基于人工智能的测试用例生成方法、装置、设备及介质与流程

1.本技术涉及到人工智能技术领域，特别是涉及到一种基于人工智能的测试用例生成方法、装置、设备及介质。


背景技术：

2.测试在软件系统开发中起到保证质量的重要作用，测试用例的设计是测试执行过程的重要环节。传统需要人工根据经验积累设计测试用例，并需在版本升级过程中进行回归案例的执行范围确定。现有的方法在实现过程中，更多依赖于测试人员的经验和对业务流程的掌握，而且人工设计过程存在场景覆盖率不足、场景细分维度标准不统一，导致确定的测试用例的准确度不足和覆盖面不高。


技术实现要素：

3.本技术的主要目的为提供一种基于人工智能的测试用例生成方法、装置、设备及介质，旨在解决现有技术的测试用例的设计，存在确定的测试用例的准确度不足和覆盖面不高的技术问题。
4.为了实现上述发明目的，本技术提出一种基于人工智能的测试用例生成方法，所述方法包括：
5.获取需求文档；
6.对所述需求文档进行关键词提取，得到候选关键词集；
7.对所述候选关键词集进行所述关键词筛选，得到目标关键词集；
8.根据所述目标关键词集和预设的通用测试用例库进行测试用例匹配，得到命中测试用例集；
9.根据所述目标关键词集，对所述命中测试用例集进行更新，得到目标测试用例集。
10.进一步的，所述对所述需求文档进行关键词提取，得到候选关键词集的步骤，包括：
11.将所述需求文档输入预设的关键词提取模型进行所述关键词提取，将提取的各个所述关键词作为所述候选关键词集；
12.其中，所述关键词提取模型是基于双向lstm模型训练得到的模型。
13.进一步的，所述对所述候选关键词集进行所述关键词筛选，得到目标关键词集的步骤，包括：
14.采用预设的关键词评分规则，对所述候选关键词集中的每个所述关键词进行评分，得到关键词评分结果；
15.对各个所述关键词评分结果进行倒序排序；
16.采用从开头开始提取的方式，从排序后的各个所述关键词评分结果中提取预设数量的所述关键词评分结果，得到目标评分结果集；
17.进一步的，所述采用预设的关键词评分规则，对所述候选关键词集中的每个所述
关键词进行评分，得到关键词评分结果的步骤，包括：
18.将所述候选关键词集中的每个所述关键词，在预设的词性评分库中进行词性评分匹配，得到关键词词性评分；
19.根据所述需求文档，对所述候选关键词集中的每个所述关键词进行归属功能确定；
20.将每个所述关键词对应的所述归属功能，在所述需求文档对应的功能权重列表中进行功能权重匹配，得到关键词功能权重；
21.将同一所述关键词对应的所述关键词词性评分和所述关键词功能权重进行相乘，得到所述关键词评分结果。
22.进一步的，所述根据所述目标关键词集和预设的通用测试用例库进行测试用例匹配，得到命中测试用例集的步骤，包括：
23.从所述目标关键词集中确定关键字组合；
24.采用每个所述关键字组合，在所述通用测试用例库的各个场景组合中查找；
25.若查找成功，则将查找到的所述场景组合对应的测试用例作为命中测试用例；
26.将各个所述命中测试用例作为所述命中测试用例集。
27.进一步的，所述根据所述目标关键词集，对所述命中测试用例集进行更新，得到目标测试用例集的步骤，包括：
28.将所述命中测试用例集中的任一个所述测试用例作为待替换案例；
29.采用所述待替换案例对应的所述关键字组合，对所述待替换案例进行信息替换，得到第一测试用例；
30.采用所述需求文档对应的产品信息，对所述第一测试用例进行替换，得到第二测试用例；
31.根据各个所述第二测试用例确定所述目标测试用例集。
32.进一步的，所述根据所述目标关键词集，对所述命中测试用例集进行更新，得到目标测试用例集的步骤之后，还包括：
33.将所述目标测试用例集中的任一个所述测试用例作为待分析案例；
34.将所述待分析案例对应的所述关键字组合，作为待计算组合；
35.将所述待计算组合对应的各个关键词评分结果进行相加，得到案例评分；
36.根据各个所述案例评分，对所述目标测试用例集中的每个所述测试用例进行案例优先级确定。
