一种测试任务的测试资源分析方法及相关设备与流程

1.本公开涉及人工智能技术领域，尤其涉及一种测试任务的测试资源分析方法及相关设备。


背景技术：

2.当前，在科技企业运营中，各部门之间需要相互配合工作。在一个测试任务中，每个部门在该测试任务中涉及的工作量可能比较大，特别是在一个时间很紧急且工作量很大的测试任务中，测试任务的项目组很难准确地估计测试资源与测试任务的匹配程度，难以正确、合理且有效地预先安排满足测试任务所需的资源，从而拖慢测试任务进度。
3.因此，如何多测试任务的测试资源进行有效分析，成为本领域技术人员急需解决的技术问题。


技术实现要素：

4.鉴于上述问题，本公开提供一种克服上述问题或者至少部分地解决上述问题的一种测试任务的测试资源分析方法及相关设备，技术方案如下：
5.一种测试任务的测试资源分析方法，包括：
6.获得测试任务的测试属性数据、测试人员数据以及预设测试时长；
7.利用所述测试属性数据、所述测试人员数据和所述预设测试时长，构建所述测试任务对应的知识图谱；
8.将所述知识图谱输入至预先训练好的任务完成时间预测模型中，获得所述任务完成时间预测模型输出的与所述测试任务对应的测试预测时长；
9.利用所述预设测试时长与所述测试预测时长，确定所述测试任务所需的额外测试时长。
10.可选的，所述利用所述测试属性数据、所述测试人员数据和所述预设测试时长，构建所述测试任务对应的知识图谱，包括：
11.建立所述测试属性数据、所述测试人员数据和所述预设测试时长中的实体、实体属性以及所述实体之间的关联关系，获得所述测试任务对应的知识图谱。
12.可选的，所述将所述知识图谱输入至预先训练好的任务完成时间预测模型中，获得所述任务完成时间预测模型输出的与所述测试任务对应的测试预测时长，包括：
13.将所述知识图谱输入至预先训练好的任务完成时间预测模型中，以使所述任务完成时间预测模型将所述知识图谱中的实体、实体属性以及所述实体之间的关联关系分解为多个向量矩阵，根据所述多个向量矩阵，计算出与所述测试任务对应的测试预测时长，并输出所述测试预测时长。
14.可选的，所述测试属性数据包括所述测试任务的测试案例、接口文档、所述测试案例的数量以及所述接口文档中的接口数量，所述测试人员数据包括所述测试任务的测试人员、所述测试人员的数量以及级别。
15.可选的，所述任务完成时间预测模型为bert预训练模型。
16.一种测试任务的测试资源分析装置，包括：第一获得单元、知识图谱构建单元、第二获得单元以及额外测试时长确定单元，
17.所述第一获得单元，用于获得测试任务的测试属性数据、测试人员数据以及预设测试时长；
18.所述知识图谱构建单元，用于利用所述测试属性数据、所述测试人员数据和所述预设测试时长，构建所述测试任务对应的知识图谱；
19.所述第二获得单元，用于将所述知识图谱输入至预先训练好的任务完成时间预测模型中，获得所述任务完成时间预测模型输出的与所述测试任务对应的测试预测时长；
20.所述额外测试时长确定单元，用于利用所述预设测试时长与所述测试预测时长，确定所述测试任务所需的额外测试时长。
21.可选的，所述知识图谱构建单元，具体用于建立所述测试属性数据、所述测试人员数据和所述预设测试时长中的实体、实体属性以及所述实体之间的关联关系，获得所述测试任务对应的知识图谱。
22.可选的，所述第二获得单元，具体用于将所述知识图谱输入至预先训练好的任务完成时间预测模型中，以使所述任务完成时间预测模型将所述知识图谱中的实体、实体属性以及所述实体之间的关联关系分解为多个向量矩阵，根据所述多个向量矩阵，计算出与所述测试任务对应的测试预测时长，并输出所述测试预测时长。
23.一种计算机可读存储介质，其上存储有程序，所述程序被处理器执行时实现上述任一项所述的测试任务的测试资源分析方法。
24.一种电子设备，所述电子设备包括至少一个处理器、以及与处理器连接的至少一个存储器、总线；其中，所述处理器、所述存储器通过所述总线完成相互间的通信；所述处理器用于调用所述存储器中的程序指令，以执行上述任一项所述的测试任务的测试资源分析方法。
25.借由上述技术方案，本公开提供的一种测试任务的测试资源分析方法及相关设备，可应用于人工智能领域或金融领域，获得测试任务的测试属性数据、测试人员数据以及预设测试时长；利用测试属性数据、测试人员数据和预设测试时长，构建测试任务对应的知识图谱；将知识图谱输入至预先训练好的任务完成时间预测模型中，获得任务完成时间预测模型输出的与测试任务对应的测试预测时长；利用预设测试时长与测试预测时长，确定测试任务所需的额外测试时长。本公开通过任务完成时间预测模型，利用测试任务的测试属性数据、测试人员数据和预设测试时长构成知识图谱，对测试任务的资源匹配程度进行有效分析和评估，得到测试任务所需的额外测试时长，有助于合理安排测试任务的测试资源。
