CN111309608B - 测试用例的选择方法、装置、电子设备和可读存储介质 - Google Patents

测试用例的选择方法、装置、电子设备和可读存储介质 Download PDF

Info

Publication number
CN111309608B
CN111309608B CN202010089714.XA CN202010089714A CN111309608B CN 111309608 B CN111309608 B CN 111309608B CN 202010089714 A CN202010089714 A CN 202010089714A CN 111309608 B CN111309608 B CN 111309608B
Authority
CN
China
Prior art keywords
matrix
test cases
test case
test
projection point
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
Application number
CN202010089714.XA
Other languages
English (en)
Other versions
CN111309608A (zh
Inventor
包静
廖宇
钟咏
曾轶
赵伟
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Migu Cultural Technology Co Ltd
China Mobile Communications Group Co Ltd
MIGU Music Co Ltd
Original Assignee
Migu Cultural Technology Co Ltd
China Mobile Communications Group Co Ltd
MIGU Music Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Migu Cultural Technology Co Ltd, China Mobile Communications Group Co Ltd, MIGU Music Co Ltd filed Critical Migu Cultural Technology Co Ltd
Priority to CN202010089714.XA priority Critical patent/CN111309608B/zh
Publication of CN111309608A publication Critical patent/CN111309608A/zh
Application granted granted Critical
Publication of CN111309608B publication Critical patent/CN111309608B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00Error detection; Error correction; Monitoring
    • G06F11/36Preventing errors by testing or debugging software
    • G06F11/3668Software testing
    • G06F11/3672Test management
    • G06F11/3688Test management for test execution, e.g. scheduling of test suites

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Hardware Design (AREA)
  • Quality & Reliability (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本发明实施例涉及移动终端测试领域,公开了一种测试用例的选择方法、装置、电子设备和可读存储介质。本发明中,测试用例的选择方法包括:获取多个测试用例;根据所述多个测试用例,生成测试用例和功能节点相关的第一矩阵;将第一矩阵转换进行协方差运算,获得第二矩阵;对第二矩阵进行奇异值分解,获得所述第二矩阵的特征值和特征向量,选择数值最大的若干个特征值对应的特征向量,将选定的特征向量形成第三矩阵,将所述第三矩阵与所述第一矩阵相乘,获得第四矩阵;将第四矩阵中的测试用例进行投影,获得对应各测试用例的投影点;对各投影点分类;分别从每个类别中选择至少一个投影点,将选出的投影点对应的测试用例作为选定的测试用例。