37.本技术还提出了一种基于人工智能的测试用例生成装置，所述装置包括：
38.数据获取模块，用于获取需求文档；
39.关键词提取模块，用于对所述需求文档进行关键词提取，得到候选关键词集；
40.关键词筛选模块，用于对所述候选关键词集进行所述关键词筛选，得到目标关键词集；
41.测试用例匹配模块，用于根据所述目标关键词集和预设的通用测试用例库进行测试用例匹配，得到命中测试用例集；
42.目标测试用例集确定模块，用于根据所述目标关键词集，对所述命中测试用例集进行更新，得到目标测试用例集。
43.本技术还提出了一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现上述任一项所述方法的步骤。
44.本技术还提出了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述任一项所述的方法的步骤。
45.本技术的基于人工智能的测试用例生成方法、装置、设备及介质，其中方法通过对所述需求文档进行关键词提取，得到候选关键词集；对所述候选关键词集进行所述关键词筛选，得到目标关键词集；根据所述目标关键词集和预设的通用测试用例库进行测试用例匹配，得到命中测试用例集；根据所述目标关键词集，对所述命中测试用例集进行更新，得到目标测试用例集。通过根据从需求文档提取的目标关键词集，对通用测试用例库进行测试用例匹配，然后对匹配到的测试用例进行更新，从而自动化确定了需求文档需要的目标测试用例集，采用统一的标准确定目标测试用例集，提高了确定的目标测试用例集的准确度，提高了确定的目标测试用例集的覆盖面。
附图说明
46.图1为本技术一实施例的基于人工智能的测试用例生成方法的流程示意图；
47.图2为本技术一实施例的基于人工智能的测试用例生成装置的结构示意框图；
48.图3为本技术一实施例的计算机设备的结构示意框图。
49.本技术目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
50.为了使本技术的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本技术进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本技术，并不用于限定本技术。
51.参照图1，本技术实施例中提供一种基于人工智能的测试用例生成方法，所述方法包括：
52.s1：获取需求文档；
53.s2：对所述需求文档进行关键词提取，得到候选关键词集；
54.s3：对所述候选关键词集进行所述关键词筛选，得到目标关键词集；
55.s4：根据所述目标关键词集和预设的通用测试用例库进行测试用例匹配，得到命中测试用例集；
56.s5：根据所述目标关键词集，对所述命中测试用例集进行更新，得到目标测试用例集。
57.本实施例通过根据从需求文档提取的目标关键词集，对通用测试用例库进行测试用例匹配，然后对匹配到的测试用例进行更新，从而自动化确定了需求文档需要的目标测试用例集，采用统一的标准确定目标测试用例集，提高了确定的目标测试用例集的准确度，提高了确定的目标测试用例集的覆盖面。
58.对于s1，可以获取用户输入的需求文档，也可以从数据库中获取需求文档，还可以从第三方应用中获取需求文档。
59.需求文档，是软件开发的需求的描述文档。
60.对于s2，对所述需求文档进行关键词提取，将提取的各个关键词作为候选关键词集。
61.可以理解的是，关键词包括但不限于：名称、动词。
62.可选的，当本技术应用于交易系统时，关键词包括但不限于：产品、交易类型和风控类型。
63.对于s3，对所述候选关键词集中的各个关键字生成评分，根据各个关键字各自对应的评分进行所述关键词筛选，将筛选出的各个关键词作为目标关键词集。
64.对于s4，将所述目标关键词集，在通用测试用例库的各个场景组合中进行匹配，将匹配到的场景组合对应的测试用例作为命中测试用例，将各个命中测试用例作为命中测试用例集。
