CN111459830B - 测试案例生成方法及装置 - Google Patents
测试案例生成方法及装置 Download PDFInfo
- Publication number
- CN111459830B CN111459830B CN202010266739.2A CN202010266739A CN111459830B CN 111459830 B CN111459830 B CN 111459830B CN 202010266739 A CN202010266739 A CN 202010266739A CN 111459830 B CN111459830 B CN 111459830B
- Authority
- CN
- China
- Prior art keywords
- data
- sentences
- network database
- semantic network
- business term
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING OR CALCULATING; COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/36—Prevention of errors by analysis, debugging or testing of software
- G06F11/3668—Testing of software
- G06F11/3672—Test management
- G06F11/3684—Test management for test design, e.g. generating new test cases
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Computer Hardware Design (AREA)
- Quality & Reliability (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Debugging And Monitoring (AREA)
Abstract
本发明提供了一种测试案例生成方法及装置,涉及测试技术领域,该方法包括:获取语义网络数据库;语义网络数据库中包括语句和案例描述数据;每个语句与至少一个案例描述数据形成映射关系;语句包括业务术语数据和谓词关系数据;根据语句和业务术语数据和谓词关系数据确定至少一个数据组合;每个数据组合包括一个或多个语句,且对于多个语句中的任一个语句,在多个语句中存在至少一个语句包括与任一个语句相同的业务术语数据;根据每个数据组合和案例描述数据生成多个测试案例。本发明基于语义网络数据库可以自动生成测试案例,提升了测试案例的生成效率,能够得到更加完备的测试案例,进而可以提升测试的充分性。
Description
技术领域
本发明涉及测试技术领域,尤其是涉及一种测试案例生成方法及装置。
背景技术
测试案例设计是软件测试中重要的行为活动。测试案例的充分性对于系统是否高质量交付具有重要意义。当前,在功能测试案例设计工作中,往往是基于自然语言,人工设计测试案例,这种方法不仅效率不高,同时也容易因设计人员的能力差异导致测试案例不够完备,测试的充分性不足,从而无法发现重要的软件质量缺陷。
发明内容
本发明提供了一种测试案例生成方法及装置,可以有效地提升生成测试案例的效率,并且能够得到更加完备的测试案例,提升测试的充分性,以便及时发现软件质量缺陷。
第一方面,本发明实施例提供了一种测试案例生成方法,该方法包括:获取语义网络数据库;所述语义网络数据库中包括语句和案例描述数据;每个所述语句与至少一个所述案例描述数据形成映射关系;所述语句包括业务术语数据和谓词关系数据;案例描述数据是预先基于语义网络数据库中的语句生成的测试案例概述信息,用于描述测试案例执行的内容和结果;根据所述语句和所述业务术语数据和所述谓词关系数据确定至少一个数据组合;每个所述数据组合包括一个或多个语句,且对于所述多个语句中的任一个语句,在所述多个语句中存在至少一个语句包括与所述任一个语句相同的业务术语数据;根据每个所述数据组合和所述案例描述数据生成多个测试案例;
获取语义网络数据库之前,还包括:
获取初始语义网络数据库;所述初始语义网络数据库根据自然语言生成;
利用可扩展标记语言对所述初始语义网络数据库进行形式处理,得到语义网络数据库。
第二方面,本发明实施例还提供一种测试案例生成装置,该装置包括:获取模块,用于获取语义网络数据库;所述语义网络数据库中包括语句和案例描述数据;每个所述语句与至少一个所述案例描述数据形成映射关系;所述语句包括业务术语数据和谓词关系数据;案例描述数据是预先基于语义网络数据库中的语句生成的测试案例概述信息,用于描述测试案例执行的内容和结果;确定模块,用于根据所述语句和所述业务术语数据和所述谓词关系数据确定至少一个数据组合;每个所述数据组合包括一个或多个语句,且对于所述多个语句中的任一个语句,在所述多个语句中存在至少一个语句包括与所述任一个语句相同的业务术语数据;案例生成模块,用于根据每个所述数据组合和所述案例描述数据生成多个测试案例;