Description

测试用例的选择方法、装置、电子设备和可读存储介质
技术领域
本发明实施例涉及移动终端测试领域,特别涉及测试用例的选择方法、装置、电子设备和可读存储介质。
背景技术
伴随着手机应用的飞速发展,手机应用程序(APPlication,APP)占据着非常大的市场份额,一个APP在每次上线之前,需要由测试人员对新上线功能的正确性进行验证,验证通过才能上线。测试结果的可靠与否取决于测试用例的质量和数量。现有一种测试用例是由测试人员根据产品经理的需求提出并开发,并不代表用户的操作思维等,往往不能满足软件可靠性测试的需要。现有技术还提供了一种基于用户针对APP使用轨迹生成用例的方法,APP记录用户在使用APP时的轨迹,以音乐播放类APP为例,用户使用轨迹如登录-音乐-听歌-下载,这条轨迹即作为一条测试用例,代表了用户听歌时一种可能的操作思维。虽然这种方式可以自动获取更符合用户思维的测试用例,但针对已上线的APP来说,用户数量众多,相应地,会产生的测试用例数量也就十分巨大,在测试时间有限的情况下,很明显无法遍历所有测试用例。
发明内容
本发明实施方式的目的在于提供一种测试用例的选择方法、装置、电子设备和可读存储介质,使得在保持选出的测试用例尽可能涵盖用户操作思维信息的同时,减少选出的测试用例的数量,提高测试用例选择效率,从而节省测试时间,提高测试效率。
为解决上述技术问题,本发明的实施方式提供了一种测试用例的选择方法,包括:获取多个测试用例,测试用例包括若干个功能节点;根据所述多个测试用例,生成测试用例和功能节点相关的第一矩阵;将第一矩阵转换进行协方差运算,获得第二矩阵;对第二矩阵进行奇异值分解,获得所述第二矩阵的特征值和特征向量,选择数值最大的若干个特征值对应的特征向量,将选定的特征向量形成第三矩阵,将所述第三矩阵与所述第一矩阵相乘,获得第四矩阵;以选择的特征值数量为坐标维度,将第四矩阵中的测试用例进行投影,获得对应各测试用例的投影点;根据位置分布,对各投影点分类,获得多个类别;分别从每个类别中选择至少一个投影点,将选出的投影点对应的测试用例作为选定的测试用例。
本发明的实施方式还提供了一种测试用例的选择装置,包括:获取模块,用于获取多个测试用例,测试用例包括若干个功能节点;矩阵生成模块,用于根据所述多个测试用例,生成测试用例和功能节点相关的第一矩阵;矩阵转换模块,用于将第一矩阵进行协方差运算,获得第二矩阵;矩阵分解模块,用于第二矩阵进行奇异值分解,获得所述第二矩阵的特征值和特征向量,选择数值最大的若干个特征值对应的特征向量,将选定的特征向量形成第三矩阵,将所述第三矩阵与所述第一矩阵相乘,获得第四矩阵;投影模块,用于以选择的特征值数量为坐标维度,将第四矩阵中的测试用例进行投影,获得对应各测试用例的投影点;分类模块,用于根据位置分布,对各投影点分类,获得多个类别;处理模块,用于分别从每个类别中选择至少一个投影点,将选出的投影点对应的测试用例作为选定的测试用例。
本发明的实施方式还提供了一种电子设备,包括:至少一个处理器;以及,与所述至少一个处理器通信连接的存储器;其中,所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行如上述的测试用例的选择方法。
本发明的实施方式还提供了一种计算机可读存储介质,存储有计算机程序,所述计算机程序被处理器执行时实现如上述的测试用例的选择方法。
本发明实施方式相对于现有技术而言,将获取的多个用例以矩阵形式,通过矩阵变换和奇异值分解,获得对整个矩阵影响最大的若干个维度,并通过差异最大的方向对测试用例进行投影,之后根据投影分布进行分类,在各类别中分别选取投影点,选出的投影点对应的测试用例即可作为选出的测试用例,使得可以自动筛选出的测试用例,且在选出数量尽量少的前提下,选出能尽量包含用户的行为特征的测试用例。可见,本申请实施方式使得在保持选出的测试用例尽可能涵盖用户操作思维信息的同时,减少选出的测试用例的数量,提高测试用例选择效率,从而节省测试时间,提高测试效率。
作为进一步改进,所述第一矩阵的行,为测试用例识别号,所述第一矩阵的列,为功能节点的识别号;或者,所述第一矩阵的列,为测试用例识别号,所述第一矩阵的行,为功能节点的识别号。上述方案明确转换为矩阵时的行列的参数。
作为进一步改进,所述将第一矩阵进行协方差运算之前,包括:对第一矩阵进行去中心化处理;所述将第一矩阵进行协方差运算,具体为:将去中心化处理后的第一矩阵转换为正方矩阵形式。上述方案通过去中心化处理后的矩阵,使得后续的转换运算更为简便。
作为进一步改进,所述选择数值最大的若干个特征值对应的特征向量,具体为:选择数值最大的两个特征值对应的特征向量;所述以选择的特征值数量为坐标维度,将第四矩阵中的测试用例进行投影,具体为:在两维坐标中,将第四矩阵中的测试用例进行投影。上述方案明确选择差别最大的两个维度进行投影,使得投影后的分布尽量表达测试用例的差异性。
作为进一步改进,所述根据位置分布,对各投影点分类,获得多个类别,具体为:根据位置分布,对各投影点进行聚类处理,获得多个类簇;所述分别从每个类别中选择至少一个投影点,具体为:分别从每个类簇中选择至少一个投影点。上述方案明确了根据投影点分布进行测试用例筛选的方法,尽量使选出的测试用例具有较大差异,尽可能涵盖更多的用户思维信息。