26.上述说明仅是本公开技术方案的概述，为了能够更清楚了解本公开的技术手段，而可依照说明书的内容予以实施，并且为了让本公开的上述和其它目的、特征和优点能够更明显易懂，以下特举本公开的具体实施方式。
附图说明
27.通过阅读下文优选实施方式的详细描述，各种其他的优点和益处对于本领域普通
技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的，而并不认为是对本公开的限制。而且在整个附图中，用相同的参考符号表示相同的部件。在附图中：
28.图1示出了本公开实施例提供的测试任务的测试资源分析方法的一种实施方式的流程示意图；
29.图2示出了本公开实施例提供的测试任务的测试资源分析方法的另一种实施方式的流程示意图；
30.图3示出了本公开实施例提供的测试任务的测试资源分析方法的另一种实施方式的流程示意图；
31.图4示出了本公开实施例提供的测试任务的测试资源分析装置的结构示意图；
32.图5示出了本公开实施例提供的电子设备的结构示意图。
具体实施方式
33.下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例，然而应当理解，可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本公开，并且能够将本公开的范围完整的传达给本领域的技术人员。
34.如图1所示，本公开实施例提供的测试任务的测试资源分析方法的一种实施方式的流程示意图，该测试任务的测试资源分析方法可以包括：
35.s100、获得测试任务的测试属性数据、测试人员数据以及预设测试时长。
36.其中，测试任务可以是测试管理系统中对银行业务项目的功能的测试计划。可选的，本公开实施例可以从测试管理系统获取测试任务的测试属性数据。可选的，本公开实施例可以获得用户手动输入的测试人员数据以及预设测试时长。
37.其中，测试属性数据可以是测试任务的相关文档数据。可选的，测试属性数据包括测试任务的测试案例、接口文档、测试案例的数量以及接口文档中的接口数量。
38.其中，测试人员数据可以是为测试任务配置的人力资源数据。可选的，测试人员数据包括测试任务的测试人员、测试人员的数量以及级别。
39.其中，预设测试时长可以是用户预先为测试任务估计出的完成任务时长。
40.s200、利用测试属性数据、测试人员数据和预设测试时长，构建测试任务对应的知识图谱。
41.本公开实施例可以预先建立知识图谱生成引擎。本公开实施例可以利用该知识图谱生成引擎，确认测试属性数据、测试人员数据和预设测试时长中的实体、实体属性以及实体之间的关联关系，并构建出测试任务对应的知识图谱。
42.可选的，基于图1所示方法，如图2所示，本公开实施例提供的测试任务的测试资源分析方法的另一种实施方式的流程示意图，步骤s200可以包括：
43.s210、建立测试属性数据、测试人员数据和预设测试时长中的实体、实体属性以及实体之间的关联关系，获得测试任务对应的知识图谱。
44.具体的，本公开实施例将测试案例、接口文档、测试人员以及预设测试时长作为实体，将接口文档中的接口数量、测试案例的数量和测试人员的数量以及级别作为实体属性，链接各实体，建立出实体之间的关联关系，例如：接口文档与测试案例之间的关系可以按照
每个接口对应的固定案例数建立关系，从而获得测试任务对应的知识图谱。
45.本公开实施例通过建立任务维度的知识图谱，能够将影响测试任务的工作时长的因素进行整合，以便于更快，更有效地根据当前配置的人力资源对加班需求进行预测，从而顺利推进任务进度。
46.s300、将知识图谱输入至预先训练好的任务完成时间预测模型中，获得任务完成时间预测模型输出的与测试任务对应的测试预测时长。
47.本公开实施例可以预先建立知识图谱计算引擎。本公开实施例可以利用该知识图谱计算引擎，分析知识图谱中的节点属性和关系数量，获得测试任务在当前配置的任务资源下的测试预测时长。
48.其中，任务完成时间预测模型可以为人工神经网络模型。任务完成时间预测模型可以对知识图谱进行计算，计算出测试任务在现有的人力资源配置和具体任务工作量的比对程度，预测出完成该测试任务所需的工作时长。
49.可选的，基于图1所示方法，如图3所示，本公开实施例提供的测试任务的测试资源分析方法的另一种实施方式的流程示意图，步骤s300可以包括：
50.s310、将知识图谱输入至预先训练好的任务完成时间预测模型中，以使任务完成时间预测模型将知识图谱中的实体、实体属性以及实体之间的关联关系分解为多个向量矩阵，根据多个向量矩阵，计算出与测试任务对应的测试预测时长，并输出测试预测时长。
