【技術實現步驟摘要】
本專利技術實施例涉及計算機，尤其涉及一種測試用例生成方法、裝置、設備、介質及產品。
技術介紹
1、目前，在生成測試用例方面，通常依賴于人工編寫測試用例，也即，測試人員根據功能需求文本撰寫測試用例。但是，在人工編寫的測試用例中，由于測試人員的聯想能力有限，導致測試功能的邊緣情況未能完全覆蓋，無法貼合真實使用場景，且該方法的人工成本，以及對測試人員的要求較高。此外，為了覆蓋更多的功能場景，需要耗費大量時間進行人工編寫，進而增加了錯誤流出的可能性，從而存在生成測試用例的效率低的問題。
2、針對上述生成測試用例的效率低，且無法貼合真實使用場景的問題，目前尚未提出有效的解決方案。
技術實現思路
1、本專利技術實施例提供一種測試用例生成方法、裝置、設備、介質及產品，基于用戶歷史交互行為數據自動生成測試用例，生成的測試用例更加貼合真實使用場景，提高測試用例的真實性和有效性，并且能夠提升測試用例的生成效率。
2、根據本專利技術的一方面，提供了一種測試用例生成方法，包括：
3、獲取多個用戶歷史交互行為數據對應的初始高維向量集合；
4、根據測試條件數據對應的高維向量和所述初始高維向量集合中各初始高維向量的相似度，對所述初始高維向量集合進行篩選，得到目標高維向量集合；
5、基于所述目標高維向量集合中各目標高維向量對應的用戶歷史交互行為數據，生成各目標高維向量對應的測試用例。
6、在本專利技術的一些實施例中，基于所述目標高維向量集合中
7、獲取所述目標高維向量集合中的各目標高維向量對應的用戶歷史交互行為數據；
8、將目標高維向量集合中的各目標高維向量對應的用戶歷史交互行為數據和第一知識庫輸入目標驗證點補充模型，得到各目標高維向量對應的測試序列，所述目標驗證點補充模型通過第一樣本集訓練初始驗證點補充模型得到，第一樣本集包括：第一樣本和第一樣本對應的標簽，所述第一樣本為缺失驗證點的交互行為序列樣本，第一樣本對應的標簽為補充驗證點后的完整交互行為序列，所述第一知識庫包括：驗證點和驗證點的關聯交互行為數據；
9、將各目標高維向量對應的測試序列和第二知識庫輸入目標測試用例生成模型，得到各目標高維向量對應的測試用例，所述第二知識庫包括：交互行為數據和交互行為數據對應的測試用例。
10、在本專利技術的一些實施例中，通過第一樣本集訓練初始驗證點補充模型，包括：
11、將所述第一樣本集中的第一樣本輸入初始驗證點補充模型，得到補充驗證點后的預測交互行為序列；
12、根據所述補充驗證點后的預測交互行為序列和所述補充驗證點后的完整交互行為序列的差異，訓練所述初始驗證點補充模型的參數，得到目標驗證點補充模型。
13、在本專利技術的一些實施例中，獲取多個用戶歷史交互行為數據對應的初始高維向量集合，包括：
14、根據多個用戶歷史交互行為數據生成訓練樣本集；
15、根據所述訓練樣本集對初始編碼模型進行訓練，得到目標編碼模型，其中，所述初始編碼模型包括：編碼器；
16、將所述多個用戶歷史交互行為數據依次輸入所述目標編碼模型；
17、獲取所述目標編碼模型的編碼器輸出的各用戶歷史交互行為數據對應的初始高維向量集合。
18、在本專利技術的一些實施例中，在根據測試條件數據對應的高維向量和所述初始高維向量集合中各初始高維向量的相似度，對所述初始高維向量集合進行篩選，得到目標高維向量集合之前，還包括：
19、將所述測試條件數據輸入所述目標編碼模型；
20、獲取所述目標編碼模型的編碼器輸出的測試條件數據對應的高維向量。
21、在本專利技術的一些實施例中，各用戶歷史交互行為數據包括：各用戶對應的歷史交互行為序列，其中，用戶對應的歷史交互行為序列為預設時間內采集的歷史交互行為子數據按照時間先后順序排序后，得到的交互行為序列；
22、根據多個用戶歷史交互行為數據生成訓練樣本集，包括：
23、將各用戶歷史交互行為序列中除第n個時間點對應的用戶歷史交互行為子數據以外的其他用戶歷史交互行為子數據確定為訓練樣本，將第n個時間點對應的用戶歷史交互行為子數據確定為訓練樣本對應的標簽，其中，n為正整數；
24、根據所述訓練樣本和訓練樣本對應的標簽，生成訓練樣本集。
25、在本專利技術的一些實施例中，在根據測試條件數據對應的高維向量和所述初始高維向量集合中各初始高維向量的相似度，對所述初始高維向量集合進行篩選，得到目標高維向量集合之前，還包括：
26、獲取測試條件數據對應的高維向量和所述初始高維向量集合中各初始高維向量的余弦相似度和/或歐式距離；
27、根據測試條件數據對應的高維向量和所述初始高維向量集合中各初始高維向量的余弦相似度和/或歐式距離，確定測試條件數據對應的高維向量和所述初始高維向量集合中各初始高維向量的相似度。
28、在本專利技術的一些實施例中，根據測試條件數據對應的高維向量和所述初始高維向量集合中各初始高維向量的相似度，對所述初始高維向量集合進行篩選，得到目標高維向量集合，包括：
