CN107632931B - 一种软件缺陷描述的规范化***及方法 - Google Patents
一种软件缺陷描述的规范化***及方法 Download PDFInfo
- Publication number
- CN107632931B CN107632931B CN201710806956.4A CN201710806956A CN107632931B CN 107632931 B CN107632931 B CN 107632931B CN 201710806956 A CN201710806956 A CN 201710806956A CN 107632931 B CN107632931 B CN 107632931B
- Authority
- CN
- China
- Prior art keywords
- domain
- candidate
- data
- domain data
- description
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Landscapes
- Stored Programmes (AREA)
- Debugging And Monitoring (AREA)
Abstract
本公开提供了一种软件缺陷描述的规范化方法,包括:选取候选域数据作为候选域样本;对候选域样本进行测试、筛选,得到基准域数据;以及根据一预设条件将所述基准域数据分为条件描述域或结果描述域。本公开还提供了一种软件缺陷描述的规范化***。本公开软件缺陷描述的规范化***及方法,通过数据统计分析,提取缺陷描述中的关键信息,使缺陷描述能够准确反映缺陷实质,规范了软件缺陷描述的撰写,建立了可索引的缺陷库,为后续缺陷细化分类提供数据基础。
Description
技术领域
本公开涉及软件缺陷技术领域,具体涉及一种软件缺陷描述的规范化***及方法。
背景技术
缺陷管理是测试执行过程的重要环节。在全面向业务验收测试转型的新形势下,测试团队的组成更加复杂化,除了原有测试人员外,越来越多的业务人员、分行测试团队和外协人员参与到测试执行过程中。测试人员的多样化为测试执行和测试产出物的管理带来了更大的挑战。目前测试工作中缺陷的编写缺乏规范性,主要依赖测试人员的经验来提出缺陷,业务人员、分行测试团队和外协人员缺乏测试经验,测试技术比较薄弱,具有一定的主观性,使缺陷描述存在描述不完整、模糊不清或难以理解,描述包含多类信息,未突出重点问题等缺点,缺陷描述无法准确反映缺陷要素,降低缺陷处理效率。
发明内容
(一)要解决的技术问题
鉴于上述技术问题,本公开提供了一种软件缺陷描述的规范化***及方法,通过数据统计分析,提出缺陷描述中的关键信息,使缺陷描述能够准确反映缺陷实质;提供软件缺陷描述模板,规范软件缺陷描述的撰写;建立可索引的缺陷库,为后续缺陷细化分类提供数据基础。
(二)技术方案
根据本公开的一个方面,提供了一种软件缺陷描述的规范化方法,包括以下步骤:选取候选域数据作为候选域样本;对候选域样本进行测试、筛选,得到基准域数据;以及根据一预设条件将所述基准域数据分为条件描述域或结果描述域。
在本公开的一些实施例中,所述对候选域样本进行测试、筛选,得到基准域数据的步骤,包括:采用已有缺陷数据库对候选域样本进行测试;统计候选域样本中每个候选域数据的命中率α;以及根据候选域数据的命中率α对候选域样本数据进行筛选处理,剔除α低于一阈值的候选域数据。
在本公开的一些实施例中,对于命中率α低于一阈值的一候选域数据,判断这一候选域数据命中率低是否与样本数据的性质有关;若是,则保留这一候选域数据;反之,剔除这一候选域数据。
在本公开的一些实施例中,所述预设条件为:若一基准域数据是在案例执行前能够确定,则为条件描述域;反之,若一基准域数据是必须在案例执行过后才能确定,则为结果描述域。
在本公开的一些实施例中,所述条件描述域包括:缺陷复现前提、复现过程、输入实例、关联交易及关联***。
在本公开的一些实施例中,所述结果描述域包括:结论、错误代码、错误信息、是否反向案例、缺失需求项、不一致需求项。
在本公开的一些实施例中,在所述对候选域样本进行测试,筛选得到基准域数据的步骤中,测试之后,对候选域数据进行多轮回测,得到基准域数据。
在本公开的一些实施例中,所述条件描述域及结果描述域包括自定义域。
在本公开的一些实施例中,所述选取候选域数据作为候选域样本的步骤,包括:组织专家开展经验访谈,收集测试缺陷描述的关注点,挑选出候选关注域并进行整理;组织专家对候选关注域进行投票,并对候选关注域的关键性进行评分;统计各候选关注域的得票情况,将得票数从高到低进行排列;选取得票数最高的前50%的候选关注域作为候选域样本。
根据本公开的另一个方面,还提供了一种软件缺陷描述的规范化***,包括:存储模块,用于存储候选域数据作为候选域样本;处理模块,用于对候选域样本进行测试,筛选得到基准域数据;以及分析模块,用于根据一预设条件对基准域数据进行分析,并将基准域数据分为条件描述域或结果描述域。