51.可选的，任务完成时间预测模型为bert预训练模型。bert预训练模型通过利用遮蔽语言模型(mlm)改变知识图谱单向的局限性，即在假设需要预测最终完成任务所需的工作时长为一个实体e的情况下，那么知识图谱中的接口文档，测试案例，测试人员数量以及等级等都可通过某种关系与实体e相连。那么bert预训练模型经过大量的训练集训练后，可拥有预测测试任务所需工作时长的能力，即当输入测试任务实体的值时，模型可通过已知的部分条件，进行工作时长的预测。
52.任务完成时间预测模型可以将知识图谱中的工作时长实体e替换为“mask”，然后将知识图谱中的实体、实体属性以及实体之间的关联关系分解为多个向量矩阵，根据多个向量矩阵，计算出“mask”的值，即计算出与测试任务对应的测试预测时长。
53.s400、利用预设测试时长与测试预测时长，确定测试任务所需的额外测试时长。
54.具体的，本公开实施例可以将预设测试时长与测试预测时长的差值，确定为测试任务所需的额外测试时长。
55.可以理解的是，本公开实施例可以在额外测试时长为正值的情况下，确定测试任务在当前配置的人力资源的情况下，可以在预设测试时长内完成测试。本公开实施例可以在额外测试时长为负值的情况下，确定测试任务在当前配置的人力资源的情况下，无法按照预设测试时长完成测试。
56.本公开实施例可以在额外测试时长为负值的情况下，根据额外测试时长的具体数值，合理安排测试人员的加班时间。本公开实施例通过正确及有效的测试任务的人力资源配置进行评估，可承担测试任务配置的人力资源评估责任，保证测试任务的顺利进行。
57.本公开提供的一种测试任务的测试资源分析方法，获得测试任务的测试属性数据、测试人员数据以及预设测试时长；利用测试属性数据、测试人员数据和预设测试时长，构建测试任务对应的知识图谱；将知识图谱输入至预先训练好的任务完成时间预测模型
中，获得任务完成时间预测模型输出的与测试任务对应的测试预测时长；利用预设测试时长与测试预测时长，确定测试任务所需的额外测试时长。本公开通过任务完成时间预测模型，利用测试任务的测试属性数据、测试人员数据和预设测试时长构成知识图谱，对测试任务的资源匹配程度进行有效分析和评估，得到测试任务所需的额外测试时长，有助于合理安排测试任务的测试资源。
58.虽然采用特定次序描绘了各操作，但是这不应当理解为要求这些操作以所示出的特定次序或以顺序次序执行来执行。在一定环境下，多任务和并行处理可能是有利的。
59.应当理解，本公开的方法实施方式中记载的各个步骤可以按照不同的顺序执行，和/或并行执行。此外，方法实施方式可以包括附加的步骤和/或省略执行示出的步骤。本公开的范围在此方面不受限制。
60.与上述方法实施例相对应，本公开实施例还提供一种测试任务的测试资源分析装置，其结构如图4所示，可以包括：第一获得单元100、知识图谱构建单元200、第二获得单元300以及额外测试时长确定单元400。
61.第一获得单元100，用于获得测试任务的测试属性数据、测试人员数据以及预设测试时长。
62.知识图谱构建单元200，用于利用测试属性数据、测试人员数据和预设测试时长，构建测试任务对应的知识图谱。
63.第二获得单元300，用于将知识图谱输入至预先训练好的任务完成时间预测模型中，获得任务完成时间预测模型输出的与测试任务对应的测试预测时长。
64.额外测试时长确定单元400，用于利用预设测试时长与测试预测时长，确定测试任务所需的额外测试时长。
65.可选的，知识图谱构建单元200，具体用于建立测试属性数据、测试人员数据和预设测试时长中的实体、实体属性以及实体之间的关联关系，获得测试任务对应的知识图谱。
66.可选的，第二获得单元300，具体用于将知识图谱输入至预先训练好的任务完成时间预测模型中，以使任务完成时间预测模型将知识图谱中的实体、实体属性以及实体之间的关联关系分解为多个向量矩阵，根据多个向量矩阵，计算出与测试任务对应的测试预测时长，并输出测试预测时长。
67.可选的，测试属性数据包括测试任务的测试案例、接口文档、测试案例的数量以及接口文档中的接口数量，测试人员数据包括测试任务的测试人员、测试人员的数量以及级别。
68.可选的，任务完成时间预测模型为bert预训练模型。
69.本公开提供的一种测试任务的测试资源分析装置，获得测试任务的测试属性数据、测试人员数据以及预设测试时长；利用测试属性数据、测试人员数据和预设测试时长，构建测试任务对应的知识图谱；将知识图谱输入至预先训练好的任务完成时间预测模型中，获得任务完成时间预测模型输出的与测试任务对应的测试预测时长；利用预设测试时长与测试预测时长，确定测试任务所需的额外测试时长。本公开通过任务完成时间预测模型，利用测试任务的测试属性数据、测试人员数据和预设测试时长构成知识图谱，对测试任务的资源匹配程度进行有效分析和评估，得到测试任务所需的额外测试时长，有助于合理安排测试任务的测试资源。