作为进一步改进,所述分别从每个类别中选择至少一个投影点中,选出的投影点为与类簇中心的间距小于阈值的投影点。上述方案使得选出的测试用例更具有代表性,从而有效提升测试效率。
作为进一步改进,还包括:接收用户使用所述测试用例针对的APP时的操作;分析所述点击操作;组合属于一条路径的功能节点,形成一个所述测试用例。上述明确测试用例的自动生成方式,提升APP测试的自动化程度。
附图说明
一个或多个实施例通过与之对应的附图中的图片进行示例性说明,这些示例性说明并不构成对实施例的限定,附图中具有相同参考数字标号的元件表示为类似的元件,除非有特别申明,附图中的图不构成比例限制。
图1是根据本发明第一实施方式中测试用例的选择方法的流程图;
图2是根据本发明第一实施方式中测试用例的选择方法中测试用例生成过程的流程图;
图3是根据本发明第一实施方式中测试用例的选择方法中第四矩阵中测试用例投影后的示意图;
图4是根据本发明第二实施方式中测试用例的选择方法的流程图;
图5是根据本发明第三实施方式中测试用例的选择装置的示意图;
图6是根据本发明第四实施方式中电子设备的示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合附图对本发明的各实施方式进行详细的阐述。然而,本领域的普通技术人员可以理解,在本发明各实施方式中,为了使读者更好地理解本申请而提出了许多技术细节。但是,即使没有这些技术细节和基于以下各实施方式的种种变化和修改,也可以实现本申请所要求保护的技术方案。以下各个实施例的划分是为了描述方便,不应对本发明的具体实现方式构成任何限定,各个实施例在不矛盾的前提下可以相互结合相互引用。
本发明的第一实施方式涉及一种测试用例的选择方法。本实施方式可以应用于服务器,如与测试用例所针对APP对应的后台服务器,也可以是专用的服务器。本实施方式中测试用例的选择方法的流程如图1所示,具体如下:
步骤101,获取多个测试用例。
具体的说,测试用例可以基于用户针对APP使用轨迹所生成,测试用例包括若干个功能节点,功能节点可以是用户触发的视图名称或虚拟按钮。
具体的生成步骤如图2所示,具体如下:
步骤201,接收用户使用测试用例针对的APP时的操作的功能节点。
以点击操作为例,APP获取用户点击记录,用户点击记录是指用户在使用APP过程中的操作,可以包括点击操作对应的功能节点,功能节点可以如:点击的视图名称或点击的虚拟按钮,还可以如:用户点击屏幕的位置信息、以及点击时间。其中,用户点击屏幕的位置信息可以是用户点击屏幕的横坐标和纵坐标,如(60,100);点击的视图名称可以为点击的页面名称,如歌单、每日推荐、排行榜和搜索等;点击时间可以为点击时的***时间。实际应用中,除点击操作外,还可以包括拖动、长按等操作,在此不再一一列举。
步骤202,分析操作的功能节点。
具体的说,分析步骤201中接收到的各操作的位置,比对各操作的点击位置、视图名称及点击时间等。
步骤203,组合属于一条路径的操作的功能节点,形成一个测试用例。
具体的说,本实施方式中一条路径的起始为APP启动,一条路径的结束为APP退出。也就是说,APP一次启动到结束时间内的用户操作组成一条路径,更具体来说,用户在使用APP时,从APP启动展现首屏开始,到APP结束退出,APP统计该段时间内用户的点击路径,APP结束主要可以指APP退出,这个时段内,用户的操作根据触发的时间先后排列统计,汇总后作为一条路径进行保存,该路径即作为一个测试用例。
例如,接收到的一条用户操作记录为:
00:00:00:启动;
00:00:05:首页点击屏幕坐标(60,100),点击的视图名称:每日推荐;
00:00:08:每日推荐页点击屏幕坐标(60,120),点击的视图名称:歌单;
00:00:15:歌单页点击屏幕坐标(30,60),点击的视图名称:歌曲播放;
00:00:18:点击屏幕坐标(10,200),点击的视图名称:收藏;
00:00:50:点击屏幕坐标(10,100),点击的视图名称:退出。
以试图名称为操作位置,根据该用户操作记录,点击时间的先后顺序和点击的视图名称生成一个测试用例,且从APP启动至退出,组合成的路径为:“启动-每日推荐-歌单-歌曲播放-收藏-退出”,这条路径即为一个测试用例。
需要说明的是,本实施方式中以APP的启动和退出作为路径首末位置的判断依据,实际应用中,还可以以其他条件作为路径首末位置的判断,在此不再一一列举。
可见,上述步骤201至步骤203为生成一个测试用例的过程。还需要说明的是,测试用例的生成可以实时进行,也可以非实时进行,可以全时段进行,也可以分时段进行,如APP对用户每次启动后的操作进行记录,并按照特定的时间间隔,周期性的将记录的操作上传至后台服务器。比如,可以以1天为时间间隔,每天0点音乐APP会自动将前一天记录的用户点击路径上传至后台服务器。具体上传方式在此不再一一列举。
步骤102,根据多个测试用例,生成测试用例和功能节点相关的第一矩阵。
