测试任务分配方法及装置、存储介质及电子设备制造方法及图纸

技术编号:31580005 阅读:22 留言:0更新日期:2021-12-25 11:23
本发明专利技术提供一种测试任务分配方法及装置、存储介质及电子设备,该方法包括:确定待测试的软件项目;基于软件筛选规则,获取软件项目的测试任务,对于软件项目的每个测试任务,获取测试任务的风险指标数据,并将风险指标数据输入分配模型中,使得分配模型基于风险指标数据对测试任务的风险进行评估,并基于对测试任务进行评估的结果生成分配标识;基于每个测试任务的分配标识,为每个测试任务分配执行方式。通过使用分配模型评估测试软件的风险,并基于对测试软件进行评估的结果生成分配标识,并根据分配标识为测试软件分配执行方式,由此可以为测试软件分配合适的执行方式,从而提高系统的工作效率,有效提高系统的收益,使得系统的收益最大化。统的收益最大化。统的收益最大化。

【技术实现步骤摘要】
测试任务分配方法及装置、存储介质及电子设备


[0001]本专利技术涉及金融
,特别涉及一种测试任务分配方法及装置、存储介质及电子设备。

技术介绍

[0002]随着计算机技术在银行中的普遍应用,银行中基于计算机技术开发的各种软件项目越来越多,每种软件项目在投入使用前,需要对软件项目进行测试,对软件项目进行测试的方式通常是执行软件项目的测试任务或是测试案例实现对软件项目的测试。
[0003]目前执行测试任务的方式有两种,一种是手工执行,另一种是自动执行,当测试任务为自动执行时,系统的工作效率会提高,从而提高了系统的收益,然而,并非所有的测试任务都适合自动执行的方式,如何为测试任务分配执行方式,使得系统的收益最大化成为各开发人员亟需解决的问题。

技术实现思路

[0004]有鉴于此,本专利技术提供一种测试任务分配方法及装置、存储介质及电子设备,为测试任务分配合适的执行方式,提高系统的测试效率,使得系统的收益最大化。
[0005]为实现上述目的,本专利技术实施例提供如下技术方案:
[0006]本申请第一专利技术面公开一种测试任务分配方法,包括:
[0007]确定待测试的软件项目;
[0008]基于预设的任务筛选规则,获取所述软件项目的测试任务;
[0009]对于所述软件项目的每个测试任务,获取所述测试任务的风险指标数据,并将所述风险指标数据输入预先训练完成的分配模型中,使得所述分配模型基于所述风险指标数据对所述测试任务的风险进行评估,并基于对所述测试任务进行评估的结果输出所述测试任务的分配标识;
[0010]基于每个所述测试任务的分配标识,为每个所述测试任务分配执行方式。
[0011]上述的方法,可选的,所述基于预设的任务筛选规则,获取所述软件项目的测试任务,包括:
[0012]获取所述软件项目的各个待筛选任务;
[0013]对每个所述待筛选任务进行抽象处理,得到每个所述待筛选任务的特征向量数据;
[0014]基于各个所述待筛选任务的特征向量数据,对各个所述待筛选任务进行筛选,得到所述软件项目的测试任务。
[0015]上述的方法,可选的,所述基于各个所述待筛选任务的特征向量数据,对各个所述待筛选任务进行筛选,得到所述软件项目的测试任务,包括:
[0016]对于每个所述待筛选任务的特征向量数据,在预设的特征数据集合中确定与所述特征向量数据对应的目标特征数据;
[0017]对于每个所述特征向量数据,获取所述特征向量数据的目标特征数据的数据标记,在所述数据标记表征为合法数据时,将所述特征向量数据所对应的待筛选任务确定为所述软件项目的测试任务。
[0018]上述的方法,可选的,所述基于每个所述测试任务的分配标识,为每个所述测试任务分配执行方式,包括:
[0019]对于每个所述测试任务,在所述分配标识为自动化标识时,为所述测试任务分配的执行方式为自动化执行;在所述分配标识手动标识时,为所述测试任务分配的执行方式为手动执行。
[0020]上述的方法,可选的,分配模型的训练过程,包括:
[0021]确定初始模型的项目信息;
[0022]确定所述项目信息所对应的各个已完成测试的软件项目;
[0023]基于预设的风险指标信息,从每个所述已完成测试的软件项目中获取风险训练数据;
[0024]使用各个所述风险训练数据对所述初始模型进行训练,不断调整所述初始模型中的神经网络的权重参数,直至所述神经网络中的收敛函数输出的数值达到预设的阈值时,完成对所述初始模型的训练,并将训练完成的初始模型作为与所述项目信息对应的分配模型。
[0025]本申请第二方面公开一种测试任务分配装置,包括:
[0026]第一确定单元,用于确定待测试的软件项目;
[0027]第一获取单元,用于基于预设的任务筛选规则,获取所述软件项目的测试任务;
[0028]风险评估单元,用于对于所述软件项目的每个测试任务,获取所述测试任务的风险指标数据,并将所述风险指标数据输入预先训练完成的分配模型中,使得所述分配模型基于所述风险指标数据对所述测试任务的风险进行评估,并基于对所述测试任务进行评估的结果输出所述测试任务的分配标识;
[0029]分配单元,用于基于每个所述测试任务的分配标识,为每个所述测试任务分配执行方式。
[0030]上述的装置,可选的,所述第一获取单元,包括:
[0031]获取子单元,用于获取所述软件项目的各个待筛选任务;
[0032]抽象处理子单元,用于对每个所述待筛选任务进行抽象处理,得到每个所述待筛选任务的特征向量数据;
[0033]筛选子单元,用于基于各个所述待筛选任务的特征向量数据,对各个所述待筛选任务进行筛选,得到所述软件项目的测试任务。
[0034]上述的装置,可选的,所述筛选子单元,包括:
[0035]确定模块,用于对于每个所述待筛选任务的特征向量数据,在预设的特征数据集合中确定与所述特征向量数据对应的目标特征数据;
[0036]获取模块,用于对于每个所述特征向量数据,获取所述特征向量数据的目标特征数据的数据标记,在所述数据标记表征为合法数据时,将所述特征向量数据所对应的待筛选任务确定为所述软件项目的测试任务。
[0037]上述的装置,可选的,所述分配单元,包括:
[0038]分配子单元,用于对于每个所述测试任务,在所述分配标识为自动化标识时,为所述测试任务分配的执行方式为自动化执行;在所述分配标识手动标识时,为所述测试任务分配的执行方式为手动执行。
[0039]上述的装置,可选的,还包括:
[0040]第二确定单元,用于确定初始模型的项目信息;
[0041]第三确定单元,用于确定所述项目信息所对应的各个已完成测试的软件项目;
[0042]第二获取单元,用于基于预设的风险指标信息,从每个所述已完成测试的软件项目中获取风险训练数据;
[0043]训练单元,用于使用各个所述风险训练数据对所述初始模型进行训练,不断调整所述初始模型中的神经网络的权重参数,直至所述神经网络中的收敛函数输出的数值达到预设的阈值时,完成对所述初始模型的训练,并将训练完成的初始模型作为与所述项目信息对应的分配模型。
[0044]本申请第三方面公开一种存储介质,所述存储介质包括存储的指令,其中,在所述指令运行时控制所述存储介质所在的设备执行如上所述的测试任务分配方法。
[0045]本申请第四方面公开一种电子设备,包括存储器,以及一个或者一个以上的指令,其中一个或者一个以上指令存储于存储器中,且经配置以由一个或者一个以上处理器执行如上所述的测试任务分配方法。
[0046]与现有技术相比,本专利技术具有以下优点:
[0047]本专利技术提供一种测试任务分配方法及装置、存储介质及电子设备,该方法包括:确定待测试的软件项目;基于预设的软件筛选规则,获取软件项目的测试任务,对于软件项目的每个测试本文档来自技高网
...