65.通用测试用例库包括：场景组合和测试用例。场景组合，是一个或多个短语的组合。测试用例，是指对一项特定的软件产品进行测试任务的描述，体现测试方案、方法、技术和策略，其内容包括测试目标、测试环境、输入数据、测试步骤、预期结果、测试脚本等，最终形成文档。
66.通用测试用例库，是基于现有的软件系统提取出的测试用例库。
67.可选的，通用测试用例库是业务场景通用的测试用例库。
68.对于s5，根据所述目标关键词集，对所述命中测试用例集中的每个命中测试用例进行占位符替换，从而得到了符合需求文档的应用场景的测试用例。将完成替换的各个命中测试用例作为目标测试用例集。
69.在一个实施例中，上述对所述需求文档进行关键词提取，得到候选关键词集的步骤，包括：
70.s21：将所述需求文档输入预设的关键词提取模型进行所述关键词提取，将提取的各个所述关键词作为所述候选关键词集；
71.其中，所述关键词提取模型是基于双向lstm模型训练得到的模型。
72.本实施例实现了采用基于双向lstm模型训练得到的模型进行关键词提取，有利于提高确定的关键词的准确度和覆盖面。
73.对于s21，将所述需求文档输入预设的关键词提取模型进行所述关键词提取，将提取的各个所述关键词作为所述候选关键词集，从而为测试用例匹配提供了基础。
74.可选的，采用双向lstm模型作为初始模型；采用多个训练样本对初始模型训练，直至达到预设的模型训练结束条件，将达到模型训练结束条件的初始模型作为所述关键词提取模型。
75.lstm，指长短期记忆人工神经网络，是一种时间循环神经网络，是为了解决一般的rnn(循环神经网络)存在的长期依赖问题而专门设计出来的，所有的rnn都具有一种重复神经网络模块的链式形式。
76.训练样本包括：文本样本和关键词标定集。文本样本，是软件开发的需求的描述文档的一段话或多段话。关键词标定集，是文本样本中的准确的关键词的集合。
77.在本技术的另一个实施例中，采用bert模型和条件随机场作为初始模型。初始模型的bert模型用于进行特征提取，初始模型的条件随机场进行bio标注。bio标注，是将每个元素标注为“b-x”、“i-x”、“o”中的任一个。其中，“b-x”表示关键词的开头，“i-x”表示关键
词的中间，“o”表示不属于关键词。
78.bert，全称为bidirectional encoder representation from transformers，是一个预训练的语言表征模型。
79.在一个实施例中，上述对所述候选关键词集进行所述关键词筛选，得到目标关键词集的步骤，包括：
80.s31：采用预设的关键词评分规则，对所述候选关键词集中的每个所述关键词进行评分，得到关键词评分结果；
81.s32：对各个所述关键词评分结果进行倒序排序；
82.s33：采用从开头开始提取的方式，从排序后的各个所述关键词评分结果中提取预设数量的所述关键词评分结果，得到目标评分结果集；
83.s34：将所述目标评分结果集对应的各个所述关键词作为所述目标关键词集。
84.本实施例首先对关键词进行评分，然后从排序后的关键词评分结果中提取预设数量的所述关键词评分结果，将提取的各个所述关键词评分结果对应的各个关键词作为目标关键词集，从而筛选出了最匹配的关键词，提高了确定的目标测试用例集的准确度。
85.对于s31，采用预设的关键词评分规则，对所述候选关键词集中的每个所述关键词进行评分，将评分得到的数据作为关键词评分结果。
86.也就是说，关键词评分结果与所述候选关键词集中的所述关键词一一对应。
87.对于s32，对各个所述关键词评分结果进行倒序排序，从而使各个所述关键词评分结果从高到低排列。
88.对于s33，采用从开头开始提取的方式，从排序后的各个所述关键词评分结果中提取预设数量的所述关键词评分结果，将提取的各个所述关键词评分结果作为目标评分结果集。
89.当排序后的各个所述关键词评分结果的数量大于或等于预设数量时，目标评分结果集中的所述关键词评分结果的数量等于预设数量；当排序后的各个所述关键词评分结果的数量小于预设数量时，目标评分结果集中的所述关键词评分结果的数量等于预设数量；