还包括形式处理模块,用于:
获取初始语义网络数据库;所述初始语义网络数据库根据自然语言生成;
利用可扩展标记语言对所述初始语义网络数据库进行形式处理,得到语义网络数据库。
第三方面,本发明实施例还提供一种计算机设备,包括存储器、处理器,所述存储器中存储有可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现上述测试案例生成方法。
第四方面,本发明实施例还提供一种具有处理器可执行的非易失的程序代码的计算机可读介质,所述程序代码使所述处理器执行上述测试案例生成方法。
本发明实施例带来了以下有益效果:本发明实施例提供了一种测试案例生成方案,该方案通过获取语义网络数据库得到语句和案例描述数据,每个语句与至少一个案例描述数据形成映射关系,语句包括业务术语数据和谓词关系数据,之后,根据语句、业务术语数据和谓词关系数据确定至少一个数据组合,每个数据组合包括一个或多个语句,且对于多个语句中的任一个语句,在多个语句中存在至少一个语句包括与任一个语句相同的业务术语数据;每个数据组合中的业务术语数据具有直接或者间接的相互关系,并且语义网络数据库中包括了语句与案例描述数据之间的映射关系,因此,根据数据组合和案例描述数据可以生成更加完备的测试案例。本发明实施例基于语义网络数据库可以自动生成测试案例,提升了测试案例的生成效率,能够得到更加完备的测试案例,进而可以提升测试的充分性。
本发明的其他特征和优点将在随后的说明书中阐述,并且,部分地从说明书中变得显而易见,或者通过实施本发明而了解。本发明的目的和其他优点在说明书、权利要求书以及附图中所特别指出的结构来实现和获得。
为使本发明的上述目的、特征和优点能更明显易懂,下文特举较佳实施例,并配合所附附图,作详细说明如下。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案,下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施方式,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的测试案例生成方法流程图;
图2为本发明实施例提供的测试案例生成方法实施流程图;
图3为本发明实施例提供的一种测试案例生成装置结构框图;
图4为本发明实施例提供的另一种测试案例生成装置结构框图;
图5为本发明实施例提供的计算机设备结构框图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合附图对本发明的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
目前,现有的第一种测试案例生成方法通过构建待测软件的模型的方式进行测试用例生成,其具体实现步骤如下:
1.建立通用的软件本体模型;
2.实例化待测软件的模型,并利用基于OWL(一种网络本体语言,用于对本体进行语义描述)的本体编辑器protégé(protege软件,提供了本体概念类,关系,属性和实例的构建,并且屏蔽了具体的本体描述语言,用户只需在概念层次上进行领域本体模型的构建)进行本体的形式化表达;
3.建立符合业务逻辑的规则,利用SWRL(Semantic Web Rule Language,是由以语义的方式呈现规则的一种语言)进行表达,其中,SWRL的规则部分概念是由RuleML(RuleMachine Learning,机器学习规则)所演变而来,再结合OWL本体论形成;
4.将OWL本体转换成Jess(Java平台上的规则引擎)事实,将SWRL规则Jess规则和Jess事实,生成测试用例;
5.输入用例,并基于Jena(用来支持语义网的有关应用)的脚本生成脚本语言。
现有的第二种测试案例生成方法通过对软件规格说明书进行处理生成测试用用例,其具体实现步骤如下:
1.采用Z语言(一种用“数学文字”或“数学符号”来描述计算机系统的规范化语言,只对目标软件系统进行功能描述)形式化规格说明书;
2.把规格说明书中的模式的谓词划分成多个子模式;
3.确定各子模式中判定所设计变量的有效测试数据;
4.生成测试用例。
在上述第一种测试案例生成方法中,采用基于OWL的本体编辑器protégé进行本体的形式化表达,需要首先将待测软件进行本体的实体化的形式化表达。在上述第二种测试案例生成方法中,首要第一步就是将需求规格说明书进行Z语言形式化表达。形式化的语法表达一般是基于集合论,数理逻辑或代数学,对编写人员的技术门槛要求较高。然而规格说明书通常是由业务人员进行编写,较难对其提出形式化的工编写要求。这就需要对需求文档进行二次转换,转换过程中存在容易偏差,在实际工作中采用形式化的方式较难开展工作。
基于此,本发明实施例提供的一种测试案例生成方法及装置,可以通过业务人员编写的基于自然语言编写的需求规格说明书生成测试案例,不需要使用大量训练数据集,可以更精准地使用主体论描述业务逻辑和限定,可以实现提升基于需求规格说明书加工的半架构化自然语言生成测试案例的充分性和生成效率。该方法针对性更强,可适用于金融系统的测试案例设计分析方法。