具体的说,第一矩阵的行,为测试用例识别号,第一矩阵的列,为功能节点的识别号。以音乐APP为例,功能节点可以包括如播放、试听、收藏、下载等的功能按键,以及首页、排行榜、每日推荐、歌单等页面的试图名称。如,服务器一共获得M条测试用例,且一共有5个功能节点(A、B、C、D、E),则生成的第一矩阵如下表1所示:
第一矩阵 A B C E F
1 1 1 1 0 0
2 0 1 1 1 0
…… …… …… …… …… ……
M 0 0 1 …… 1
表1
可以看出,其中,当某个测试用例经过某个功能节点时,则该位置矩阵的值为1,否则为0。则如上表1所示,测试用例1的路径为:“A—B—C”,测试用例2的路径为:“B—C—E”。
步骤103,将第一矩阵转换进行协方差运算,获得第二矩阵。
具体的说,可以对第一矩阵转换进行协方差运算。可以根据协方差公式计算第一矩阵每两行之间(即测试用例两两之间)的协方差,并依此组成协方差矩阵C。
例如,可以令第一矩阵中第一行向量为X,第二行向量为Y,根据如下公式[1],计算出第一个测试用例与第二个测试用例之间的协方差Cov(X,Y),并依此类推,计算出第一矩阵中每两行测试用例两两之间的协方差,并依此组成协方差矩阵C。
通过上述方式得到的矩阵C,矩阵中的值Cxy表示原矩阵B的第x行向量和第y行向量的协方差,具体含义为第x个测试用例与第y个测试用例的路径的总体误差。
步骤104,对第二矩阵进行奇异值分解,获得第二矩阵的特征值和特征向量,选择数值最大的若干个特征值对应的特征向量,将选定的特征向量形成第三矩阵,将第三矩阵与第一矩阵相乘,获得第四矩阵。
具体的说,转换后的第一矩阵即为矩阵C。本实施方式中,后台服务器可以利用matlab数学工具,对矩阵C进行奇异值分解,以得到矩阵C的特征值S以及特征向量V,并得到由特征值S组成的矩阵S,以及由特征向量V组成的矩阵V,
其中,进行奇异值分解的主要目的是将原来的N维矩阵C进行旋转变换,将矩阵C重新投影到新的坐标系中,则矩阵V中的每一行特征向量表示矩阵C在一个新坐标系中的变换方向,矩阵V中的每一行特征向量对应一个特征值,其大小表示了在新坐标系中每一行特征向量的重要程度,即矩阵S。
本实施方式中,在矩阵S中选取最大的两个特征值,并确定这两个特征值分别对应的特征向量V,并由此生成第三矩阵,记作矩阵K(N*2),则可以通过将矩阵K与矩阵A相乘,生成第四矩阵,记作矩阵R(M*2),
需要说明的是,本实施方式中在矩阵S中选取两个最大的特征值进行后续的运算,实际应用中,可以选取其他个数的最大特征特征值,在此不再一一列举。
步骤105,以选择的特征值数量为坐标维度,将第四矩阵中的测试用例进行投影,获得对应各测试用例的投影点。
具体的说,以选择的特征值数量为2进行说明,本步骤在二维坐标系中将第四矩阵中的测试用例进行投影,获得对应各测试用例的投影点。其中,投影时采用的坐标即为矩阵R中每一行的两个数值,两个数值分别作为二维坐标中x坐标和y坐标的值。一个例子中,投影后的点分布如图3所示。
步骤106,根据位置分布,对各投影点分类,获得多个类别。
具体的说,本实施方式中根据位置分布,对各投影点进行聚类处理,获得多个类簇,一个类簇记为一个类别。利用步骤105中的投影点的坐标进行聚类运算,所采用的聚类方式可以根据需要选择,在此不再一一列举。
在一个例子中,可以直接通过投影点聚集的图形确定。从图3中可以看出,测试用例对应的投影点并不是无规则分布的,而是呈现局部聚集的特征,每个聚集的区域可以确定为一个类别。
步骤107,分别从每个类别中选择至少一个投影点,将选出的投影点对应的测试用例作为选定的测试用例。
具体的说,由于距离越近的投影点说明其特征相似度越高,所以呈局部聚集的投影点,其包含的特征信息相似,可以从中选取一个(或几个)投影点,这个投影点基本涵盖这个分类的特征信息,所以利用这个投影点对应的测试用例代表这个分类中所有投影点对应的测试用例,可以在尽量保证特征信息不丢失的前提下,减少测试用例。
进一步说,在选择投影点时,可以选择与类簇中心的间距小于阈值的投影点,越靠近类簇中心,说明涵盖的特征信息越为关键,如可以设置阈值为0,也就是说,选择位于类簇中心点的投影点。在一个例子中,可以在每个类别中选择一个,以尽可能减少测试用例的数量。
可见,本实施方式中将获取的多个用例以矩阵形式,通过矩阵变换和奇异值分解,获得对整个矩阵影响最大的若干个维度,并通过差异最大的方向对测试用例进行投影,之后根据投影分布进行分类,在各类别中分别选取投影点,选出的投影点对应的测试用例即可作为选出的测试用例,使得可以自动筛选出的测试用例,且在选出数量尽量少的前提下,选出能尽量包含用户的行为特征的测试用例。可见,本实施方式使得在保持选出的测试用例尽可能涵盖用户操作思维信息的同时,减少选出的测试用例的数量,提高测试用例选择效率,从而节省测试时间,提高测试效率。进一步明确了根据投影点分布进行测试用例筛选的方法,尽量使选出的测试用例具有较大差异,尽可能涵盖更多的用户思维信息。同时,使得选出的测试用例更具有代表性,从而有效提升测试效率。