90.对于s34，将所述目标评分结果集对应的各个所述关键词作为所述目标关键词集。从而确定了可以用于进行测试用例匹配的关键词集。
91.在一个实施例中，上述采用预设的关键词评分规则，对所述候选关键词集中的每个所述关键词进行评分，得到关键词评分结果的步骤，包括：
92.s311：将所述候选关键词集中的每个所述关键词，在预设的词性评分库中进行词性评分匹配，得到关键词词性评分；
93.s312：根据所述需求文档，对所述候选关键词集中的每个所述关键词进行归属功能确定；
94.s313：将每个所述关键词对应的所述归属功能，在所述需求文档对应的功能权重列表中进行功能权重匹配，得到关键词功能权重；
95.s314：将同一所述关键词对应的所述关键词词性评分和所述关键词功能权重进行相乘，得到所述关键词评分结果。
96.本实施例通过将同一所述关键词对应的词性评分和归属功能进行相乘作为关键词评分结果，充分考虑了关键词本技术的重要性和归属功能的重要性，提高了确定的关键
词评分结果的准确性，提高了确定的目标测试用例集的准确度。
97.对于s311，将所述候选关键词集中的每个所述关键词，在预设的词性评分库中的各个短语中进行匹配，将匹配到的短语在词性评分库中对应的的词性评分作为关键词词性评分。
98.词性评分库包括：短语和词性评分。词性评分，是根据词性确定的评分。词性，指以词的特点作为划分词类的根据。词性包括但不限于：名词、动词。
99.可选的，名词对应的词性评分大于动词对应的词性评分。
100.对于s312，将所述候选关键词集中的每个所述关键词在所述需求文档中对应的段落对应的软件功能，作为该关键词的归属功能。
101.对于s313，将每个所述关键词对应的所述归属功能，在所述需求文档对应的功能权重列表中进行软件功能匹配，将匹配到的软件功能在功能权重列表中对应的功能权重作为关键词功能权重。
102.功能权重列表包括：软件功能和功能权重。
103.可选的，与业务流程相关的软件功能对应的功能权重大于与业务流程无关的软件功能对应的功能权重；与业务流程的核心功能对应的软件功能对应的功能权重大于与业务流程的非核心功能对应的软件功能对应的功能权重。
104.比如，当本技术应用于交易系统时，能正常下单对应的功能权重、策略对应的功能权重、上账对应的功能权重、风控对应的功能权重、系统设置对应的功能权重从高到低排列。
105.对于s314，将同一所述关键词对应的所述关键词词性评分和所述关键词功能权重进行相乘，将相乘得到的结果作为该所述关键词对应的所述关键词评分结果。
106.在一个实施例中，上述根据所述目标关键词集和预设的通用测试用例库进行测试用例匹配，得到命中测试用例集的步骤，包括：
107.s41：从所述目标关键词集中确定关键字组合；
108.s42：采用每个所述关键字组合，在所述通用测试用例库的各个场景组合中查找；
109.s43：若查找成功，则将查找到的所述场景组合对应的测试用例作为命中测试用例；
110.s44：将各个所述命中测试用例作为所述命中测试用例集。
111.本实施例采用从所述目标关键词集中确定的关键字组合在通用测试用例库进行测试用例匹配，从而提高了确定的目标测试用例集的覆盖面。
112.对于s41，从所述目标关键词集进行排列组合，将每个组合作为一个关键字组合。
113.比如，所述目标关键词集中的关键词包括：a1、a2、a3，a1、a2、a3、a1a2、a1a3、a2a3、a1a2a3均是关键字组合。
114.对于s43，若查找成功，也就是，在所述通用测试用例库的各个场景组合中查找与所述关键字组合相同的场景组合，将查找到的所述场景组合在所述通用测试用例库中对应的测试用例作为命中测试用例。
115.对于s44，将各个所述命中测试用例作为所述命中测试用例集，从而确定了覆盖面最广的目标测试用例集。
116.在一个实施例中，上述根据所述目标关键词集，对所述命中测试用例集进行更新，
得到目标测试用例集的步骤，包括：
117.s51：将所述命中测试用例集中的任一个所述测试用例作为待替换案例；
118.s52：采用所述待替换案例对应的所述关键字组合，对所述待替换案例进行信息替换，得到第一测试用例；