根据本公开的另一个方面,还提供了一种机器可读的记录介质,其中,当所述机器可执行指令被执行时,使得机器实施所述的方法。
(三)有益效果
从上述技术方案可以看出,本公开软件缺陷描述的规范化***及方法至少具有以下有益效果其中之一:
(1)引入缺陷描述规范化机制,通过采取划分关键信息域的方式确定一系列规范化的缺陷描述域,加强了缺陷描述的一致性和规范性,使不同背景的测试人员从统一的角度去发现缺陷、理解缺陷、描述缺陷,提高缺陷描述的可读性,进一步提升缺陷解决的效率。
(2)对候选域样本进行测试、筛选,得到基准域数据,提高了数据的准确性,有利于实现缺陷描述的规范化。
(3)根据候选域数据的命中率对候选域样本数据进行筛选处理,为数据的筛选提供有效依据;另外判断通过命中率低是否与样本数据的性质有关,避免了数据的误剔除,提高了数据的准确性。
(4)通过缺陷描述规范化机制实现缺陷描述的规范化,提高缺陷沟通效率,同时通过挖掘描述要素提高缺陷的风险定位能力。
(5)通过缺陷描述要素描述缺陷有利于建立缺陷之间的关联,发掘隐形风险。
(6)本公开软件缺陷描述的规范化***及方法有利于实现规范化的缺陷资产积累,建立并丰富缺陷资产库。
(7)与德尔菲法相比,专家之间可以相互讨论交流,综合汇总挑选出候选关注域;也不需要逐轮收集专家意见和信息反馈。
附图说明
通过附图所示,本公开的上述及其它目的、特征和优势将更加清晰。在全部附图中相同的附图标记指示相同的装置。并未刻意按实际尺寸等比例缩放绘制附图,重点在于示出本公开的主旨。
图1为依据本公开实施例软件缺陷描述的规范化方法流程图。
图2为依据本公开实施例软件缺陷描述的规范化方法另一流程图。
图3为依据本公开实施例软件缺陷描述示例。
图4为依据本公开实施例软件缺陷描述的规范化***功能模块图。
具体实施方式
为使本公开的目的、技术方案和优点更加清楚明白,以下结合具体实施例,并参照附图,对本公开进一步详细说明。
(1)缺陷描述的规范化方法与流程
软件缺陷,根据JR/T0130-2016《银行业软件异常分类》标准,其指在一个项目组件中的瑕疵和缺点,导致该组件不能满足其需求或规格,且需要修复或更换。针对已检测出的缺陷,需要进行分类并描述,虽然该标准定义了适用于缺陷分类的核心属性,但并未进一步细化、规范缺陷描述的撰写。
本公开提供了一种软件缺陷描述的规范化方法,通过采取划分关键信息域的方式确定一系列规范化的缺陷描述域,加强了缺陷描述的一致性和规范性,如图1所示,其包括以下步骤:
S1,选取候选域数据作为候选域样本;
S2,对候选域样本进行测试、筛选,得到基准域数据;以及
S3,根据一预设条件将所述基准域数据分为条件描述域或结果描述域。
在本公开缺陷描述规范化方法中,将缺陷描述分解为两类描述域集合,即条件描述域集合和结果描述域集合,每一类描述域包括若干个基准描述域和若干个自定义描述域,所述条件描述域及结果描述域还可包括若干自定义域,如下所示:
具体的,所述预设条件为:若一基准域数据是在案例执行前能够确定,则为条件描述域;反之,若一基准域数据是必须在案例执行过后才能确定,则为结果描述域。
更具体而言,所述条件描述域包括:缺陷复现前提、复现过程、输入实例、关联交易及关联***。所述结果描述域包括:结论、错误代码、错误信息、是否反向案例、缺失需求项、不一致需求项。
其中,在所述对候选域样本进行测试,筛选得到基准域数据的步骤中,测试之后,还可对候选域数据进行评审和/或多轮回测,以得到更加准确的基准域数据。
进一步的,所述对候选域样本进行测试,筛选得到基准域数据的步骤,包括:
采用已有缺陷数据库对候选域样本进行测试;
统计候选域样本中每个候选域数据的命中率α;以及
根据候选域数据的命中率α对候选域样本数据进行处理,剔除α低于一阈值的候选域数据。
优选的,对于命中率α低于一阈值的候选域数据,可进一步判断该候选域数据命中率低是否与样本数据的性质有关;若是,则保留该候选域数据;反之,剔除该候选域数据。
如图2所示,在一具体实施例中,采用经验与实证相结合的方法选取了若干缺陷基准域,方法流程如下:
组织专家团队开展经验访谈,通过测试经理、开发经理与专家的互相讨论沟通,收集测试缺陷描述的关注点,挑选出候选关注域并进行整理。
组织专家对候选关注域进行投票,并对候选关注域的关键性进行评分。
统计各候选关注域的得票情况,将得票数从高到低进行排列。
选取得票数最高的前50%的候选关注域作为候选域样本。
测试候选域。用已完成项目的缺陷数据库对候选域进行测试。将原有的项目缺陷描述逐条分拆,并将拆分后的结果分别填入相关候选域。
当测试数据达到n条后,统计每个候选域的命中率α。
分析候选域的命中率α。对于α过低的候选域,判断该候选域命中率低是否与样本数据的性质有关。若是,保留该候选域(例如错误代码提示,在其他项目测试中未提示错误代码,造成命中率低的情况);若否,剔除该候选域,最终组成新候选域。
对候选域组织新一轮测试,重复前述测试步骤。
通过测试筛选,候选域逐渐收敛于m条候选域数据。
组织专家评审。专家经过互相讨论交流后,就最终收敛的m条候选域发表意见。
综合考虑专家评审意见和候选域多轮回测(可同前述测试步骤)结果,选取综合得分高的候选域确定为基准域。