为便于对本实施例进行理解,首先对本发明实施例所公开的一种测试案例生成方法进行详细介绍。
本发明实施例提供了一种测试案例生成方法,参见图1所示的一种测试案例生成方法流程图,该方法包括以下步骤:
步骤S102,获取语义网络数据库。
在本发明实施例中,语义网络数据库用于存储语句和案例描述数据。其中,语句是由业务术语数据和谓词关系数据确定的。每个语句与至少一个案例描述数据形成映射关系。
其中,业务术语数据用于描述某一业务领域常用的术语信息。例如,对于银行系统,业务术语语句可以包括转账余额、账号名、输入字段和金额值等信息。谓词关系数据用于描述业务术语数据之间的关系,例如,谓词关系数据可以包括“大于”、“小于”、“是”、“否”、“与”、“或”以及“非”等。语句用于描述业务术语数据之间的谓词关系,例如,语句可以是:“转账余额大于5万元”,其中“转账余额”和“5万元”是业务术语数据,“大于”是谓词关系数据。语句也可以描述多个业务术语数据之间的多种谓词关系。案例描述语句是预先基于语义网络数据库中的语句生成的测试案例概述信息,用于描述测试案例执行的内容和结果。例如,对于语句“转账余额大于5万元”对应的案例描述数据可以是:“当转账余额大于5万元,显示A信息”,或者,对应的案例描述数据可以是:“当转账余额小于5万元,显示B信息”等。每个语句可以与多个案例描述数据对应,形成一对多的映射关系。
需要说明的是,在本发明实施例中,可以由相关人员预先根据定义测试相关的业务术语数据以及业务术语数据之间的谓词关系,在确定了语句后,建立术语与案例描述数据映射关系,得到语义网络数据库。
步骤S104,根据语句、业务术语数据和谓词关系数据确定至少一个数据组合。
在本发明实施例中,语义网络数据库中的每一个语句,包括业务术语数据及业务术语数据之间的谓词关系。数据组合中可以仅包括一个语句及该语句中业务术语数据之间的谓词关系数据,也可以包括多个语句及该多个语句中业务术语数据之间的谓词关系数据。
每个数据组合包括一个或多个语句,且对于多个语句中的任一个语句,在多个语句中存在至少一个语句包括与任一个语句相同的业务术语数据。例如,对于一个数据组合,包括语句1:A或B,语句2:B与C,语句3:C非D,语句4:A大于E。其中,对于语句1,存在语句4与语句1都包括业务术语数据A,存在语句2与语句1都包括业务术语数据B。
步骤S106,根据每个数据组合和案例描述数据生成多个测试案例。
在本发明实施例中,对于每个数据组合进行逻辑展开,根据展开结果描述数据组合中业务术语数据之间的相互关系,由于每个语句都与至少一个案例描述数据形成映射关系,根据数据组合中业务术语数据之间的相互关系,可以生成多个测试案例。
本发明实施例提供了一种测试案例生成方案,该方案通过获取语义网络数据库得到语句和案例描述数据,每个语句与至少一个案例描述数据形成映射关系,语句包括业务术语数据和谓词关系数据,之后,根据语句、业务术语数据和谓词关系数据确定至少一个数据组合,每个数据组合包括一个或多个语句,且对于多个语句中的任一个语句,在多个语句中存在至少一个语句包括与任一个语句相同的业务术语数据;每个数据组合中的业务术语数据具有直接或者间接的相互关系,并且语义网络数据库中包括了语句与案例描述数据之间的映射关系,因此,根据数据组合和案例描述数据可以生成更加完备的测试案例。本发明实施例基于语义网络数据库可以自动生成测试案例,提升了测试案例的生成效率,能够得到更加完备的测试案例,进而可以提升测试的充分性。
考虑到为了便于降低对编写人员的技术门槛要求,获取语义网络数据库之前,还可以执行如下步骤:
获取初始语义网络数据库;初始语义网络数据库根据自然语言生成;利用可扩展标记语言对初始语义网络数据库进行形式处理,得到语义网络数据库。
在本发明实施例中,初始语义网络数据库可以基于需求规格说明书,利用自然语言生成,为了便于计算机的识别,利用可扩展标记语言(Extensible Markup Language,XML)对初始语义网络数据库进行形式处理,可以得到XML形式的初始语义网络数据库,即得到语义网络数据库。
考虑到为了提升处理效率,根据语句和业务术语数据和谓词关系数据确定至少一个数据组合,可以按照如下步骤执行:
将包括相同业务术语数据的语句添加到同一个第一分组;根据谓词关系数据确定第一分组中业务术语数据之间的谓词关系,得到数据组合。
在本发明实施例中,若不同的语句中包括相同的业务术语数据,则可将这样的语句添加到同一个第一分组中,根据语句中业务术语数据之间的谓词关系数据确定第一分组中业务术语数据相互之间的谓词关系,得到数据组合。
例如,对于语句1:A或B,语句2:B与C,语句3:C非D,语句4:A大于E,语句5:M小于N,其中语句1与语句2由于都包含业务术语数据B,则可以将语句1和语句2作为一个数据组合,由于语句2与语句3都包括业务术语数据C,可将语句3添加进语句2所在的组合,语句4和语句1都包括业务术语数据A,则可将语句4添加到语句1所在的组合,语句5与其余四个语句没有相同的业务术语数据,则语句5可以单独得到一个数据组合。因此,根据语句1至语句5,可以得到两个数据组合,第一个数据组合中包括语句1-语句4,业务术语数据A、B、C、D、E,以及业务术语数据间的谓词关系术语。