119.s53：采用所述需求文档对应的产品信息，对所述第一测试用例进行替换，得到第二测试用例；
120.s54：根据各个所述第二测试用例确定所述目标测试用例集。
121.本实施例采用关键字组合对所述待替换案例中的占位符进行替换，从而得到了符合需求文档的应用场景的测试用例。
122.对于s52，采用所述待替换案例对应的所述关键字组合中的关键词，对所述待替换案例中的第一占位符进行替换，将替换后的所述待替换案例作为第一测试用例。
123.对于s53，采用所述需求文档对应的产品信息，对所述第一测试用例进行替换，得到第二测试用例，对所述第一测试用例中的第二替换符进行替换，将替换后的所述待替换案例作为第二测试用例。
124.对于s54，将各个第二测试用例作为所述目标测试用例集。
125.在一个实施例中，上述根据所述目标关键词集，对所述命中测试用例集进行更新，得到目标测试用例集的步骤之后，还包括：
126.s61：将所述目标测试用例集中的任一个所述测试用例作为待分析案例；
127.s62：将所述待分析案例对应的所述关键字组合，作为待计算组合；
128.s63：将所述待计算组合对应的各个关键词评分结果进行相加，得到案例评分；
129.s64：根据各个所述案例评分，对所述目标测试用例集中的每个所述测试用例进行案例优先级确定。
130.本实施例通过将目标测试用例集中的测试用例对应的关键字组合的各个关键词评分结果进行相加，根据相加结果确定测试用例的案例优先级，自动化确定了测试用例的案例优先级，提高了测试效率和准确性。
131.对于s62，将所述待分析案例对应的所述关键字组合，作为待计算组合，为计算案例评分提供了基础。
132.对于s63，将所述待计算组合对应的各个关键词评分结果进行相加，将相加得到的数据作为案例评分。
133.对于s64，将各个所述案例评分进行倒序排序；采用预设的优先级划分比例，对排序后的各个所述案例评分进行集合划分，得到多个案例评分集；将案例评分集对应的分数段对应的优先级作为该案例评分集中的每个所述测试用例的案例优先级。
134.可选的，优先级高级对应的比例为0％-20％(大于0％，并且小于或等于20％)为高级，优先级中级对应的比例为20％-50％(大于20％，并且小于或等于50％)为中级，优先级低级对应的比例为50％-100％(大于50％，并且小于或等于100％)为低级。
135.参照图2，本技术还提出了一种基于人工智能的测试用例生成装置，所述装置包括：
136.数据获取模块100，用于获取需求文档；
137.关键词提取模块200，用于对所述需求文档进行关键词提取，得到候选关键词集；
138.关键词筛选模块300，用于对所述候选关键词集进行所述关键词筛选，得到目标关键词集；
139.测试用例匹配模块400，用于根据所述目标关键词集和预设的通用测试用例库进行测试用例匹配，得到命中测试用例集；
140.目标测试用例集确定模块500，用于根据所述目标关键词集，对所述命中测试用例集进行更新，得到目标测试用例集。
141.本实施例通过根据从需求文档提取的目标关键词集，对通用测试用例库进行测试用例匹配，然后对匹配到的测试用例进行更新，从而自动化确定了需求文档需要的目标测试用例集，采用统一的标准确定目标测试用例集，提高了确定的目标测试用例集的准确度，提高了确定的目标测试用例集的覆盖面。
142.在一个实施例中，上述关键词提取模块200包括：候选关键词集确定子模块；
143.所述候选关键词集确定子模块，用于将所述需求文档输入预设的关键词提取模型进行所述关键词提取，将提取的各个所述关键词作为所述候选关键词集，其中，所述关键词提取模型是基于双向lstm模型训练得到的模型。
144.在一个实施例中，上述关键词筛选模块300包括：关键词评分结果确定子模块、排序子模块和目标评分结果集确定子模块；
145.所述关键词评分结果确定子模块，用于采用预设的关键词评分规则，对所述候选关键词集中的每个所述关键词进行评分，得到关键词评分结果；
146.所述排序子模块，用于对各个所述关键词评分结果进行倒序排序；