将基准域划分为条件描述域和结果描述域。如果一个基准域的信息是在案例执行前就可以确定的,那么该域被划分为条件描述域;反之,如果一个基准域的信息必须在案例执行过后才可以被确定,那么该域被划分为结果描述域。
(2)基准缺陷描述域
通过数据分析、成员访谈和项目实践,本公开基准缺陷描述域具体如下:
1)条件描述域:包括缺陷复现前提、复现过程、输入实例、关联交易、关联***。
条件描述域用于描述缺陷产生的场景。下面规范每个描述域的内容。
复现前提:用于描述缺陷产生时的现场情况和复现缺陷前需要做的准备工作,例如***环境参数、前续交易、***预置状态、交易选项等。
复现过程:用于描述复现缺陷的操作流。如果缺陷不能确定复现,此项可以为空,否则必须填写。
输入实例:对于单一的交易,此处描述具体的输入实例,包括输入项和每个输入项的数据;对于交易流或者多交易等较复杂的情况,可以根据实际情况将输入实例填写在“复现前提”或“复现过程”域,此处可以留空。
关联交易:用于描述可能引起目标缺陷的交易/接口。
关联***:用于描述可能引起目标缺陷的***/模块。
2)结果描述域:包括结论、错误代码、错误信息、是否反向案例、缺失需求项、不一致需求项。
结论:用于描述被测交易的执行结果是否通过,或者缺陷与需求不一致的实现,或者缺陷造成的影响。对于正向案例,此处建议务必填写被测交易的执行结果;对于反向案例,建议此处务必描述与需求不一致、或需求缺失的实现。结论中内容的出现顺序应当以前述建议顺序为准。
错误代码:用于描述在缺陷发现过程中出现的所有***错误代码。
错误信息:用于描述在缺陷发现过程中出现的所有***返回的错误信息。
是否反向案例:二值选项,缺陷发现流程是否包括反向案例。对于多个案例的测试流,如果其中某个案例为反向案例,那么该域的值应记为“是”。
缺失需求项:如果报告缺陷的原因是需求未实现,此域描述没有被实现的需求内容。
不一致需求项:如果报告缺陷的原因是***实现与需求不一致,此处描述不一致的需求内容。
(3)缺陷自定义域的遴选
不同类型的业务***可能具备不同的业务要素,因此为了定位问题,就要在缺陷描述上也加入相关的业务要素。本公开提出的缺陷规范化描述方法允许测试经理按照给定的流程添加自定义域。
缺陷自定义域的遴选方法如下:
1)给出域的名称和内容
对某一个自定义域,先给出该域的名称,并圈定该域中要描述的内容范畴。
2)基于历史数据的回测
选取与目标业务条线相同或者类似的项目数据,针对这些历史数据测试自定义域的命中率。
3)确定是否采用自定义域
根据命中率评估是否要使用该自定义域,并根据条件描述域和结果描述域的定义将其归类。
基准的缺陷描述域确定后,可将其应用至目前测试工作中的QC缺陷管理***中,如图3所示。
图4为依据本公开实施例软件缺陷描述的规范化***功能模块图。如图4所示,本公开提供了一种软件缺陷描述的规范化***,包括:
存储模块,用于存储候选域数据作为候选域样本;
处理模块,用于对候选域样本进行测试,筛选得到基准域数据;以及
分析模块,用于对基准域数据进行分析,并将基准域数据划分为条件描述域或结果描述域。
另外,本公开还提供了一种机器可读的记录介质,其中,当所述机器可执行指令被执行时,使得机器实施所述的软件缺陷描述的规范化方法。
对所公开的实施例的上述说明,使本领域专业技术人员能够实现或使用本申请。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本申请的精神或范围的情况下,在其它实施例中实现。因此,本申请将不会被限制于本文所示的这些实施例,而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
需要说明的是,在附图或说明书正文中,未绘示或描述的实现方式,均为所属技术领域中普通技术人员所知的形式,并未进行详细说明。此外,上述对各元件和方法的定义并不仅限于实施例中提到的各种具体结构、形状或方式,本领域普通技术人员可对其进行更改或替换:
本公开中,除了采用专家访谈、评审、投票的方法之外,也可以通过案例统计选取候选域数据作为候选域样本,均不影响本公开的实现。
以上所述的具体实施例,对本公开的目的、技术方案和有益效果进行了进一步详细说明,所应理解的是,以上所述仅为本公开的具体实施例而已,并不用于限制本公开,凡在本公开的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本公开的保护范围之内。
Claims (8)
1.一种软件缺陷描述的规范化方法,包括以下步骤:
选取候选域数据作为软件缺陷描述的候选域样本;
对候选域样本进行测试、筛选,得到软件缺陷描述的基准域数据;以及
根据一预设条件将所述基准域数据分为条件描述域或结果描述域;
其中,所述预设条件为:若一基准域数据是在案例执行前能够确定,则为条件描述域;反之,若一基准域数据是必须在案例执行过后才能确定,则为结果描述域;
其中,所述对候选域样本进行测试、筛选,得到基准域数据的步骤,包括:
采用已有缺陷数据库对候选域样本进行测试;
