基于大模型与业务知识图谱的测试用例生成方法及系统与流程
本发明属于人工智能领域,具体涉及一种基于大模型与业务知识图谱的测试用例生成方法及系统。
背景技术:
1、软件测试是保障软件产品质量的关键环节,测试用例的设计质量直接影响软件缺陷的发现效率。在当前的软件开发实践中,自动化测试用例生成技术已成为提升测试效率的重要手段,现有技术通常基于预先定义的规则模板或关键词匹配方式从需求文档中提取测试点,并根据预设的测试场景模型自动生成对应的测试用例脚本,在实现自动化测试用例生成的过程中,目前一般采用以下两种方式:一是基于需求文档中的关键词与测试模板的映射关系,通过识别需求文本中的特定词汇并匹配对应的测试模板来生成测试用例;二是基于形式化的业务规则描述,通过解析预先定义的业务规则模型并根据规则逻辑自动推导测试路径。然而,在这两种实现方式中,均存在业务语义信息丢失的问题,需求文档中蕴含的业务逻辑、业务实体之间的关系以及业务约束条件等丰富的语义信息难以被准确提取和利用,导致生成的测试用例仅能覆盖需求文档中的显式描述部分,无法深入挖掘需求文档中隐含的业务含义。
2、由于业务语义信息的缺失,自动化生成的测试用例往往与实际业务场景存在偏差,导致测试用例的有效性不足,需要测试工程师投入大量时间进行人工修订和补充,从而降低了测试效率,增加了软件测试的人力成本。
技术实现思路
1、本发明的目的在于提供一种基于大模型与业务知识图谱的测试用例生成方法及系统,能有效解决现有技术中业务语义信息丢失导致的测试用例有效性不足的技术问题。
2、为实现上述发明目的,本发明的技术方案如下:
3、一种基于大模型与业务知识图谱的测试用例生成方法,包括以下步骤:
4、s1.利用大模型对需求文档进行语义解析,获取需求文档中的业务语义信息;所述业务语义信息包括业务实体、业务实体之间的关系以及业务约束条件;
5、s2.基于所述业务语义信息构建业务知识图谱;所述业务知识图谱包含表示业务实体的节点、表示业务实体之间关系的边以及表示业务约束条件的属性;
6、s3.从所述业务知识图谱中提取业务规则;所述业务规则用于描述业务实体之间的逻辑关系和约束关系;
7、s4.基于所述业务规则和预设的测试场景模型生成测试用例脚本。
8、作为一种优选,所述步骤s1中,利用大模型对需求文档进行语义解析,包括:
9、对需求文档进行预处理,得到结构化的需求描述文本;所述预处理包括分词、词性标注和命名实体识别;
10、将预处理后的需求描述文本输入大模型,大模型输出需求文档中的业务实体列表、业务实体之间的关系列表以及业务约束条件列表。
11、作为一种优选,所述大模型采用预训练语言模型,所述预训练语言模型通过领域数据进行微调;所述领域数据包括历史需求文档和对应的测试用例。
12、作为一种优选,所述步骤s2中,基于所述业务语义信息构建业务知识图谱,包括:
13、根据业务实体列表创建图谱节点,每个业务实体对应一个图谱节点;
14、根据业务实体之间的关系列表创建图谱边,连接对应的业务实体节点;
15、根据业务约束条件列表为图谱节点或图谱边设置属性;
16、对所述业务知识图谱进行知识推理,基于现有的业务实体和关系推导隐含的业务实体和关系,丰富业务知识图谱的内容。
17、作为一种优选,所述步骤s3中,从所述业务知识图谱中提取业务规则,包括:
18、遍历业务知识图谱中的所有路径,提取路径上的业务实体和关系构成候选业务规则;
19、对候选业务规则进行规则质量评估,筛选出满足预设质量阈值的业务规则。
20、作为一种优选,所述步骤s4中,基于所述业务规则和预设的测试场景模型生成测试用例脚本,包括:
21、将业务规则转换为测试场景模型中的测试点;
22、根据测试点和测试场景模型生成对应的测试用例脚本;
23、对生成的测试用例脚本进行语法检查和逻辑验证。
24、一种基于大模型与业务知识图谱的测试用例智能生成系统,包括:
25、语义解析模块,用于利用大模型对需求文档进行语义解析,获取需求文档中的业务语义信息;所述业务语义信息包括业务实体、业务实体之间的关系以及业务约束条件;
26、知识图谱构建模块,用于基于所述业务语义信息构建业务知识图谱;所述业务知识图谱包含表示业务实体的节点、表示业务实体之间关系的边以及表示业务约束条件的属性;
27、规则提取模块,用于从所述业务知识图谱中提取业务规则;所述业务规则用于描述业务实体之间的逻辑关系和约束关系;
28、测试用例生成模块,用于基于所述业务规则和预设的测试场景模型生成测试用例脚本。
29、作为一种优选,所述语义解析模块还包括大模型微调单元,用于利用领域数据对大模型进行微调,提高语义解析的准确性。
30、作为一种优选,所述知识图谱构建模块还包括知识推理单元,用于对业务知识图谱进行知识推理,推导隐含的业务实体和关系。
31、作为一种优选,还包括测试用例优化模块,用于对生成的测试用例脚本进行优化处理,包括去除冗余测试用例、合并相似测试用例以及调整测试用例的执行顺序。
32、有益效果:与现有技术相比,本发明具有如下有益效果:
33、1.提高测试用例有效性。通过大模型对需求文档进行深度语义解析,能够准确提取业务语义信息,避免业务语义信息丢失,从而生成的测试用例能够深入覆盖需求文档中的显式描述和隐含业务含义,显著提高测试用例与实际业务场景的匹配度。
34、2.提高测试效率。自动化生成的测试用例无需测试工程师投入大量时间进行人工修订和补充,降低了软件测试的人力成本,提升了测试效率。
35、3.提高测试覆盖率。业务知识图谱能够完整表示业务实体之间的关系和业务约束条件,基于该图谱生成的测试用例能够覆盖更广泛的业务场景,提高测试覆盖率。
1.基于大模型与业务知识图谱的测试用例生成方法,其特征在于,包括以下步骤:
2.根据权利要求1所述的方法,其特征在于,所述步骤s1中,利用大模型对需求文档进行语义解析,包括:
3.根据权利要求2所述的方法,其特征在于,所述大模型采用预训练语言模型,所述预训练语言模型通过领域数据进行微调;所述领域数据包括历史需求文档和对应的测试用例。
4.根据权利要求1所述的方法,其特征在于,所述步骤s2中,基于所述业务语义信息构建业务知识图谱,包括:
5.根据权利要求1所述的方法,其特征在于,所述步骤s3中,从所述业务知识图谱中提取业务规则,包括:
6.根据权利要求1所述的方法,其特征在于,所述步骤s4中,基于所述业务规则和预设的测试场景模型生成测试用例脚本,包括:
7.一种基于大模型与业务知识图谱的测试用例智能生成系统,其特征在于,包括:
8.根据权利要求7所述的系统,其特征在于,所述语义解析模块还包括大模型微调单元,用于利用领域数据对大模型进行微调,提高语义解析的准确性。
9.根据权利要求7所述的系统,其特征在于,所述知识图谱构建模块还包括知识推理单元,用于对业务知识图谱进行知识推理,推导隐含的业务实体和关系。
10.根据权利要求7所述的系统,其特征在于,还包括测试用例优化模块,用于对生成的测试用例脚本进行优化处理,包括去除冗余测试用例、合并相似测试用例以及调整测试用例的执行顺序。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com