【技术保护点】

【技术特征摘要】
1.一种测试任务分配方法,特征在于,包括:确定待测试的软件项目;基于预设的任务筛选规则,获取所述软件项目的测试任务;对于所述软件项目的每个测试任务,获取所述测试任务的风险指标数据,并将所述风险指标数据输入预先训练完成的分配模型中,使得所述分配模型基于所述风险指标数据对所述测试任务的风险进行评估,并基于对所述测试任务进行评估的结果输出所述测试任务的分配标识;基于每个所述测试任务的分配标识,为每个所述测试任务分配执行方式。2.根据权利要求1所述的方法,其特征在于,所述基于预设的任务筛选规则,获取所述软件项目的测试任务,包括:获取所述软件项目的各个待筛选任务;对每个所述待筛选任务进行抽象处理,得到每个所述待筛选任务的特征向量数据;基于各个所述待筛选任务的特征向量数据,对各个所述待筛选任务进行筛选,得到所述软件项目的测试任务。3.根据权利要求2所述的方法,其特征在于,所述基于各个所述待筛选任务的特征向量数据,对各个所述待筛选任务进行筛选,得到所述软件项目的测试任务,包括:对于每个所述待筛选任务的特征向量数据,在预设的特征数据集合中确定与所述特征向量数据对应的目标特征数据;对于每个所述特征向量数据,获取所述特征向量数据的目标特征数据的数据标记,在所述数据标记表征为合法数据时,将所述特征向量数据所对应的待筛选任务确定为所述软件项目的测试任务。4.根据权利要求1所述的方法,其特征在于,所述基于每个所述测试任务的分配标识,为每个所述测试任务分配执行方式,包括:对于每个所述测试任务,在所述分配标识为自动化标识时,为所述测试任务分配的执行方式为自动化执行;在所述分配标识手动标识时,为所述测试任务分配的执行方式为手动执行。5.根据权利要求1所述的方法,其特征在于,分配模型的训练过程,包括:确定初始模型的项目信息;确定所述项目信息所对应的各个已完成测试的软件项目;基于预设的风险指标信息,从每个所述已完成测试的软件项目中获取风险训练数据;使用各个所述风险训练数据对所述初始模型进行训练,不断调整所述初始模型...

【专利技术属性】
技术研发人员:阮绍臣王欣李佩刚苏畅周荣林高建瓴王成常立志
申请(专利权)人:中国农业银行股份有限公司
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1