[发明专利]一种基于NLP和KG的手机APP自动测试方法

说明书

本发明公开了一种基于NLP和KG的手机APP自动测试方法，涉及软件测试技术领域，其中，本方法利用基于DSSM语义相似度计算技术、BERT自然语言推理技术以及知识图谱存储技术，将该应用程序所具有的各个功能自动构建成一个图数据结构，图中的每一条路径则代表完成APP某个功能的一个完整的操作流程，与传统的自动测试相比，在训练完毕的深度学习模型的基础上，手机APP是完全进行离线测试的，并且通过自动生成手机APP的自然语言脚本及知识图谱数据模型，能够实现对测试用例的再次复用。

技术领域

本发明涉及软件测试技术领域，具体涉及一种基于NLP和KG的安卓手机 APP自动测试方法。

背景技术

自然语言处理是计算机科学领域与人工智能领域中的一个重要方向。它研究能实现人与计算机之间用自然语言进行有效通信的各种理论和方法。是计算机科学，人工智能，语言学关注计算机和人类(自然)语言之间的相互作用的领域。

随着4G、5G网络的广泛普及，以及硬件技术的不断提高，适用于智能手机的应用程序的种类和数量也不断增加,但是由于其软件中页面设计变得更加复杂,功能也不断增多,导致了更多的软件故障和问题，这给软件测试的工作带来了巨大的挑战。在手机软件设计公司中，由于手机软件平台设计的封闭性，原本的软件黑盒测试基本是通过手动测试来实现的，最近几年来，智能手机的出现让手动测试的难度越来越高，而产品设计周期不断缩短，设计成本的不断压缩，使得各家公司开始尝试用自动化测试来代替人工，以降低测试成本，提高产品质量。

深度学习中一种基于数据进行表征学习的方法，其动机在于建立、模拟人脑进行分析学习的神经网络，它模仿人脑的机制来解释数据，例如图像，声音和文本。它能通过组合低层特征形成更加抽象的高层特征表示属性类别或特征，以发现数据的分布式特征表示。在自动测试系统中，由于存在大量与手机APP进行交互的操作，并且对于特点领域的手机APP，例如银行APP，其基本功能都是相同的，因此，可以利用自然语言处理NLP及深度学习技术来学习相同领域手机APP 的操作规律，并利用知识图谱数据模型对手机APP的操作图进行构建。

发明内容

发明目的：本发明针对传统的APP功能性自动测试系统，提出一种基于NLP 和KG的手机APP自动测试方法，用于提高APP测试速度及精度。本发明是基于 NLP中的自然语言推理模型及语义相似度计算模型，并结合知识图谱数据模型完成对手机APP的自动化测试。

技术方案：

一种基于NLP和KG的手机APP自动测试方法，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。