统计候选域样本中每个候选域数据的命中率α;以及
根据候选域数据的命中率α对候选域样本数据进行筛选处理,剔除α低于一阈值的候选域数据。
2.根据权利要求1所述的软件缺陷描述的规范化方法,其中,
对于命中率α低于一阈值的一候选域数据,判断这一候选域数据命中率低是否与样本数据的性质有关;若是,则保留这一候选域数据;反之,剔除这一候选域数据。
3.根据权利要求2所述的软件缺陷描述的规范化方法,其中,所述条件描述域包括:缺陷复现前提、复现过程、输入实例、关联交易及关联***。
4.根据权利要求2所述的软件缺陷描述的规范化方法,其中,所述结果描述域包括:结论、错误代码、错误信息、是否反向案例、缺失需求项、不一致需求项。
5.根据权利要求1所述的软件缺陷描述的规范化方法,其中,
在所述对候选域样本进行测试,筛选得到基准域数据的步骤中,测试之后,对候选域样本数据进行多轮回测,得到基准域数据。
6.根据权利要求1所述的软件缺陷描述的规范化方法,其中,所述条件描述域及结果描述域包括自定义域。
7.一种软件缺陷描述的规范化***,包括:
存储模块,用于存储候选域数据作为软件缺陷描述的候选域样本;
处理模块,用于对候选域样本进行测试,筛选得到软件缺陷描述的基准域数据;以及
分析模块,用于根据一预设条件对基准域数据进行分析,并将基准域数据分为条件描述域或结果描述域;
其中,所述预设条件为:若一基准域数据是在案例执行前能够确定,则为条件描述域;反之,若一基准域数据是必须在案例执行过后才能确定,则为结果描述域;
所述对候选域样本进行测试,筛选得到软件缺陷描述的基准域数据的步骤,包括:
采用已有缺陷数据库对候选域样本进行测试;
统计候选域样本中每个候选域数据的命中率α;以及
根据候选域数据的命中率α对候选域样本数据进行筛选处理,剔除α低于一阈值的候选域数据。
8.一种机器可读的记录介质,其上存储有可执行指令,其中,当所述可执行指令被执行时,使得机器实施权利要求1至6中任意一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710806956.4A CN107632931B (zh) | 2017-09-08 | 2017-09-08 | 一种软件缺陷描述的规范化***及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710806956.4A CN107632931B (zh) | 2017-09-08 | 2017-09-08 | 一种软件缺陷描述的规范化***及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107632931A CN107632931A (zh) | 2018-01-26 |
CN107632931B true CN107632931B (zh) | 2021-02-19 |
Family
ID=61100886
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710806956.4A Active CN107632931B (zh) | 2017-09-08 | 2017-09-08 | 一种软件缺陷描述的规范化***及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107632931B (zh) |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8495583B2 (en) * | 2009-09-11 | 2013-07-23 | International Business Machines Corporation | System and method to determine defect risks in software solutions |
CN104360946B (zh) * | 2014-11-18 | 2017-11-17 | 电信科学技术第十研究所 | 一种测试缺陷的计算机实现的方法及计算机 |
CN105068925B (zh) * | 2015-07-29 | 2017-09-01 | 北京理工大学 | 软件安全缺陷发现*** |
CN105022960B (zh) * | 2015-08-10 | 2017-11-21 | 济南大学 | 基于网络流量的多特征移动终端恶意软件检测方法及*** |
CN105260249B (zh) * | 2015-09-19 | 2019-04-23 | 中国地质大学(武汉) | 空间计算域计算强度特征提取方法 |
-
2017
- 2017-09-08 CN CN201710806956.4A patent/CN107632931B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN107632931A (zh) | 2018-01-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20240086944A1 (en) | Auto-encoder enhanced self-diagnostic components for model monitoring | |