考虑到为了提升测试案例的丰富度,进而提升测试的充分性,根据每个数据组合和案例描述数据生成多个测试案例,可以按照如下步骤执行:
根据每个数据组合生成一个析取范式或合取范式;根据析取范式与案例描述数据生成多个测试案例,或,根据合取范式与案例描述数据生成多个测试案例。
在本发明实施例中,由有限个简单合取式构成的析取式称为析取范式。由有限个简单析取式构成的合取式称为合取范式。根据数据组合中各语句的业务术语数据和谓词关系数据可以确定相互关系为析取范式或合取范式,再将析取范式或合取范式分别与案例描述数据进行结合,可以得到多个测试案例。
例如,对于语句6:W大于X,语句7:X是Q,语句6与案例描述数据1和案例描述数据2对应,语句7与案例描述数据3和案例描述数据4对应,语句6和语句7可以生成数据组合1,对于数据组合1进行逻辑展开,例如,得到(W大于X)且(X是Q),则可以将案例描述数据1至4进行组合,例如,案例描述数据1且案例描述3,案例描述数据2且案例描述3,案例描述数据1且案例描述4,案例描述数据2且案例描述3,根据得到的案例描述数据组合生成测试案例。
本发明实施例提供了一种测试案例生成方法或装置,参见图2所示的测试案例生成方法实施流程图,该方法对测试业务定义相关术语、术语间谓词关系和测试分类映射,构成语义网络数据库,利用基于XML的本体语义网络描述结构对以上数据库进行形式化,构建基于以上数据模型的引擎,对输入自然语言进行语义网络搜寻构建,形成语义树和属性填充表,对构建的语义树和属性表进行逻辑展开,形成范式,通过范式形成完备测试集的文本生成。
本发明实施例通过建立业务的语义数据库并通过本体语义网络的XML描述进行形式化,而不是使用其他深度学习方法。通过自然语言得到语义网络数据库,并根据语义网络数据库生成语义树,逻辑明确,排除了深度学习等方法存在的不确定性和不可重复的问题,对逻辑要求严谨的需求问题更适用。通过形成范式的逻辑展开生成文本测试集,而不是采用其他尽力而为的方法,在数学上是完备的。
本发明实施例还提供一种测试案例生成装置,参见图3所示的一种测试案例生成装置结构框图,该装置包括:
获取模块71,用于获取语义网络数据库;语义网络数据库中包括语句和案例描述数据;每个语句与至少一个案例描述数据形成映射关系;语句包括业务术语数据和谓词关系数据;确定模块72,用于根据语句和业务术语数据和谓词关系数据确定至少一个数据组合;每个数据组合包括一个或多个语句,且对于多个语句中的任一个语句,在多个语句中存在至少一个语句包括与任一个语句相同的业务术语数据;案例生成模块73,用于根据每个数据组合和案例描述数据生成多个测试案例。
在一个实施例中,参见图4所示的另一种测试案例生成装置结构框图,该装置还包括形式处理模块74,用于:获取初始语义网络数据库;初始语义网络数据库根据自然语言生成;利用可扩展标记语言对初始语义网络数据库进行形式处理,得到语义网络数据库。
在一个实施例中,确定模块,具体用于:将包括相同业务术语数据的语句添加到同一个第一分组;根据谓词关系数据确定第一分组中业务术语数据之间的谓词关系,得到数据组合。
在一个实施例中,生成模块,具体用于:根据每个数据组合生成一个析取范式或合取范式;根据析取范式与案例描述数据生成多个测试案例,或,根据合取范式与案例描述数据生成多个测试案例。
本发明实施例还提供一种计算机设备,参见图5所示的计算机设备结构示意框图,该计算机设备包括存储器81、处理器82,存储器中存储有可在处理器上运行的计算机程序,处理器执行计算机程序时实现上述任一种方法的步骤。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的计算机设备的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述
本发明实施例还提供一种具有处理器可执行的非易失的程序代码的计算机可读介质,程序代码使处理器执行上述任一种方法的步骤。
本领域内的技术人员应明白,本发明的实施例可提供为方法、系统、或计算机程序产品。因此,本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
最后应说明的是:以上所述实施例,仅为本发明的具体实施方式,用以说明本发明的技术方案,而非对其限制,本发明的保护范围并不局限于此,尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化,或者对其中部分技术特征进行等同替换;而这些修改、变化或者替换,并不使相应技术方案的本质脱离本发明实施例技术方案的精神和范围,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应所述以权利要求的保护范围为准。
Claims (4)
1.一种测试案例生成方法,其特征在于,包括:
获取语义网络数据库;所述语义网络数据库中包括语句和案例描述数据;每个所述语句与至少一个所述案例描述数据形成映射关系;所述语句包括业务术语数据和谓词关系数据;案例描述数据是预先基于语义网络数据库中的语句生成的测试案例概述信息,用于描述测试案例执行的内容和结果;业务术语数据用于描述一业务领域常用的术语信息;谓词关系数据用于描述业务术语数据之间的关系;
根据所述语句和所述业务术语数据和所述谓词关系数据确定至少一个数据组合;每个所述数据组合包括一个或多个语句,且对于所述多个语句中的任一个语句,在所述多个语句中存在至少一个语句包括与所述任一个语句相同的业务术语数据;其中,若不同的语句中包括相同的业务术语数据,则将这样的语句添加到同一个第一分组中,根据语句中业务术语数据之间的谓词关系数据确定第一分组中业务术语数据相互之间的谓词关系,得到数据组合;
根据每个所述数据组合和所述案例描述数据生成多个测试案例;
获取语义网络数据库之前,还包括:
获取初始语义网络数据库;所述初始语义网络数据库根据自然语言生成;
利用可扩展标记语言对所述初始语义网络数据库进行形式处理,得到语义网络数据库;
其中,根据每个所述数据组合和所述案例描述数据生成多个测试案例,包括:
根据每个所述数据组合生成一个析取范式或合取范式;
根据所述析取范式与所述案例描述数据生成多个测试案例,或,根据所述合取范式与所述案例描述数据生成多个测试案例。
2.一种测试案例生成装置,其特征在于,包括:
获取模块,用于获取语义网络数据库;所述语义网络数据库中包括语句和案例描述数据;每个所述语句与至少一个所述案例描述数据形成映射关系;所述语句包括业务术语数据和谓词关系数据;案例描述数据是预先基于语义网络数据库中的语句生成的测试案例概述信息,用于描述测试案例执行的内容和结果;业务术语数据用于描述一业务领域常用的术语信息;谓词关系数据用于描述业务术语数据之间的关系;
确定模块,用于根据所述语句和所述业务术语数据和所述谓词关系数据确定至少一个数据组合;每个所述数据组合包括一个或多个语句,且对于所述多个语句中的任一个语句,在所述多个语句中存在至少一个语句包括与所述任一个语句相同的业务术语数据;其中,若不同的语句中包括相同的业务术语数据,则将这样的语句添加到同一个第一分组中,根据语句中业务术语数据之间的谓词关系数据确定第一分组中业务术语数据相互之间的谓词关系,得到数据组合;
案例生成模块,用于根据每个所述数据组合和所述案例描述数据生成多个测试案例;
还包括形式处理模块,用于:
获取初始语义网络数据库;所述初始语义网络数据库根据自然语言生成;
利用可扩展标记语言对所述初始语义网络数据库进行形式处理,得到语义网络数据库;
案例生成模块,具体用于:
根据每个所述数据组合生成一个析取范式或合取范式;
根据所述析取范式与所述案例描述数据生成多个测试案例,或,根据所述合取范式与所述案例描述数据生成多个测试案例。
3.一种计算机设备,包括存储器、处理器,所述存储器中存储有可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现上述权利要求1所述的方法的步骤。
4.一种具有处理器可执行的非易失的程序代码的计算机可读介质,其特征在于,所述程序代码使所述处理器执行上述权利要求1所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010266739.2A CN111459830B (zh) | 2020-04-07 | 2020-04-07 | 测试案例生成方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010266739.2A CN111459830B (zh) | 2020-04-07 | 2020-04-07 | 测试案例生成方法及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111459830A CN111459830A (zh) | 2020-07-28 |
| CN111459830B true CN111459830B (zh) | 2024-03-08 |
Family
ID=71682345
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010266739.2A Active CN111459830B (zh) | 2020-04-07 | 2020-04-07 | 测试案例生成方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111459830B (zh) |
Families Citing this family (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114077534B (zh) * | 2020-08-11 | 2024-05-31 | 腾讯科技(深圳)有限公司 | 测试用例生成方法、装置和计算机可读存储介质 |
| CN113986744B (zh) * | 2021-11-02 | 2025-05-23 | 中国银行股份有限公司 | 一种分库分表组件的测试方法、装置及存储介质 |