147.所述目标评分结果集确定子模块，用于采用从开头开始提取的方式，从排序后的各个所述关键词评分结果中提取预设数量的所述关键词评分结果，得到目标评分结果集；
148.在一个实施例中，上述关键词评分结果确定子模块包括：词性评分单元、归属功能确定单元、关键词功能权重确定单元和关键词评分结果确定单元；
149.所述词性评分单元，用于将所述候选关键词集中的每个所述关键词，在预设的词性评分库中进行词性评分匹配，得到关键词词性评分；
150.所述归属功能确定单元，用于根据所述需求文档，对所述候选关键词集中的每个所述关键词进行归属功能确定；
151.所述关键词功能权重确定单元，用于将每个所述关键词对应的所述归属功能，在所述需求文档对应的功能权重列表中进行功能权重匹配，得到关键词功能权重；
152.所述关键词评分结果确定单元，用于将同一所述关键词对应的所述关键词词性评分和所述关键词功能权重进行相乘，得到所述关键词评分结果。
153.在一个实施例中，上述测试用例匹配模块400包括：关键字组合确定子模块和命中测试用例集确定子模块；
154.所述关键字组合确定子模块，用于从所述目标关键词集中确定关键字组合；
155.所述命中测试用例集确定子模块，用于采用每个所述关键字组合，在所述通用测试用例库的各个场景组合中查找，若查找成功，则将查找到的所述场景组合对应的测试用例作为命中测试用例，将各个所述命中测试用例作为所述命中测试用例集。
156.在一个实施例中，上述目标测试用例集确定模块500包括：待替换案例确定子模块、第一测试用例确定子模块、第二测试用例确定子模块和目标测试用例集确定子模块；
157.所述待替换案例确定子模块，用于将所述命中测试用例集中的任一个所述测试用例作为待替换案例；
158.所述第一测试用例确定子模块，用于采用所述待替换案例对应的所述关键字组合，对所述待替换案例进行信息替换，得到第一测试用例；
159.所述第二测试用例确定子模块，用于采用所述需求文档对应的产品信息，对所述第一测试用例进行替换，得到第二测试用例；
160.所述目标测试用例集确定子模块，用于根据各个所述第二测试用例确定所述目标测试用例集。
161.在一个实施例中，上述装置还包括：待计算组合确定模块和案例优先级确定模块；
162.所述待计算组合确定模块，用于将所述目标测试用例集中的任一个所述测试用例作为待分析案例，将所述待分析案例对应的所述关键字组合，作为待计算组合；
163.所述案例优先级确定模块，用于将所述待计算组合对应的各个关键词评分结果进行相加，得到案例评分，根据各个所述案例评分，对所述目标测试用例集中的每个所述测试用例进行案例优先级确定。
164.参照图3，本技术实施例中还提供一种计算机设备，该计算机设备可以是服务器，其内部结构可以如图3所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口和数据库。其中，该计算机设计的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于储存基于人工智能的测试用例生成方法等数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种基于人工智能的测试用例生成方法。所述基于人工智能的测试用例生成方法，包括：获取需求文档；对所述需求文档进行关键词提取，得到候选关键词集；对所述候选关键词集进行所述关键词筛选，得到目标关键词集；根据所述目标关键词集和预设的通用测试用例库进行测试用例匹配，得到命中测试用例集；根据所述目标关键词集，对所述命中测试用例集进行更新，得到目标测试用例集。
165.本实施例通过根据从需求文档提取的目标关键词集，对通用测试用例库进行测试用例匹配，然后对匹配到的测试用例进行更新，从而自动化确定了需求文档需要的目标测试用例集，采用统一的标准确定目标测试用例集，提高了确定的目标测试用例集的准确度，提高了确定的目标测试用例集的覆盖面。
166.在一个实施例中，上述对所述需求文档进行关键词提取，得到候选关键词集的步骤，包括：
