基于经验需求点库校准的测试用例生成方法、装置及产品与流程

摘要: 本申请涉及人工智能、招聘和软件测试,尤其涉及一种基于经验需求点库校准的测试用例生成方法、装置、电子设备及计算机程序产品。背景技术:1、随着软件系统规模和复杂度的...
基于经验需求点库校准的测试用例生成方法、装置及产品与流程

本申请涉及人工智能、招聘和软件测试,尤其涉及一种基于经验需求点库校准的测试用例生成方法、装置、电子设备及计算机程序产品。

背景技术:

1、随着软件系统规模和复杂度的不断增长,软件测试在软件质量保障中的作用日益突出。测试用例是指导测试执行的核心资产,其编写质量直接影响软件缺陷的发现能力。传统的测试用例编写方式主要依赖测试人员人工分析需求文档、拆解功能点并逐条设计用例,不仅耗费大量人力,编写质量也在较大程度上依赖测试人员的个人经验。

2、近年来,随着大语言模型技术的发展,出现了基于大语言模型自动生成测试用例的技术方案。这类方案通常将需求文档输入大语言模型,由大语言模型对需求内容进行理解、拆分和推理,进而输出相应的测试用例,以减少人工编写工作量,提升测试用例的编写效率。

3、然而,实际业务中的需求文档往往内容复杂,一份需求文档可能同时涉及多条业务线的功能描述,不同业务线的上下文语义相对独立,甚至存在差异。例如,在互联网招聘业务中,一份需求文档可能同时涉及招聘方服务端、求职方客户端、支付交易等多条业务线的功能。大语言模型对整篇需求文档进行一次性理解和拆分时,不同业务线的语义容易相互干扰,导致对需求的拆分和理解不准确,进而使生成的测试用例不准确或不完整。

4、另外,大语言模型对需求文档进行拆分的粒度具有随机性和不稳定性。对于同一需求文档,大语言模型在不同时间或不同输入条件下可能给出粒度差异较大的拆分结果,且拆分结果往往与测试团队长期形成的功能点拆解习惯和粒度标准不一致,导致生成的测试用例覆盖程度不可控、质量不稳定,测试团队也难以对拆分结果进行复用。

技术实现思路

1、有鉴于此,本申请实施例提供了一种基于经验需求点库校准的测试用例生成方法、装置、电子设备及计算机程序产品,用于解决上述至少一种技术问题。

2、第一方面,本申请实施例提供了一种基于经验需求点库校准的测试用例生成方法,包括:获取需求文档,并调用需求拆解智能体对需求文档进行功能拆分,得到多个候选需求片段;针对各候选需求片段,识别候选需求片段对应的业务线标识和业务对象类型,从经验需求点库中筛选与候选需求片段具有相同业务线标识且相同业务对象类型的标准需求点组成候选匹配子集,并计算候选需求片段与候选匹配子集中各标准需求点的标准描述之间的语义相似度,根据语义相似度确定与候选需求片段匹配的目标标准需求点;根据目标标准需求点的拆分粒度和需求边界对候选需求片段进行校准,得到目标需求点;基于多个目标需求点,生成对应的测试用例。

3、第二方面,本申请实施例提供了一种基于经验需求点库校准的测试用例生成装置,包括:获取模块,用于获取需求文档;拆分模块,用于调用需求拆解智能体对需求文档进行功能拆分,得到多个候选需求片段;匹配模块,用于针对各候选需求片段,识别候选需求片段对应的业务线标识和业务对象类型,从经验需求点库中筛选与候选需求片段具有相同业务线标识且相同业务对象类型的标准需求点组成候选匹配子集,并计算候选需求片段与候选匹配子集中各标准需求点的标准描述之间的语义相似度,根据语义相似度确定与候选需求片段匹配的目标标准需求点;校准模块,用于根据目标标准需求点的拆分粒度和需求边界对候选需求片段进行校准,得到目标需求点;生成模块,用于基于多个目标需求点,生成对应的测试用例。

4、第三方面,本申请实施例提供了一种电子设备,所述电子设备包括处理器以及存储有计算机程序指令的存储器;所述处理器执行所述计算机程序指令时实现如上所述的基于经验需求点库校准的测试用例生成方法的步骤。

5、第四方面,本申请实施例提供了一种计算机可读存储介质,所述计算机可读存储介质上存储有计算机程序指令,所述计算机程序指令被处理器执行时实现如上所述的基于经验需求点库校准的测试用例生成方法的步骤。

6、第五方面,本申请实施例提供了一种计算机程序产品,所述计算机程序产品中包括计算机程序指令,所述计算机程序指令被处理器执行时实现如上所述的基于经验需求点库校准的测试用例生成方法的步骤。

