[发明专利]软件免测的预测方法、装置、设备及存储介质

说明书

本公开涉及一种软件免测的预测方法、装置、设备及存储介质。所述方法包括：获取提测软件的特征信息；将所述提测软件的特征信息输入免测分类预测模型进行免测分类预测处理，获取所述提测软件对应的免测分类预测结果。通过获取提测软件的特征信息以及利用训练的免测分类预测模型进行免测分类预测处理，可以在软件提测的源头判断软件是否可以免测，这种提测分析前置的方式，可以在免测分类预测结果为免测时，直接发布上线，避免软件在每个迭代周期都经过测试，提高软件上线效率，便于敏捷开发管理，实现了软件的前置量化测试，达到人力成本和软件质量的最优平衡。提高了软件免测的预测可靠性，并实现了软件测试的基线化。

技术领域

本公开涉及软件测试领域，尤其涉及一种软件免测的预测方法、装置、设备及存储介质。

背景技术

近年来，随着人工智能技术研究和进步，人工智能技术在多个领域得到广泛应用，其中，在软件测试的自动化发展趋势下，人工智能在软件测试领域的应用将会越来越受到关注。

软件测试是一种用来鉴定软件的正确性、完整性、安全性和质量的过程。在规定的条件下对程序进行操作，以发现程序错误，衡量软件质量，并对其是否能满足设计要求进行评估的过程。软件缺陷产生于开发人员的编码过程，由于需求理解不正确、软件开发过程不合理或开发人员的经验不足，均有可能产生软件缺陷，但是如果每个迭代周期都经过测试的话也会影响产品的上线时间，这在当下互联网时代的迭代周期中并不可取。

发明内容

有鉴于此，本公开提出了一种软件免测的预测方法、装置、设备及存储介质。可以避免软件在每个迭代周期都需要测试，提高软件上线效率。

根据本公开的一方面，提供了一种软件免测的预测方法，所述方法包括：

获取提测软件的特征信息，所述特征信息为表征软件代码质量的信息；

将所述提测软件的特征信息输入免测分类预测模型进行免测分类预测处理，获取所述提测软件对应的免测分类预测结果；

其中，所述免测分类预测模型是基于训练样本集进行机器学习训练确定的，所述训练样本集包括样本软件的特征信息以及相应的免测分类标签。

根据本公开的另一方面，提供了一种软件免测的预测装置，所述装置包括：

特征信息获取模块，用于获取提测软件的特征信息，所述特征信息为表征软件代码质量的信息；

免测分类预测结果获取模块，用于将所述提测软件的特征信息输入免测分类预测模型进行免测分类预测处理，获取所述提测软件对应的免测分类预测结果；

其中，所述免测分类预测模型是基于训练样本集进行机器学习训练确定的，所述训练样本集包括样本软件的特征信息以及相应的免测分类标签。

根据本公开的另一方面，提供了一种软件免测的预测设备，包括：处理器；用于存储处理器可执行指令的存储器；其中，所述处理器被配置为执行上述方法。

根据本公开的另一方面，提供了一种非易失性计算机可读存储介质，其上存储有计算机程序指令，其中，所述计算机程序指令被处理器执行时实现上述方法。

通过获取提测软件的特征信息以及利用训练的免测分类预测模型进行免测分类预测处理，根据本公开实施例的软件免测的预测方法、装置、设备及存储介质，可以实现软件测试左移，即可以在软件提测的源头判断软件是否可以免测，这种提测分析前置的方式，可以在免测分类预测结果为免测时，直接发布上线，避免软件在每个迭代周期都经过测试，提高软件上线效率，便于敏捷开发管理，实现了软件的前置量化测试，达到人力成本和软件质量的最优平衡。