[发明专利]一种测试用例聚类分析方法及系统

说明书

本发明公开了一种测试用例聚类分析方法及系统，方法包括：S1.将测试用例标准化为对变量的赋值操作，确定标准化向量结构，根据标准化向量结构生成标准化的测试用例向量；S2.根据标准化向量结构和需要的测试功能构建基于神经网络的测试用例功能分析模型；S3.从测试用例向量中选择训练样本，并分析确定训练样本所覆盖的测试功能；S4.以训练样本对测试用例功能分析模型进行训练；S5.以其余非训练样本的测试用例向量为测试用例功能分析模型的输入参数，通过测试用例功能分析模型确定测试用例向量的测试功能。本发明具有智能化程度高、可自动分析测试用例的测试功能、大幅度提高软件测试效率、降低软件测试人力成本等优点。

技术领域

本发明涉及一种软件测试技术领域，尤其涉及一种测试用例聚类分析方法及系统。

背景技术

在日常软件测试工作中，通常会遇到软件需求功能基本不变，但软件代码经常小幅度高频次修改；针对这样的软件，在测试过程中，测试用例输入变量具有高度的重复性，有人提出将测试用例操作步骤分解成对输入变量的赋值的基本操作单元，并将基本操作单元随机组合生成测试用例，但这一方法存在弊端，由于是使用随机组合，并没有与软件功能建立一一对应的关系，这样虽然在测试用例生成阶段实现了自动化，但在实际测试过程中，还是需要人工建立测试用例与软件功能的对应关系，才能获得与软件功能对应一致的测试用例，导致了测试执行阶段还是基于人工的方式，降低了整个测试过程的自动化和智能化程度，没有完全提升测试效率。

发明内容

本发明要解决的技术问题就在于：针对现有技术存在的技术问题，本发明提供一种智能化程度高、可自动分析测试用例的测试功能、大幅度提高软件测试效率、降低软件测试人力成本的测试用例聚类分析方法及系统。

为解决上述技术问题，本发明提出的技术方案为：一种测试用例聚类分析方法，包括如下步骤：

S1.将测试用例标准化为对变量的赋值操作，确定标准化向量结构，根据标准化向量结构生成标准化的测试用例向量；

S2.根据所述标准化向量结构和需要的测试功能构建基于神经网络的测试用例功能分析模型；

S3.从所述测试用例向量中选择训练样本，并分析确定训练样本所覆盖的测试功能；

S4.以所述训练样本作为所述测试用例功能分析模型的输入参数，以所述训练样本所覆盖的测试功能确定测试用例功能分析模型的输出期望，对所述测试用例功能分析模型进行训练；

S5.以其余非训练样本的测试用例向量为所述测试用例功能分析模型的输入参数，通过测试用例功能分析模型确定测试用例向量的测试功能。

作为本发明的进一步改进，所述标准化向量结构描述为可表征全部测试用例中所包含的全部变量，包括变量的初始值和赋值过程的一组向量的结构。

作为本发明的进一步改进，所述测试用例向量描述为表征某个测试用例中所包含变量的初始值、赋值过程的一组向量。

作为本发明的进一步改进，步骤S2中所述测试用例功能分析模型描述为包括输入层、隐含层和输出层的模型；其中，输入层节点与所述标准化向量结构中的各元素固定对应，输出层节点与所述测试功能固定对应。

作为本发明的进一步改进，所述测试用例功能分析模型的每个输入层节点与每个隐含层节点之间定义有第一权值，每个隐含层节点均定义有第一阀值；每个隐含层节点与每个输出层节点之间定义有第二权值，每个输出层节点均定义有第二阀值；每个输入层节点与每个隐含层节点之间定义有第一传递函数；每个隐含层节点与每个输出层节点之间定义有第二传递函数。

作为本发明的进一步改进，所述第一权值和第二权值的初始值为在预设范围内的随机数。

作为本发明的进一步改进，所述预设范围为-0.05至0.05。