评估值的乘积，若否，则单元测试平均通过率对应的评估值为0，判断集成测试平均通过率对应的属性值是否大于预设的阈值，若是，则集成测试平均通过率对应的评估值为集成测试平均通过率对应的属性值与预设总评估值的乘积，若否，则集成测试平均通过率对应的评估值为0，根据单元测试平均通过率对应的评估值和集成测试平均通过率对应的评估值，确定测试通过率对应的评估值为：单元测试平均通过率对应的评估值、集成测试通过率对应的评估值与各自对应的权重的乘积之和。

当所述目标对象对应的一级属性包括增量代码平均覆盖率、增量代码覆盖率、集成测试覆盖率中的至少一种，二级属性为代码覆盖率时，确定模块202具体用于，判断增量代码平均覆盖率对应的属性值是否大于预设的阈值，若是，则增量代码平均覆盖率对应的评估值为增量代码平均覆盖率对应的属性值与预设总评估值的乘积，若否，则增量代码平均覆盖率对应的评估值为0，判断增量代码覆盖率对应的属性值是否大于预设的阈值，若是，则增量代码覆盖率对应的评估值为增量代码覆盖率对应的属性值与预设总评估值的乘积，若否，则增量代码覆盖率对应的评估值为0，判断集成测试覆盖率对应的属性值是否大于预设的阈值，若是，则集成测试覆盖率对应的评估值为集成测试覆盖率对应的属性值与预设总评估值的乘积，若否，则集成测试覆盖率对应的评估值为0，根据增量代码平均覆盖率对应的评估值、增量代码覆盖率对应的评估值、集成测试覆盖率对应的评估值，确定代码覆盖率对应的评估值为：增量代码平均覆盖率对应的评估值、增量代码覆盖率对应的评估值、集成测试覆盖率对应的评估值与各自对应的权重的乘积之和。

当所述目标对象对应的二级属性包括测试回归次数、codereview改动点中的至少一种时，所述确定模块202具体用于，判断测试回归次数对应的属性值是否大于预设的阈值，若是，则测试回归次数对应的评估值为0，若否，则测试回归次数对应的评估值为预设的总评估值与N5倍的测试回归次数对应的属性值之差，判断codereview改动点对应的属性值是否大于预设的阈值，若是，则codereview改动点对应的评估值为0，若否，则codereview改动点对应的评估值为预设的总评估值与N6倍的codereview改动点对应的属性值之差，其中，N5、N6是预设的正数。

所述评估模块203具体用于，根据级别最高的属性对应的评估值，以及级别最高的属性对应的权重，确定各级别最高的属性对应的加权评估值，根据所述加权评估值对所述目标对象进行评估。

在一个典型的配置中，计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。

内存可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。

计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitorymedia)，如调制的数据信号和载波。

还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。

本领域技术人员应明白，本申请的实施例可提供为方法、***或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。

以上所述仅为本申请的实施例而已，并不用于限制本申请。对于本领域技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本申请的权利要求范围之内。

Claims (18)

1.一种目标对象的评估方法，其特征在于，包括：

根据目标对象的各属性，获取各属性对应的属性值；

根据属性值，确定各属性对应的评估值；

根据各属性对应的评估值，以及预设的各属性对应的权重，对所述目标对象进行评估。

2.如权利要求1所述的方法，其特征在于，所述目标对象包括代码数据。

3.如权利要求2所述的方法，其特征在于，所述目标对象的各属性具体包括至少一个级别的属性；

根据属性值，确定各属性对应的评估值，具体包括：

针对相邻两个级别的属性，根据级别较低的属性对应的属性值，确定级别较高的属性对应的评估值。

4.如权利要求3所述的方法，其特征在于，所述目标对象的各属性具体包括一级属性和二级属性；

所述一级属性包括：测试阶段缺陷bug数量、sit阶段bug数量、线上bug数量、通过指定工具查找出的错误数量、单元测试平均通过率、集成测试平均通过率、增量代码平均覆盖率、增量代码覆盖率、集成测试覆盖率中的至少一种；所述指定工具包括FindBugs工具、PMD工具中的至少一种；