需要说明的是,本实施方式中第一矩阵的行,为测试用例识别号,第一矩阵的列,为功能节点的识别号。实际应用中,第一矩阵的列,可以为测试用例识别号,第一矩阵的行,可以为功能节点的识别号。之后的矩阵运算类似,在此不再赘述。
本发明的第二实施方式涉及一种测试用例的选择方法。第二实施方式是在第一实施方式的基础上,做了进一步改进:第二实施方式中,对第一矩阵进行协方差运算之前,先对第一矩阵进行去中心化处理,之后将将去中心化处理后的第一矩阵进行协方差运算。本实施方式通过去中心化处理后的矩阵,使得后续的转换运算更为简便。
本实施方式中测试用例的选择方法如图4所示,具体如下:
步骤401和步骤402与第一实施方式中的步骤101和步骤102相类似,在此不再赘述。
步骤403,对第一矩阵进行去中心化处理。
具体的说,以第一实施方式中表1所示的第一矩阵为例,可以计算第一矩阵中每一列的均值μ以及方差σ,然后该列的每一个值按照计算,以得到矩阵B(M×N),
步骤404,将去中心化处理后的第一矩阵转换进行协方差运算,获得第二矩阵。
具体的说,上述步骤403中的矩阵B为去中心化后的第一矩阵。继续对矩阵B进行协方差运算。
步骤405至步骤408与第一实施方式中的步骤104至步骤107相类似,在此不再赘述。
可见,本实施方式中先对矩阵进行去中心化处理,使得后续的矩阵运算更为简便。
上面各种方法的步骤划分,只是为了描述清楚,实现时可以合并为一个步骤或者对某些步骤进行拆分,分解为多个步骤,只要包括相同的逻辑关系,都在本专利的保护范围内;对算法中或者流程中添加无关紧要的修改或者引入无关紧要的设计,但不改变其算法和流程的核心设计都在该专利的保护范围内。
本发明第三实施方式涉及一种测试用例的选择装置,如图5所示,具体包括:
获取模块,用于获取多个测试用例,测试用例包括若干个功能节点。
矩阵生成模块,用于根据多个测试用例,生成测试用例和功能节点相关的第一矩阵。
矩阵转换模块,用于将第一矩阵进行协方差运算,获得第二矩阵。
矩阵分解模块,用于对第二矩阵进行奇异值分解,获得第二矩阵的特征值和特征向量,选择数值最大的若干个特征值对应的特征向量,将选定的特征向量形成第三矩阵,将第三矩阵与第一矩阵相乘,获得第四矩阵。
投影模块,用于以选择的特征值数量为坐标维度,将第四矩阵中的测试用例进行投影,获得对应各测试用例的投影点。
分类模块,用于根据位置分布,对各投影点分类,获得多个类别。
处理模块,用于分别从每个类别中选择至少一个投影点,将选出的投影点对应的测试用例作为选定的测试用例。
不难发现,本实施方式为与第一实施方式相对应的***实施例,本实施方式可与第一实施方式互相配合实施。第一实施方式中提到的相关技术细节在本实施方式中依然有效,为了减少重复,这里不再赘述。相应地,本实施方式中提到的相关技术细节也可应用在第一实施方式中。
值得一提的是,本实施方式中所涉及到的各模块均为逻辑模块,在实际应用中,一个逻辑单元可以是一个物理单元,也可以是一个物理单元的一部分,还可以以多个物理单元的组合实现。此外,为了突出本发明的创新部分,本实施方式中并没有将与解决本发明所提出的技术问题关系不太密切的单元引入,但这并不表明本实施方式中不存在其它的单元。
本发明第四实施方式涉及一种电子设备,如图6所示,包括:至少一个处理器;以及,与至少一个处理器通信连接的存储器;其中,存储器存储有可被至少一个处理器执行的指令,指令被至少一个处理器执行,以使至少一个处理器能够执行如上述第一实施方式或第二实施方式中的测试用例的选择方法。
其中,存储器和处理器采用总线方式连接,总线可以包括任意数量的互联的总线和桥,总线将一个或多个处理器和存储器的各种电路连接在一起。总线还可以将诸如***设备、稳压器和功率管理电路等之类的各种其他电路连接在一起,这些都是本领域所公知的,因此,本文不再对其进行进一步描述。总线接口在总线和收发机之间提供接口。收发机可以是一个元件,也可以是多个元件,比如多个接收器和发送器,提供用于在传输介质上与各种其他装置通信的单元。经处理器处理的数据通过天线在无线介质上进行传输,进一步,天线还接收数据并将数据传送给处理器。
其中,处理器负责管理总线和通常的处理,还可以提供各种功能,包括定时,***接口,电压调节、电源管理以及其他控制功能。而存储器可以被用于存储处理器在执行操作时所使用的数据。
本发明第五实施方式涉及一种计算机可读存储介质,存储有计算机程序。计算机程序被处理器执行时实现上述方法实施例。
即,本领域技术人员可以理解,实现上述实施例方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成,该程序存储在一个存储介质中,包括若干指令用以使得一个设备(可以是单片机,芯片等)或处理器(processor)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-OnlyMemory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
本领域的普通技术人员可以理解,上述各实施方式是实现本发明的具体实施例,而在实际应用中,可以在形式上和细节上对其作各种改变,而不偏离本发明的精神和范围。