Mısırlı et al. | An industrial case study of classifier ensembles for locating software defects | |
Besker et al. | A systematic literature review and a unified model of ATD | |
CN110490720A (zh) | 财务数据分析预警方法、装置、计算机设备和存储介质 | |
Felderer et al. | On testing data-intensive software systems | |
CN111461216A (zh) | 一种基于机器学习的案件风险识别方法 | |
Söylemez et al. | Challenges of software process and product quality improvement: catalyzing defect root-cause investigation by process enactment data analysis | |
CN115328784A (zh) | 一种面向敏捷接口的自动化测试方法及*** | |
Pang et al. | Early identification of vulnerable software components via ensemble learning | |
Corea et al. | A taxonomy of business rule organizing approaches in regard to business process compliance | |
CN107632931B (zh) | 一种软件缺陷描述的规范化***及方法 | |
Nelson | Machine learning for detection of trade in strategic goods: an approach to support future customs enforcement and outreach | |
Widad et al. | Quality Anomaly Detection Using Predictive Techniques: An Extensive Big Data Quality Framework for Reliable Data Analysis | |
CN115599346A (zh) | 一种应用软件全生命周期数字化开发方法 | |
Caferoglu et al. | Measuring Technology Diffusion for the Case of RFID Technology: A Comparison between tf-lag-idf and Topic Modeling | |
KR102155792B1 (ko) | 크라우드 소싱 기반 프로젝트의 특성에 따른 검수자 선별 방법 | |
CN112907254A (zh) | 欺诈交易识别、模型训练方法、装置、设备及存储介质 | |
CN113220594A (zh) | 自动化测试方法、装置、设备及存储介质 | |
Rabuzin et al. | Process mining in public procurement in croatia | |
CN115545912B (zh) | 基于绿色识别信息的信贷风险预测方法及装置 | |
Gusmão et al. | A Customer Journey Mapping Approach to Improve CPFL Energia Fraud Detection Predictive Models | |
Sapozhnikova et al. | Distributed infrastructure for big data processing in the transaction monitoring systems | |
Sodhani et al. | Corporate Social Responsibility Reporting: A Study in Context to India | |
CN113704103B (zh) | 测试用例推荐方法、装置、介质及电子设备 | |
König et al. | Evaluation of tech ventures' evolving business models: rules for performance-related classification |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |