[发明专利]新控件预测模型的构建方法、遍历测试方法和计算设备

说明书

本发明公开了一种新控件预测模型的构建方法，适于在计算设备中执行，计算设备上设有遍历测试应用，该应用适于对待测移动终端界面上的多个控件进行遍历测试，该方法包括：分别对待测移动终端界面上的多个控件进行点击，并分别统计各控件的多个属性特征值；分别统计各控件被点击前后的原界面控件和新界面控件，并进一步确定各控件被点击后的新发现控件，以及统计各新发现控件的多个属性特征值；以各被点击控件的多个属性特征值为输入、以其被点击后的所有新发现控件的属性特征值为输出，采用预定算法对该输入和输出进行训练，得到所述新控件预测模型。本发明还公开了一种在移动终端上利用该模型来执行的遍历测试方法以及相应的移动终端。

技术领域

本发明涉及自动化测试领域，特别涉及一种新控件预测模型的构建方法、遍历测试方法、移动终端和计算设备。

背景技术

在自动化测试领域中，遍历测试现已普遍应用于各类测试之中，并且发挥着重要的作用。遍历测试应当尽可能的去发现被测应用的路径，路径的覆盖率越全，就越有可能暴露被测应用的问题，因此提高遍历测试的覆盖率极其有必要。但目前并未有智能选择遍历路径的方法，即使通过各种简单的算法叠加后(比如简单的随机以及遍历)，在一定程度上提高了覆盖率，但仍未有一种能够根据被测应用本身特性智能选择路径的方法。

因此，需要提供一种能够有效提高遍历测试覆盖度的遍历方法，以提高遍历测试效率。

发明内容

为此，本发明提供一种新控件预测模型的构建方法、遍历测试方法、移动终端和计算设备，以力图解决或者至少缓解上面存在的问题。

根据本发明的一个方面，提供一种新控件预测模型的构建方法，适于在计算设备中执行，计算设备上设有遍历测试应用，该应用适于对待测移动终端界面上的多个控件进行遍历测试，该方法包括：分别对待测移动终端界面上的多个控件进行点击，并分别统计各控件的多个属性特征值；分别统计各控件被点击前后的原界面控件和新界面控件，并进一步确定各控件被点击后的新发现控件，以及统计各新发现控件的多个属性特征值；以各被点击控件的多个属性特征值为输入、以其被点击后的所有新发现控件的属性特征值为输出，采用预定算法对该输入和输出进行训练，得到新控件预测模型。

可选地，在根据本发明的新控件预测模型的构建方法中，还包括步骤：将新控件预测模型传入到待测移动终端中，并定义新控件预测函数来执行该模型；以及每当对待测移动终端界面上的控件进行遍历点击前，采用所述新控件预测函数预测该界面上各控件被点击后的新发现控件数目，并选取新发现控件数目最多的控件进行遍历点击。

可选地，在根据本发明的新控件预测模型的构建方法中，多个属性特征包括以下特征中的一种或多种：Activity名称、控件类型、是否有控件ID、是否有控件描述、是否可点击、是否被选中、是否可滑动、是否在边界中央。

可选地，在根据本发明的新控件预测模型的构建方法中，对于某个属性特征，若其属性为是，则对应属性特征值为1，反之则为0。

可选地，在根据本发明的新控件预测模型的构建方法中，还包括步骤：采用预定映射方法将各控件的Activity名称和/或控件类型的文本内容转换为数字内容。

可选地，在根据本发明的新控件预测模型的构建方法中，预定算法为卷积神经网络算法，其适于在tensorflow框架下执行，预定映射方法为独热方法或TF-IDF方法。

可选地，在根据本发明的新控件预测模型的构建方法中，多个属性特征适于通过uiautomatorviewer工具解析得到，所述Activity名称适于通过命令dumpsys activity|grep mF获得，是否有控件ID适于根据resource-id属性判断，是否有控件描述适于根据content-desc属性判断，所述新控件预测模型适于以pb文件保存，所述新控件预测函数为getNewUiCounts函数。