[发明专利]一种基于NLP和KG的手机APP自动测试方法

权利要求书

1.一种基于NLP和KG的手机APP自动测试方法，其特征在于，具体步骤如下：

步骤(1)首先上传手机APP测试所需的数据(例如登录帐号等)，并连接用于测试的手机及APP；

步骤(2)调用通用路径生成模块生成APP的登录、注册等通用路径，并存储到通用路径列表中；

步骤(3)从通用路径列表中进行通用路径的提取并依次提取出当前路径中的每一个操作节点或场景节点，同时通过页面信息抽取功能获取与当前节点对应的APP页面信息；

步骤(4)调用DSSM模型，匹配得到与当前节点对应的APP页面控件名称及空间操作脚本，并执行当前脚本挑战的下一页面，重复执行第3、4步；

步骤(5)如果路径中节点提取完毕，就调用BERT模型对路径中最后一个节点和当前APP页面所有控件名称进行操作流程的推理，对于判断为当前节点的下一步操作的控件，通过结合之前操作流程生成一条新的路径，添加到当前路径列表中，然后执行新节点对应的脚本内容。重复执行第5步操作；

步骤(6)当节点类型为结果节点，即代表当前操作流程执行完毕，即可将当前操作流程存储到结果列表中，执行第3步；

步骤(7)当所有操作路径都支持并生成完毕以后，通过测试图谱生成功能，将这些操作路径转换成提前预定于的知识图谱数据结构，存储到图数据库中，并同时生产测试报告，提供给测试人员审核。

2.如权利要求1所述的一种基于NLP和KG的手机APP自动测试方法，其特征在于，语义相似度计算模型DSSM从下往上可以分为三层结构：输入层、表示层、匹配层；DSSM的输入层将输入的两个句子分别转为由字向量(用Word2Vec中基于负采样的CBOW模型训练的向量)表示的二维数组，并将其作为表示层的输入；

DSSM的表示层用双向GRU模型对句子中单词的位置信息进行编码；采用Transformer的编码器部分代替传统的MLP结构对语义信息进行编码；通过global-attention将原本由每个字向量组成的句子特征表示转换新的句子表示；设w_i为第i个单词的特征向量，N为句子长度，则global-attention的计算公式为：

k_i＝tanh(W_sw_i+b_s)，i∈[0，N]

在由表示层分别得到两个句子的特征向量后，它们之间的语义相似性可以通过这两个特征向量的余弦相似度，cosine距离来表示，余弦相似度的计算公式如下所示：

在本发明中，N代表节点，W代表页面文字。

3.如权利要求1所述的一种基于NLP和KG的手机APP自动测试方法，其特征在于，BERT模型是多层双向的Transformer编码器，其由多个小的编码器构成，其中每一个小的编码器分别由self-attention层和full-connect层组成。

4.如权利要求1所述的一种基于NLP和KG的手机APP自动测试方法，其特征在于，基于BERT的NLI模型中输入句子A和B被拼接到一起进行联合建模，并且两句子之间以句子分隔符[SEP]隔开，在拼接完毕的句子头部再引入一个分类标识符[CLS]，该分类标识符的作用主要是用于推理结果的分类。最终，整个模型的输入变成了如下格式：

[CLS] A [SEP] B。