Claims (9)

1.一种测试用例的选择方法,其特征在于,包括:
获取多个测试用例,测试用例包括若干个功能节点;
根据所述多个测试用例,生成测试用例和功能节点相关的第一矩阵;
将第一矩阵进行协方差运算,获得第二矩阵;
对所述第二矩阵进行奇异值分解,获得所述第二矩阵的特征值和特征向量,选择数值最大的若干个特征值对应的特征向量,将选定的特征向量形成第三矩阵,将所述第三矩阵与所述第一矩阵相乘,获得第四矩阵;
以选择的特征值数量为坐标维度,将第四矩阵中的测试用例进行投影,获得对应各测试用例的投影点;
根据位置分布,对各投影点分类,获得多个类别;
分别从每个类别中选择至少一个投影点,将选出的投影点对应的测试用例作为选定的测试用例;
其中,所述测试用例通过以下步骤形成:
接收用户使用所述测试用例针对的APP时的操作及对应的功能节点;
分析所述操作及对应的功能节点;
组合属于一条路径的操作的功能节点,形成一个所述测试用例。
2.根据权利要求1所述的测试用例的选择方法,其特征在于,所述第一矩阵的行,为测试用例识别号,所述第一矩阵的列,为功能节点的识别号;或者,
所述第一矩阵的列,为测试用例识别号,所述第一矩阵的行,为功能节点的识别号。
3.根据权利要求1所述的测试用例的选择方法,其特征在于,所述将第一矩阵进行协方差运算之前,包括:对第一矩阵进行去中心化处理;
所述将第一矩阵进行协方差运算,具体为:将去中心化处理后的第一矩阵进行协方差运算。
4.根据权利要求1所述的测试用例的选择方法,其特征在于,所述选择数值最大的若干个特征值对应的特征向量,具体为:选择数值最大的两个特征值对应的特征向量;
所述以选择的特征值数量为坐标维度,将第四矩阵中的测试用例进行投影,具体为:在两维坐标中,将第四矩阵中的测试用例进行投影。
5.根据权利要求1所述的测试用例的选择方法,其特征在于,所述根据位置分布,对各投影点分类,获得多个类别,具体为:根据位置分布,对各投影点进行聚类处理,获得多个类簇;
所述分别从每个类别中选择至少一个投影点,具体为:分别从每个类簇中选择至少一个投影点。
6.根据权利要求5所述的测试用例的选择方法,其特征在于,所述分别从每个类别中选择至少一个投影点中,选出的投影点为与类簇中心的间距小于阈值的投影点。
7.一种测试用例的选择装置,其特征在于,包括:
获取模块,用于获取多个测试用例,测试用例包括若干个功能节点;
矩阵生成模块,用于根据所述多个测试用例,生成测试用例和功能节点相关的第一矩阵;
矩阵转换模块,用于将第一矩阵进行协方差运算,获得第二矩阵;
矩阵分解模块,用于对第二矩阵进行奇异值分解,获得所述第二矩阵的特征值和特征向量,选择数值最大的若干个特征值对应的特征向量,将选定的特征向量形成第三矩阵,将所述第三矩阵与所述第一矩阵相乘,获得第四矩阵;
投影模块,用于以选择的特征值数量为坐标维度,将第四矩阵中的测试用例进行投影,获得对应各测试用例的投影点;
分类模块,用于根据位置分布,对各投影点分类,获得多个类别;
处理模块,用于分别从每个类别中选择至少一个投影点,将选出的投影点对应的测试用例作为选定的测试用例;
其中,所述测试用例通过以下步骤形成:
接收用户使用所述测试用例针对的APP时的操作及对应的功能节点;
分析所述操作及对应的功能节点;
组合属于一条路径的操作的功能节点,形成一个所述测试用例。
8.一种电子设备,其特征在于,包括:
至少一个处理器;以及,
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行如权利要求1至6中任一项所述的测试用例的选择方法。
9.一种计算机可读存储介质,存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至6中任一项所述的测试用例的选择方法。
CN202010089714.XA 2020-02-13 2020-02-13 测试用例的选择方法、装置、电子设备和可读存储介质 Active CN111309608B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010089714.XA CN111309608B (zh) 2020-02-13 2020-02-13 测试用例的选择方法、装置、电子设备和可读存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010089714.XA CN111309608B (zh) 2020-02-13 2020-02-13 测试用例的选择方法、装置、电子设备和可读存储介质