所述二级属性包括：bug总数量、测试通过率、代码覆盖率、测试回归次数、codereview改动点中的至少一种。

5.如权利要求4所述的方法，其特征在于，当所述目标对象对应的一级属性包括测试阶段bug数量、sit阶段bug数量、线上bug数量、通过指定工具查找出的错误数量中的至少一种，二级属性为bug总数量时，根据属性值，确定各属性对应的评估值，具体包括：

判断测试阶段bug数量对应的属性值是否大于预设的阈值，若是，则测试阶段bug数量对应的评估值为0，若否，则测试阶段bug数量对应的评估值为预设的总评估值与N1倍的测试阶段bug数量对应的属性值之差；

判断sit阶段bug数量对应的属性值是否大于预设的阈值，若是，则sit阶段bug数量对应的评估值为0，若否，则sit阶段bug数量对应的评估值为预设的总评估值与N2倍的sit阶段bug数量对应的属性值之差；

判断线上bug数量对应的属性值是否大于预设的阈值，若是，则线上bug数量对应的评估值为0，若否，则线上bug数量对应的评估值为预设的总评估值与N3倍的线上bug数量对应的属性值之差；

判断通过指定工具查找出的错误数量对应的属性值是否大于预设的阈值，若是，则通过指定工具查找出的错误数量对应的评估值为0，若否，则通过指定工具查找出的错误数量对应的评估值为预设的总评估值与N4倍的通过指定工具查找出的错误数量对应的属性值之差；

根据测试阶段bug数量对应的属性值、sit阶段bug数量对应的属性值、线上bug数量对应的属性值和通过指定工具查找出的错误数量对应的属性值，确定bug总数量对应的属性值；

判断bug总数量对应的属性值是否大于预设的阈值，若是，则bug总数量对应的评估值为0，若否，则确定bug总数量对应的评估值为：测试阶段bug数量对应的评估值、sit阶段bug数量对应的评估值、线上bug数量对应的评估值、通过指定工具查找出的错误数量对应的评估值与各自对应的权重的乘积之和；

其中，N1、N2、N3、N4是预设的正数。

6.如权利要求5所述的方法，其特征在于，当所述目标对象对应的一级属性包括单元测试平均通过率、集成测试平均通过率中的至少一种，二级属性为测试通过率时，根据属性值，确定各属性对应的评估值，具体包括：

判断单元测试平均通过率对应的属性值是否大于预设的阈值，若是，则单元测试平均通过率对应的评估值为单元测试平均通过率对应的属性值与预设总评估值的乘积，若否，则单元测试平均通过率对应的评估值为0；

判断集成测试平均通过率对应的属性值是否大于预设的阈值，若是，则集成测试平均通过率对应的评估值为集成测试平均通过率对应的属性值与预设总评估值的乘积，若否，则集成测试平均通过率对应的评估值为0；

根据单元测试平均通过率对应的评估值和集成测试平均通过率对应的评估值，确定测试通过率对应的评估值为：单元测试平均通过率对应的评估值、集成测试通过率对应的评估值与各自对应的权重的乘积之和。

7.如权利要求6所述的方法，其特征在于，当所述目标对象对应的一级属性包括增量代码平均覆盖率、增量代码覆盖率、集成测试覆盖率中的至少一种，二级属性为代码覆盖率时，根据属性值，确定各属性对应的评估值，具体包括：

判断增量代码平均覆盖率对应的属性值是否大于预设的阈值，若是，则增量代码平均覆盖率对应的评估值为增量代码平均覆盖率对应的属性值与预设总评估值的乘积，若否，则增量代码平均覆盖率对应的评估值为0；

判断增量代码覆盖率对应的属性值是否大于预设的阈值，若是，则增量代码覆盖率对应的评估值为增量代码覆盖率对应的属性值与预设总评估值的乘积，若否，则增量代码覆盖率对应的评估值为0；

