[发明专利]测试用例评分模型训练方法和测试用例选择方法

权利要求书

1.一种测试用例评分模型训练方法，其特征在于，包括：

确定用于软件测试的多个历史测试用例；

根据所述历史测试用例生成训练样本，所述训练样本包括历史测试用例的特征信息和历史测试用例的缺陷发现率；

根据所述训练样本，联合其它参与方，基于横向联邦学习进行模型训练，最终得到的测试用例评分模型，用于根据多个备选测试用例的特征信息预测对应的缺陷发现率，以根据预测得到的缺陷发现率从多个备选测试用例中选择实际测试用例。

2.根据权利要求1所述的方法，其特征在于，所述根据所述训练样本，联合其它参与方，基于横向联邦学习进行模型训练，包括：

从服务器获取初始的测试用例评分模型参数；

利用所述训练样本进行模型训练，得到损失函数梯度；

将所述损失函数梯度发送到服务器，以使服务器对各参与方发送的损失函数梯度进行聚合、更新；

接收服务器发送的更新后的损失函数梯度；

基于所述更新后的损失函数梯度继续进行模型训练，迭代直至损失函数收敛，得到训练好的测试用例评分模型。

3.根据权利要求1或2所述的方法，其特征在于，所述历史测试用例的特征包括：软件形态、软件业务、用例类型、所属模块、用例状态、操作步骤是否涉及输入框、操作步骤是否涉及按钮、操作步骤是否涉及缩放、验证点是否包括页面显示、验证点是否包括数据库验证、验证点是否包括日志验证。

4.一种测试用例选择方法，其特征在于，包括：

获取多个备选测试用例；

基于训练好的测试用例评分模型，预测所述备选测试用例的缺陷发现率；所述测试用例评分模型是利用如权利要求1-3任一项所述的测试用例评分模型训练方法训练的；

根据预测得到的缺陷发现率，从多个备选测试用例中选择实际测试用例。

5.根据权利要求4所述的方法，其特征在于，所述根据预测得到的缺陷发现率，从多个备选测试用例中选择实际测试用例，包括：

将多个备选测试用例按照缺陷发现率从高到低排序；

选择缺陷发现率最高的N个备选测试用例作为实际测试用例。

6.根据权利要求4所述的方法，其特征在于，所述根据预测得到的缺陷发现率，从多个备选测试用例中选择实际测试用例，包括：

针对每个测试用例，为缺陷发现率、重要性、执行耗时设置权重；

确定缺陷发现率、重要性、执行耗时的加权和值；

将多个所述备选测试用例按照加权和值从大到小排序；

选择加权和值最大的N个备选测试用例作为实际测试用例。

7.一种测试用例评分模型训练装置，其特征在于，包括：

历史测试用例确定模块，用于确定用于软件测试的多个历史测试用例；

训练样本生成模块，用于根据所述历史测试用例生成训练样本，所述训练样本包括历史测试用例的特征信息和历史测试用例的缺陷发现率；

训练模块，用于根据所述训练样本，联合其它参与方，基于横向联邦学习进行模型训练，最终得到的测试用例评分模型，用于根据多个备选测试用例的特征信息预测对应的缺陷发现率，以根据预测得到的缺陷发现率从多个备选测试用例中选择实际测试用例。

8.一种测试用例选择装置，其特征在于，包括：

获取模块，用于获取多个备选测试用例；

预测模块，用于基于训练好的测试用例评分模型，预测所述备选测试用例的缺陷发现率；所述测试用例评分模型是利用如权利要求1-3任一项所述的测试用例评分模型训练方法训练的；

选择模块，用于根据预测得到的缺陷发现率，从多个备选测试用例中选择实际测试用例。

9.一种电子设备，其特征在于，所述电子设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的程序，所述程序被所述处理器执行时实现如权利要求1至6任一项所述的方法的步骤。