Publications (2)

Publication Number Publication Date
CN111309608A CN111309608A (zh) 2020-06-19
CN111309608B true CN111309608B (zh) 2023-09-05

Family

ID=71154494

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010089714.XA Active CN111309608B (zh) 2020-02-13 2020-02-13 测试用例的选择方法、装置、电子设备和可读存储介质

Country Status (1)

Country Link
CN (1) CN111309608B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112269517B (zh) * 2020-11-16 2022-03-01 北京百度网讯科技有限公司 交互界面的生成方法和装置

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102063374A (zh) * 2011-01-07 2011-05-18 南京大学 一种使用半监督信息进行聚类的回归测试用例选择方法
CN105893253A (zh) * 2016-03-29 2016-08-24 百度在线网络技术(北京)有限公司 应用软件测试方法、测试装置及测试设备
CN108073519A (zh) * 2018-01-31 2018-05-25 百度在线网络技术(北京)有限公司 测试用例生成方法和装置
CN108153661A (zh) * 2016-12-05 2018-06-12 腾讯科技(深圳)有限公司 执行测试用例的方法和装置
CN108920353A (zh) * 2018-04-03 2018-11-30 郑州云海信息技术有限公司 一种测试方法、装置及电子设备
CN109815119A (zh) * 2018-12-14 2019-05-28 平安科技(深圳)有限公司 一种app链接渠道的测试方法及装置
CN109918304A (zh) * 2019-03-06 2019-06-21 牡丹江师范学院 一种快速高路径覆盖率测试用例生成方法
CN109933515A (zh) * 2017-12-18 2019-06-25 大唐移动通信设备有限公司 一种回归测试用例集的优化方法和自动优化装置
CN110210343A (zh) * 2019-05-20 2019-09-06 深圳供电局有限公司 一种大数据人脸识别方法及其***、可读存储介质