167.将所述需求文档输入预设的关键词提取模型进行所述关键词提取，将提取的各个所述关键词作为所述候选关键词集；
168.其中，所述关键词提取模型是基于双向lstm模型训练得到的模型。
169.在一个实施例中，上述对所述候选关键词集进行所述关键词筛选，得到目标关键词集的步骤，包括：
170.采用预设的关键词评分规则，对所述候选关键词集中的每个所述关键词进行评分，得到关键词评分结果；
171.对各个所述关键词评分结果进行倒序排序；
172.采用从开头开始提取的方式，从排序后的各个所述关键词评分结果中提取预设数量的所述关键词评分结果，得到目标评分结果集；
173.在一个实施例中，上述采用预设的关键词评分规则，对所述候选关键词集中的每个所述关键词进行评分，得到关键词评分结果的步骤，包括：
174.将所述候选关键词集中的每个所述关键词，在预设的词性评分库中进行词性评分匹配，得到关键词词性评分；
175.根据所述需求文档，对所述候选关键词集中的每个所述关键词进行归属功能确定；
176.将每个所述关键词对应的所述归属功能，在所述需求文档对应的功能权重列表中进行功能权重匹配，得到关键词功能权重；
177.将同一所述关键词对应的所述关键词词性评分和所述关键词功能权重进行相乘，得到所述关键词评分结果。
178.在一个实施例中，上述根据所述目标关键词集和预设的通用测试用例库进行测试用例匹配，得到命中测试用例集的步骤，包括：
179.从所述目标关键词集中确定关键字组合；
180.采用每个所述关键字组合，在所述通用测试用例库的各个场景组合中查找；
181.若查找成功，则将查找到的所述场景组合对应的测试用例作为命中测试用例；
182.将各个所述命中测试用例作为所述命中测试用例集。
183.在一个实施例中，上述根据所述目标关键词集，对所述命中测试用例集进行更新，得到目标测试用例集的步骤，包括：
184.将所述命中测试用例集中的任一个所述测试用例作为待替换案例；
185.采用所述待替换案例对应的所述关键字组合，对所述待替换案例进行信息替换，得到第一测试用例；
186.采用所述需求文档对应的产品信息，对所述第一测试用例进行替换，得到第二测试用例；
187.根据各个所述第二测试用例确定所述目标测试用例集。
188.在一个实施例中，上述根据所述目标关键词集，对所述命中测试用例集进行更新，得到目标测试用例集的步骤之后，还包括：
189.将所述目标测试用例集中的任一个所述测试用例作为待分析案例；
190.将所述待分析案例对应的所述关键字组合，作为待计算组合；
191.将所述待计算组合对应的各个关键词评分结果进行相加，得到案例评分；
192.根据各个所述案例评分，对所述目标测试用例集中的每个所述测试用例进行案例优先级确定。
193.本技术一实施例还提供一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现一种基于人工智能的测试用例生成方法，包括步骤：获取需求文档；对所述需求文档进行关键词提取，得到候选关键词集；对所述候选关键词集进行所述关键词筛选，得到目标关键词集；根据所述目标关键词集和预设的通用测试用例库进行测试用例匹配，得到命中测试用例集；根据所述目标关键词集，对所述命中测试用例集进行更
新，得到目标测试用例集。
194.上述执行的基于人工智能的测试用例生成方法，通过根据从需求文档提取的目标关键词集，对通用测试用例库进行测试用例匹配，然后对匹配到的测试用例进行更新，从而自动化确定了需求文档需要的目标测试用例集，采用统一的标准确定目标测试用例集，提高了确定的目标测试用例集的准确度，提高了确定的目标测试用例集的覆盖面。
195.在一个实施例中，上述对所述需求文档进行关键词提取，得到候选关键词集的步骤，包括：
196.将所述需求文档输入预设的关键词提取模型进行所述关键词提取，将提取的各个所述关键词作为所述候选关键词集；
197.其中，所述关键词提取模型是基于双向lstm模型训练得到的模型。
198.在一个实施例中，上述对所述候选关键词集进行所述关键词筛选，得到目标关键词集的步骤，包括：
