[发明专利]一种软件回归测试影响域分析方法及系统

权利要求书

1.一种软件回归测试影响域分析方法，其特征在于，包括以下步骤：

S1，构建有向有权图模型：获取测试轮次下所有功能项，利用功能项结合三元闭包理论建立有向有权图模型；

S2，计算功能项关联概率：根据功能项与功能项之间的依赖相关性，利用有向有权图模型计算功能项与功能项之间的直接关系，得出功能项与功能项之间的关联程度权值；

S3，计算功能项推荐系数：计算聚集系数、邻里重叠度，进而计算功能项推荐系数；

S4，生成回归测试用例：依据功能项推荐系数的大小，生成软件回归测试用例；

步骤S2中，利用有向有权图模型计算功能项与功能项之间的直接关系时，将功能项转换为有向有权图中的点，将功能项与功能项之间的直接关系转换为有向有权图中的边；

步骤S2中，功能项与功能项之间直接关系的关联程度，采用边的权值来描述，边的权值越大，表示两者直接关系的关联程度越大，反之，表示关联程度越小；

步骤S2中，所述依赖相关性包括但不限于以下的一种或多种：控制依赖相关性、数据依赖相关性、数据交互相关性、性能依赖相关性、时序依赖相关性；

步骤S2中，两个功能项之间的边的权值计算公式为：

0≤Wij≤1，

0≤d_c≤1，0≤d_d≤1，0≤d_i≤1，

0≤d_p≤1，0≤d_t≤1，0≤d_o≤1；

其中，

i、j表示两个功能项的编号；

Wij表示编号为i和j的两个功能项之间的边的权值；

d_c表示功能项之间的控制依赖相关性，w_c表示d_c的分配权重，w_c为正实数；

d_d表示功能项之间的数据依赖相关性，w_d表示d_d的分配权重，w_d为正实数；

d_i表示功能项之间的数据交互相关性，w_i表示d_i的分配权重，w_i为正实数；

d_p表示功能项之间的性能依赖相关性，w_p表示d_p的分配权重，w_p为正实数；

d_t表示功能项之间的时序依赖相关性，w_t表示d_t的分配权重，w_t为正实数；

d_o表示功能项之间的其它依赖相关性，w_o表示d_o的分配权重，w_o为正实数；

步骤S3中，计算邻里重叠度采用以下步骤：

S311，找出入度和出度都大于零的所有功能项；

S312，获取第一层次的三元关系组；

S313，获取下一层次的三元关系组；

S314，重复步骤S313，直至获取所有层次的三元关系组；

S315，计算三元关系组的入度功能项和出度功能项的交点数及并集数；

S316，计算得出交点数及并集数的邻里重叠度值；

步骤S3中，计算聚集系数采用以下步骤：

S321，计算功能项的出度：若出度存在且大于1，存入邻居数组，进入步骤S322；否则，出度置为0，计算聚集系数完成；

S322，计算邻居总对数，计算公式为：

邻居总对数＝(功能项出度/功能项出度-1)/2；

S323，计算邻居间朋友对个数；

S324，计算聚集系数，计算公式为：

0≤C_i≤1，其中，C_i表示聚集系数；

步骤S3中，计算功能项推荐系数采用以下公式：

其中，Ri表示功能项推荐系数，0≤Ri≤1，n表示三元闭包推荐值的层数，n为正整数，1≤kk≤n，kk为正整数，∑Wij表示与编号为i的功能项直接相连的所有有缺陷功能项的边权值之和，∑R_i(kk)表示与编号为i的功能项相连的所有第kk层三元闭包推荐值之和，R_i(kk)表示编号为i的功能项的第kk层相连三元闭包下的推荐值，R_i(kk)由聚集系数及邻里重叠度计算得出。