| CN115146650B (zh) * | 2022-06-27 | 2023-06-30 | 西安羚控电子科技有限公司 | 一种基于语义识别的试验过程创建方法及系统 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103853652A (zh) * | 2012-11-29 | 2014-06-11 | 百度在线网络技术(北京)有限公司 | 一种测试案例生成方法及装置 |
| CN108399130A (zh) * | 2018-02-28 | 2018-08-14 | 平安科技(深圳)有限公司 | 自动生成测试案例的方法、装置、设备及可读存储介质 |
| CN108763070A (zh) * | 2018-05-16 | 2018-11-06 | 北京金山云网络技术有限公司 | 测试数据的生成方法、装置及电子设备 |
| CN109815147A (zh) * | 2019-01-21 | 2019-05-28 | 深圳乐信软件技术有限公司 | 测试案例生成方法、装置、服务器和介质 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CA3064771A1 (en) * | 2017-06-01 | 2018-12-06 | Royal Bank Of Canada | System and method for test generation |
-
2020
- 2020-04-07 CN CN202010266739.2A patent/CN111459830B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103853652A (zh) * | 2012-11-29 | 2014-06-11 | 百度在线网络技术(北京)有限公司 | 一种测试案例生成方法及装置 |
| CN108399130A (zh) * | 2018-02-28 | 2018-08-14 | 平安科技(深圳)有限公司 | 自动生成测试案例的方法、装置、设备及可读存储介质 |
| CN108763070A (zh) * | 2018-05-16 | 2018-11-06 | 北京金山云网络技术有限公司 | 测试数据的生成方法、装置及电子设备 |
| CN109815147A (zh) * | 2019-01-21 | 2019-05-28 | 深圳乐信软件技术有限公司 | 测试案例生成方法、装置、服务器和介质 |
Non-Patent Citations (1)
| Title |
|---|
| 张志等.《高职高专国家示范性学校"十三五"规划教材 Android移动应用测试实战》.西安:西安电子科技大学出版社,2017,(第1版),18-27. * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111459830A (zh) | 2020-07-28 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US9460408B2 (en) | Method and apparatus for generating test scenarios for a set of business rules | |
| US7685082B1 (en) | System and method for identifying, prioritizing and encapsulating errors in accounting data | |
| US20210056006A1 (en) | Automated searching and identification of software patches | |
| CN111459830B (zh) | 测试案例生成方法及装置 | |
| Al-Saiyd | Source code comprehension analysis in software maintenance | |
| Hertis et al. | An empirical analysis of business process execution language usage | |
| Wardhana et al. | Transformation of sysml requirement diagram into owl ontologies | |
| Pan et al. | Generative ai for ocl constraint generation: Dataset collection and llm fine-tuning | |
| CN113448852A (zh) | 一种测试案例的获取方法、装置、电子设备及存储介质 | |