199.采用预设的关键词评分规则，对所述候选关键词集中的每个所述关键词进行评分，得到关键词评分结果；
200.对各个所述关键词评分结果进行倒序排序；
201.采用从开头开始提取的方式，从排序后的各个所述关键词评分结果中提取预设数量的所述关键词评分结果，得到目标评分结果集；
202.在一个实施例中，上述采用预设的关键词评分规则，对所述候选关键词集中的每个所述关键词进行评分，得到关键词评分结果的步骤，包括：
203.将所述候选关键词集中的每个所述关键词，在预设的词性评分库中进行词性评分匹配，得到关键词词性评分；
204.根据所述需求文档，对所述候选关键词集中的每个所述关键词进行归属功能确定；
205.将每个所述关键词对应的所述归属功能，在所述需求文档对应的功能权重列表中进行功能权重匹配，得到关键词功能权重；
206.将同一所述关键词对应的所述关键词词性评分和所述关键词功能权重进行相乘，得到所述关键词评分结果。
207.在一个实施例中，上述根据所述目标关键词集和预设的通用测试用例库进行测试用例匹配，得到命中测试用例集的步骤，包括：
208.从所述目标关键词集中确定关键字组合；
209.采用每个所述关键字组合，在所述通用测试用例库的各个场景组合中查找；
210.若查找成功，则将查找到的所述场景组合对应的测试用例作为命中测试用例；
211.将各个所述命中测试用例作为所述命中测试用例集。
212.在一个实施例中，上述根据所述目标关键词集，对所述命中测试用例集进行更新，得到目标测试用例集的步骤，包括：
213.将所述命中测试用例集中的任一个所述测试用例作为待替换案例；
214.采用所述待替换案例对应的所述关键字组合，对所述待替换案例进行信息替换，得到第一测试用例；
215.采用所述需求文档对应的产品信息，对所述第一测试用例进行替换，得到第二测
试用例；
216.根据各个所述第二测试用例确定所述目标测试用例集。
217.在一个实施例中，上述根据所述目标关键词集，对所述命中测试用例集进行更新，得到目标测试用例集的步骤之后，还包括：
218.将所述目标测试用例集中的任一个所述测试用例作为待分析案例；
219.将所述待分析案例对应的所述关键字组合，作为待计算组合；
220.将所述待计算组合对应的各个关键词评分结果进行相加，得到案例评分；
221.根据各个所述案例评分，对所述目标测试用例集中的每个所述测试用例进行案例优先级确定。
222.本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本技术所提供的和实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可以包括只读存储器(rom)、可编程rom(prom)、电可编程rom(eprom)、电可擦除可编程rom(eeprom)或闪存。易失性存储器可包括随机存取存储器(ram)或者外部高速缓冲存储器。作为说明而非局限，ram以多种形式可得，诸如静态ram(sram)、动态ram(dram)、同步dram(sdram)、双速据率sdram(ssrsdram)、增强型sdram(esdram)、同步链路(synchlink)dram(sldram)、存储器总线(rambus)直接ram(rdram)、直接存储器总线动态ram(drdram)、以及存储器总线动态ram(rdram)等。
223.需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、装置、物品或者方法不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、装置、物品或者方法所固有的要素。在没有更多限制的情况下，由语句“包括一个
……”
限定的要素，并不排除在包括该要素的过程、装置、物品或者方法中还存在另外的相同要素。
224.以上所述仅为本技术的优选实施例，并非因此限制本技术的专利范围，凡是利用本技术说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本技术的专利保护范围内。