判断集成测试覆盖率对应的属性值是否大于预设的阈值，若是，则集成测试覆盖率对应的评估值为集成测试覆盖率对应的属性值与预设总评估值的乘积，若否，则集成测试覆盖率对应的评估值为0；

根据增量代码平均覆盖率对应的评估值、增量代码覆盖率对应的评估值、集成测试覆盖率对应的评估值，确定代码覆盖率对应的评估值为：增量代码平均覆盖率对应的评估值、增量代码覆盖率对应的评估值、集成测试覆盖率对应的评估值与各自对应的权重的乘积之和。

8.如权利要求7所述的方法，其特征在于，当所述目标对象对应的二级属性包括测试回归次数、codereview改动点中的至少一种时，根据属性值，确定各属性对应的评估值，具体包括：

判断测试回归次数对应的属性值是否大于预设的阈值，若是，则测试回归次数对应的评估值为0，若否，则测试回归次数对应的评估值为预设的总评估值与N5倍的测试回归次数对应的属性值之差；

判断codereview改动点对应的属性值是否大于预设的阈值，若是，则codereview改动点对应的评估值为0，若否，则codereview改动点对应的评估值为预设的总评估值与N6倍的codereview改动点对应的属性值之差；

其中，N5、N6是预设的正数。

9.如权利要求3所述的方法，其特征在于，根据各属性对应的评估值，以及各属性对应的权重，对所述目标对象进行评估，具体包括：

根据级别最高的属性对应的评估值，以及级别最高的属性对应的权重，确定各级别最高的属性对应的加权评估值；

根据所述加权评估值对所述目标对象进行评估。

10.一种目标对象的评估装置，其特征在于，包括：

获取模块，用于根据目标对象的各属性，获取各属性对应的属性值；

确定模块，用于根据属性值，确定各属性对应的评估值；

评估模块，用于根据各属性对应的评估值，以及预设的各属性对应的权重，对所述目标对象进行评估。

11.如权利要求10所述的装置，其特征在于，所述目标对象包括代码数据。

12.如权利要求11所述的装置，其特征在于，所述目标对象的各属性具体包括至少一个级别的属性；所述确定模块具体用于，针对相邻两个级别的属性，根据级别较低的属性对应的属性值，确定级别较高的属性对应的评估值。

13.如权利要求12所述的装置，其特征在于，所述目标对象的各属性具体包括一级属性和二级属性，所述一级属性包括：测试阶段缺陷bug数量、sit阶段bug数量、线上bug数量、通过指定工具查找出的错误数量、单元测试平均通过率、集成测试平均通过率、增量代码平均覆盖率、增量代码覆盖率、集成测试覆盖率中的至少一种；所述指定工具包括FindBugs工具、PMD工具中的至少一种，所述二级属性包括：bug总数量、测试通过率、代码覆盖率、测试回归次数、codereview改动点中的至少一种。

14.如权利要求13所述的装置，其特征在于，当所述目标对象对应的一级属性包括测试阶段bug数量、sit阶段bug数量、线上bug数量、通过指定工具查找出的错误数量中的至少一种，二级属性为bug总数量时，所述确定模块具体用于，判断测试阶段bug数量对应的属性值是否大于预设的阈值，若是，则测试阶段bug数量对应的评估值为0，若否，则测试阶段bug数量对应的评估值为预设的总评估值与N1倍的测试阶段bug数量对应的属性值之差，判断sit阶段bug数量对应的属性值是否大于预设的阈值，若是，则sit阶段bug数量对应的评估值为0，若否，则sit阶段bug数量对应的评估值为预设的总评估值与N2倍的sit阶段bug数量对应的属性值之差，判断线上bug数量对应的属性值是否大于预设的阈值，若是，则线上bug数量对应的评估值为0，若否，则线上bug数量对应的评估值为预设的总评估值与N3倍的线上bug数量对应的属性值之差，判断通过指定工具查找出的错误数量对应的属性值是否大于预设的阈值，若是，则通过指定工具查找出的错误数量对应的评估值为0，若否，则通过指定工具查找出的错误数量对应的评估值为预设的总评估值与N4倍的通过指定工具查找出的错误数量对应的属性值之差，根据测试阶段bug数量对应的属性值、sit阶段bug数量对应的属性值、线上bug数量对应的属性值和通过指定工具查找出的错误数量对应的属性值，确定bug总数量对应的属性值；判断bug总数量对应的属性值是否大于预设的阈值，若是，则bug总数量对应的评估值为0，若否，则确定bug总数量对应的评估值为：测试阶段bug数量对应的评估值、sit阶段bug数量对应的评估值、线上bug数量对应的评估值、通过指定工具查找出的错误数量对应的评估值与各自对应的权重的乘积之和；其中，N1、N2、N3、N4是预设的正数。