70.关于上述实施例中的装置，其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，此处将不做详细阐述说明。
71.所述测试任务的测试资源分析装置包括处理器和存储器，上述第一获得单元100、知识图谱构建单元200、第二获得单元300以及额外测试时长确定单元400等均作为程序单元存储在存储器中，由处理器执行存储在存储器中的上述程序单元来实现相应的功能。
72.处理器中包含内核，由内核去存储器中调取相应的程序单元。内核可以设置一个或以上，通过调整内核参数来通过任务完成时间预测模型，利用测试任务的测试属性数据、测试人员数据和预设测试时长构成知识图谱，对测试任务的资源匹配程度进行有效分析和评估，得到测试任务所需的额外测试时长，有助于合理安排测试任务的测试资源。
73.本公开实施例提供了一种计算机可读存储介质，其上存储有程序，该程序被处理器执行时实现所述测试任务的测试资源分析方法。
74.本公开实施例提供了一种处理器，所述处理器用于运行程序，其中，所述程序运行时执行所述测试任务的测试资源分析方法。
75.如图5所示，本公开实施例提供了一种电子设备1000，电子设备1000包括至少一个处理器1001、以及与处理器1001连接的至少一个存储器1002、总线1003；其中，处理器1001、存储器1002通过总线1003完成相互间的通信；处理器1001用于调用存储器1002中的程序指令，以执行上述的测试任务的测试资源分析方法。本文中的电子设备可以是服务器、pc、pad、手机等。
76.本公开还提供了一种计算机程序产品，当在电子设备上执行时，适于执行初始化有测试任务的测试资源分析方法步骤的程序。
77.需要说明的是，本公开提供的一种测试任务的测试资源分析方法及相关设备可用于人工智能领域或金融领域。上述仅为示例，并不对本公开提供的一种测试任务的测试资源分析方法及相关设备的应用领域进行限定。
78.本公开是参照根据本公开实施例的方法、装置、电子设备(系统)、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。
79.在一个典型的配置中，电子设备包括一个或多个处理器(cpu)、存储器和总线。电子设备还可以包括输入/输出接口、网络接口等。
80.存储器可能包括计算机可读介质中的非永久性存储器，随机存取存储器(ram)和/或非易失性内存等形式，如只读存储器(rom)或闪存(flash ram)，存储器包括至少一个存储芯片。存储器是计算机可读介质的示例。
81.计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(pram)、静态随机存取存储器(sram)、动态随机存取存储器(dram)、其他类型的随机存取存储器(ram)、只读存储器(rom)、电可擦除可编程只读存储器(eeprom)、快闪记忆体或其他内存技术、只读光盘只读存储器(cd-rom)、
数字多功能光盘(dvd)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。
82.在本公开的描述中，需要理解的是，如若涉及术语“上”、“下”、“前”、“后”、“左”和“右”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的位置或元件必须具有特定方位、以特定的方位构成和操作，因此不能理解为本公开的限制。
83.需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。还需要说明的是，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、方法、商品或者设备不仅包括那些要素，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、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个
……”
限定的要素，并不排除在包括要素的过程、方法、商品或者设备中还存在另外的相同要素。
84.本领域技术人员应明白，本公开的实施例可提供为方法、系统或计算机程序产品。因此，本公开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，本公开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。
85.以上仅为本公开的实施例而已，并不用于限制本公开。对于本领域技术人员来说，本公开可以有各种更改和变化。凡在本公开的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本公开的权利要求范围之内。