29、根據測試條件數據對應的高維向量和所述初始高維向量集合中各初始高維向量的相似度，對所述初始高維向量集合進行篩選，得到篩選后的初始高維向量集合；
30、獲取所述篩選后的初始高維向量集合中各高維向量對應的用戶歷史交互行為數據的出現頻次；
31、根據各高維向量對應的用戶歷史交互行為數據的出現頻次對所述篩選后的初始高維向量集合進行篩選，得到目標高維向量集合。
32、在本專利技術的一些實施例中，用戶歷史交互行為數據包括：交互信息、車輛信息和環境信息。
33、根據本專利技術的另一方面，提供了一種測試用例生成裝置，該裝置包括：
34、獲取模塊，用于獲取多個用戶歷史交互行為數據對應的初始高維向量集合；
35、篩選模塊，用于根據測試條件數據對應的高維向量和所述初始高維向量集合中各初始高維向量的相似度，對所述初始高維向量集合進行篩選，得到目標高維向量集合；
36、生成模塊，用于基于所述目標高維向量集合中各目標高維向量對應的用戶歷史交互行為數據，生成各目標高維向量對應的測試用例。
37、在本專利技術的一些實施例中，生成模塊具體用于：
38、獲取所述目標高維向量集合中的各目標高維向量對應的用戶歷史交互行為數據；
39、將目標高維向量集合中的各目標高維向量對應的用戶歷史交互行為數據和第一知識庫輸入目標驗證點補充模型，得到各目標高維向量對應的測試序列，所述目標驗證點補充模型通過第一樣本集訓練初始驗證點補充模型得到，第一樣本集包括：第一樣本和第一樣本對應的標簽，所述第一樣本為缺失驗證點的交互行為序列樣本，第一樣本對應的標簽為補充驗證點后的完整交互本文檔來自技高網...
【技術保護點】
1.一種測試用例生成方法，其特征在于，包括：
2.根據權利要求1所述的方法，其特征在于，基于所述目標高維向量集合中各目標高維向量對應的用戶歷史交互行為數據，生成各目標高維向量對應的測試用例，包括：
3.根據權利要求2所述的方法，其特征在于，通過第一樣本集訓練初始驗證點補充模型，包括：
4.根據權利要求1-3中任一項所述的方法，其特征在于，獲取多個用戶歷史交互行為數據對應的初始高維向量集合，包括：
5.根據權利要求4所述的方法，其特征在于，在根據測試條件數據對應的高維向量和所述初始高維向量集合中各初始高維向量的相似度，對所述初始高維向量集合進行篩選，得到目標高維向量集合之前，還包括：
6.根據權利要求4所述的方法，其特征在于，各用戶歷史交互行為數據包括：各用戶對應的歷史交互行為序列，其中，用戶對應的歷史交互行為序列為預設時間內采集的歷史交互行為子數據按照時間先后順序排序后，得到的交互行為序列；
7.根據權利要求1-3中任一項所述的方法，其特征在于，在根據測試條件數據對應的高維向量和所述初始高維向量集合中各初始高
8.根據權利要求1-3中任一項所述的方法，其特征在于，根據測試條件數據對應的高維向量和所述初始高維向量集合中各初始高維向量的相似度，對所述初始高維向量集合進行篩選，得到目標高維向量集合，包括：
9.根據權利要求1-3中任一項所述的方法，其特征在于，用戶歷史交互行為數據包括：交互信息、車輛信息和環境信息。
10.一種測試用例生成裝置，其特征在于，包括：
11.一種電子設備，其特征在于，所述電子設備包括：
12.一種計算機可讀存儲介質，其特征在于，所述計算機可讀存儲介質存儲有計算機指令，所述計算機指令用于使處理器執行時實現權利要求1-9中任一項所述的測試用例生成方法。
13.一種計算機程序產品，其特征在于，所述計算機程序產品包括計算機程序，所述計算機程序在被處理器執行時實現根據權利要求1-9中任一項所述的測試用例生成方法。
...【技術特征摘要】
1.一種測試用例生成方法，其特征在于，包括：
2.根據權利要求1所述的方法，其特征在于，基于所述目標高維向量集合中各目標高維向量對應的用戶歷史交互行為數據，生成各目標高維向量對應的測試用例，包括：
3.根據權利要求2所述的方法，其特征在于，通過第一樣本集訓練初始驗證點補充模型，包括：
4.根據權利要求1-3中任一項所述的方法，其特征在于，獲取多個用戶歷史交互行為數據對應的初始高維向量集合，包括：
5.根據權利要求4所述的方法，其特征在于，在根據測試條件數據對應的高維向量和所述初始高維向量集合中各初始高維向量的相似度，對所述初始高維向量集合進行篩選，得到目標高維向量集合之前，還包括：
6.根據權利要求4所述的方法，其特征在于，各用戶歷史交互行為數據包括：各用戶對應的歷史交互行為序列，其中，用戶對應的歷史交互行為序列為預設時間內采集的歷史交互行為子數據按照時間先后順序排序后，得到的交互行為序列；
7.根據權利要求1-3中任一項所述的方法，其特征在于，在根據測試...
【專利技術屬性】
技術研發人員：張薇，李淑玲，郭秉鈺，王澤昊，
申請(專利權)人：北京羅克維爾斯科技有限公司，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。