7、本申请实施例提供的基于经验需求点库校准的测试用例生成方案,一方面,在确定与候选需求片段匹配的目标标准需求点时,先从经验需求点库中筛选与候选需求片段具有相同业务线标识且相同业务对象类型的标准需求点组成候选匹配子集,再基于语义相似度进行匹配,即匹配被约束在与候选需求片段相同的业务语义空间内,减少了不同业务线的语义相互干扰所造成的误匹配,提高了对需求的拆分和理解的准确性,进而提高了所生成的测试用例的准确性和完整性。另一方面,由于经验需求点库中的标准需求点是根据历史需求的人工拆解结果构建的,根据匹配到的目标标准需求点的拆分粒度和需求边界对候选需求片段进行校准,能够使得大语言模型的拆分结果与测试团队长期形成的功能点拆解习惯和粒度标准相对齐,使得拆分粒度更加稳定、规范,减小了拆分结果的随机性和不稳定性,从而使得生成的测试用例覆盖程度可控、质量稳定,且便于测试团队复用和继承。又一方面,经验需求点库将测试团队长期积累的人工拆解经验结构化沉淀并在用例生成过程中加以利用,大语言模型无需每次从零开始对需求进行拆分和理解,充分利用了经过实践验证的拆解经验,减少了经验资源的浪费,并且随着经验需求点库中标准需求点的不断积累,测试用例的生成质量能够随之持续提升。

1.一种基于经验需求点库校准的测试用例生成方法,其特征在于,包括:

2.根据权利要求1所述的测试用例生成方法,其特征在于,调用需求拆解智能体对所述需求文档进行功能拆分,得到多个候选需求片段,包括:

3.根据权利要求1所述的测试用例生成方法,其特征在于,根据所述语义相似度确定与所述候选需求片段匹配的目标标准需求点,包括:

4.根据权利要求3所述的测试用例生成方法,其特征在于,在得到多个候选需求片段之后,所述方法还包括:

5.根据权利要求1所述的测试用例生成方法,其特征在于,在调用需求拆解智能体对所述需求文档进行功能拆分之前,所述方法还包括:

6.根据权利要求1或5所述的测试用例生成方法,其特征在于,在基于多个所述目标需求点,生成对应的测试用例之前,所述方法还包括:

7.根据权利要求1所述的测试用例生成方法,其特征在于,所述方法还包括:

8.根据权利要求1所述的测试用例生成方法,其特征在于,在得到目标需求点之后,所述方法还包括:

9.根据权利要求8所述的测试用例生成方法,其特征在于,按照所述子类型将所述目标需求点细化为多个子需求点,包括:

10.根据权利要求1所述的测试用例生成方法,其特征在于,基于多个所述目标需求点,生成对应的测试用例,包括:

11.根据权利要求10所述的测试用例生成方法,其特征在于,所述用例生成智能体包括功能用例生成子智能体、异常用例生成子智能体和边缘用例生成子智能体;

12.根据权利要求10或11所述的测试用例生成方法,其特征在于,所述方法还包括:

13.根据权利要求12所述的测试用例生成方法,其特征在于,从造数能力注册表中确定与所述造数需求匹配的目标造数工具,包括:

14.根据权利要求12所述的测试用例生成方法,其特征在于,在调用所述目标造数工具按照所述调用参数生成测试数据之后,所述方法还包括:

15.根据权利要求1所述的测试用例生成方法,其特征在于,所述方法还包括:

16.根据权利要求1所述的测试用例生成方法,其特征在于,所述需求文档涉及招聘业务,所述业务线标识用于指示企业hr服务端业务线、求职者客户端业务线、支付交易业务线或统计报表业务线。

17.根据权利要求6所述的测试用例生成方法,其特征在于,所述业务对象包括招聘业务中的增值服务,所述多个并列子类型包括所述增值服务的多种服务类型,各所述子需求点携带对应服务类型的下单入口信息、计费规则和权益生效逻辑。

18.根据权利要求10所述的测试用例生成方法,其特征在于,所述造数对象类型包括求职用户和招聘职位;若所述造数对象类型为求职用户,则所述约束条件包括用户角色、求职意向和期望工作地址中的至少一种;若所述造数对象类型为招聘职位,则所述约束条件包括职位所属行业、上班地址和薪资范围中的至少一种。

19.一种基于经验需求点库校准的测试用例生成装置,其特征在于,包括:

20.一种电子设备,其特征在于,所述电子设备包括:处理器以及存储有计算机程序指令的存储器;所述电子设备执行所述计算机程序指令时实现如权利要求1-18任一项所述的方法。

21.一种计算机程序产品,其特征在于,其包括计算机程序指令,所述计算机程序指令被处理器执行时实现如权利要求1-18任一项所述的方法。