| Arya et al. | Information correspondence between types of documentation for APIs | |
| Radulovic et al. | SemQuaRE—An extension of the SQuaRE quality model for the evaluation of semantic technologies | |
| Pepe et al. | A taxonomy of self-admitted technical debt in deep learning systems | |
| Nakagawa et al. | Interactive goal model construction based on a flow of questions | |
| Miranda et al. | Domain‐specific language for automatic generation of UML models | |
| Rahman et al. | Mmruc3: A recommendation approach of move method refactoring using coupling, cohesion, and contextual similarity to enhance software design | |
| Zadenoori et al. | Large language models (llms) for requirements engineering (re): A systematic literature review | |
| Liu et al. | Automated pattern-directed refactoring for complex conditional statements | |
| Wang et al. | Requirement model-based mutation testing for web service | |
| Fournier et al. | Towards a benchmark for causal business process reasoning with LLMs | |
| Qian et al. | Structural descriptions of process models based on goal-oriented unfolding | |
| Kneuper | Supporting software processes using knowledge management | |
| Xu et al. | Measurement of source code readability using word concreteness and memory retention of variable names | |
| Proença et al. | A formalization of the ISO/IEC 15504: enabling automatic inference of capability levels | |
| Sales et al. | Identification of semantic anti-patterns in ontology-driven conceptual modeling via visual simulation | |
| Ansotegui et al. | A benchmark generator for combinatorial testing |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| TA01 | Transfer of patent application right | ||
| TA01 | Transfer of patent application right |
Effective date of registration: 20221009 Address after: 12 / F, 15 / F, 99 Yincheng Road, Pudong New Area pilot Free Trade Zone, Shanghai, 200120 Applicant after: Jianxin Financial Science and Technology Co.,Ltd. Address before: 25 Financial Street, Xicheng District, Beijing 100033 Applicant before: CHINA CONSTRUCTION BANK Corp. Applicant before: Jianxin Financial Science and Technology Co.,Ltd. |
|
| GR01 | Patent grant | ||
| GR01 | Patent grant |