15.如权利要求14所述的装置，其特征在于，当所述目标对象对应的一级属性包括单元测试平均通过率、集成测试平均通过率中的至少一种，二级属性为测试通过率时，所述确定模块具体用于，判断单元测试平均通过率对应的属性值是否大于预设的阈值，若是，则单元测试平均通过率对应的评估值为单元测试平均通过率对应的属性值与预设总评估值的乘积，若否，则单元测试平均通过率对应的评估值为0，判断集成测试平均通过率对应的属性值是否大于预设的阈值，若是，则集成测试平均通过率对应的评估值为集成测试平均通过率对应的属性值与预设总评估值的乘积，若否，则集成测试平均通过率对应的评估值为0，根据单元测试平均通过率对应的评估值和集成测试平均通过率对应的评估值，确定测试通过率对应的评估值为：单元测试平均通过率对应的评估值、集成测试通过率对应的评估值与各自对应的权重的乘积之和。

16.如权利要求15所述的装置，其特征在于，当所述目标对象对应的一级属性包括增量代码平均覆盖率、增量代码覆盖率、集成测试覆盖率中的至少一种，二级属性为代码覆盖率时，确定模块具体用于，判断增量代码平均覆盖率对应的属性值是否大于预设的阈值，若是，则增量代码平均覆盖率对应的评估值为增量代码平均覆盖率对应的属性值与预设总评估值的乘积，若否，则增量代码平均覆盖率对应的评估值为0，判断增量代码覆盖率对应的属性值是否大于预设的阈值，若是，则增量代码覆盖率对应的评估值为增量代码覆盖率对应的属性值与预设总评估值的乘积，若否，则增量代码覆盖率对应的评估值为0，判断集成测试覆盖率对应的属性值是否大于预设的阈值，若是，则集成测试覆盖率对应的评估值为集成测试覆盖率对应的属性值与预设总评估值的乘积，若否，则集成测试覆盖率对应的评估值为0，根据增量代码平均覆盖率对应的评估值、增量代码覆盖率对应的评估值、集成测试覆盖率对应的评估值，确定代码覆盖率对应的评估值为：增量代码平均覆盖率对应的评估值、增量代码覆盖率对应的评估值、集成测试覆盖率对应的评估值与各自对应的权重的乘积之和。

17.如权利要求16所述的装置，其特征在于，当所述目标对象对应的二级属性包括测试回归次数、codereview改动点中的至少一种时，所述确定模块具体用于，判断测试回归次数对应的属性值是否大于预设的阈值，若是，则测试回归次数对应的评估值为0，若否，则测试回归次数对应的评估值为预设的总评估值与N5倍的测试回归次数对应的属性值之差，判断codereview改动点对应的属性值是否大于预设的阈值，若是，则codereview改动点对应的评估值为0，若否，则codereview改动点对应的评估值为预设的总评估值与N6倍的codereview改动点对应的属性值之差，其中，N5、N6是预设的正数。

18.如权利要求12所述的装置，其特征在于，所述评估模块具体用于，根据级别最高的属性对应的评估值，以及级别最高的属性对应的权重，确定各级别最高的属性对应的加权评估值，根据所述加权评估值对所述目标对象进行评估。