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20040073890A1 (en) * 2002-10-09 2004-04-15 Raul Johnson Method and system for test management
US10229039B2 (en) * 2016-10-27 2019-03-12 International Business Machines Corporation Testing a virtual network function by a virtual network tester

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102063374A (zh) * 2011-01-07 2011-05-18 南京大学 一种使用半监督信息进行聚类的回归测试用例选择方法
CN105893253A (zh) * 2016-03-29 2016-08-24 百度在线网络技术(北京)有限公司 应用软件测试方法、测试装置及测试设备
CN108153661A (zh) * 2016-12-05 2018-06-12 腾讯科技(深圳)有限公司 执行测试用例的方法和装置
CN109933515A (zh) * 2017-12-18 2019-06-25 大唐移动通信设备有限公司 一种回归测试用例集的优化方法和自动优化装置
CN108073519A (zh) * 2018-01-31 2018-05-25 百度在线网络技术(北京)有限公司 测试用例生成方法和装置
CN108920353A (zh) * 2018-04-03 2018-11-30 郑州云海信息技术有限公司 一种测试方法、装置及电子设备
CN109815119A (zh) * 2018-12-14 2019-05-28 平安科技(深圳)有限公司 一种app链接渠道的测试方法及装置
CN109918304A (zh) * 2019-03-06 2019-06-21 牡丹江师范学院 一种快速高路径覆盖率测试用例生成方法
CN110210343A (zh) * 2019-05-20 2019-09-06 深圳供电局有限公司 一种大数据人脸识别方法及其***、可读存储介质

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
多维标度法选择回归测试子集;王晓华等;《计算机科学》;第37卷(第11期);131-134 *

Also Published As

Publication number Publication date
CN111309608A (zh) 2020-06-19

Similar Documents

Publication Publication Date Title
Milligan et al. A two-stage clustering algorithm with robust recovery characteristics
US20190166024A1 (en) Network anomaly analysis apparatus, method, and non-transitory computer readable storage medium thereof
CN110554958B (zh) 图数据库测试方法、***、设备和存储介质
US10827981B2 (en) System and method for evaluating a cognitive load on a user corresponding to a stimulus
CN102436587B (zh) 使用多个实例学习来训练标志检测器的方法和***
CN106021362A (zh) 查询式的图片特征表示的生成、图片搜索方法和装置
CN110245687B (zh) 用户分类方法以及装置
CN109597858B (zh) 一种商户的分类方法及其装置和商户的推荐方法及其装置
CN109189876B (zh) 一种数据处理方法及装置
CN110008397B (zh) 一种推荐模型训练方法及装置
CN110717806B (zh) 产品信息推送方法、装置、设备及存储介质
CN113067653A (zh) 一种频谱感知方法、装置、电子设备及介质
CN108734587A (zh) 金融产品的推荐方法及终端设备
CN110909222A (zh) 基于聚类的用户画像建立方法、装置、介质及电子设备
CN107203772B (zh) 一种用户类型识别方法及装置
CN111309608B (zh) 测试用例的选择方法、装置、电子设备和可读存储介质
CN110895706B (zh) 一种目标聚类数的获取方法、装置及计算机***
CN112148942A (zh) 基于数据聚类的业务指标数据分类方法及装置
CN112069269B (zh) 基于大数据和多维特征的数据溯源方法及大数据云服务器
CN108830302B (zh) 一种图像分类方法、训练方法、分类预测方法及相关装置
CN116186119A (zh) 用户行为分析方法、装置、设备及存储介质
CN112350745B (zh) 一种跳频通信电台的分选方法
CN114021716A (zh) 一种模型训练的方法、***及电子设备
CN112784886A (zh) 一种基于多层最大生成树图核的脑图像分类方法
CN110516024A (zh) 地图搜索结果展现方法、装置、设备和存储介质

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