[发明专利]一种基于深度学习的网页自动化测试缺陷定位方法

权利要求书

1.一种基于深度学习的网页自动化测试缺陷定位方法，其特征在于，所述方法包括以下步骤：

利用中文的标点符号以及中文连词对测试用例进行解析，分解成最小的操作单元，并以“测试用例-测试步骤-切分方式-操作单元”为操纵单元的属性结构存入到数据库中；

利用基于字的双向LSTM-CRF的神经网络，将操作单元中的每个字赋予一个标签，三元组中的元素由多个或者一个字组成，每一组字符串包含四个字母，分别对应一个词开始位置的字，词中间位置的字，词末位置的字，以一个字为关键字位置的字，标签一共包含12个字母，不是三元组的字全都用0标记；CRF层的状态转移矩阵记为A，A_ij表示的是从第i个标签到第j个标签的转移得分，利用CRF层输出得分概率最高的标签序列，得到关键字序列，将关键字序列定义为三元组序列；

将网页解析成HTML DOM树，页面元素与HTML DOM树节点一一对应；遍历所有页面元素，模糊匹配三元组中的目标页面元素，根据目标页面元素的属性集和三元组的属性，生成目标页面元素集；

通过距离公式，计算目标元素候选集中的目标元素与三元组中的目标页面元素的距离，距离越近，相似度越高，定义距离最近的页面元素为被操作的目标元素；

通过回溯算法，探索页面元素集中的页面元素，如果影响到下一组目标元素的模糊查找，则返回选择距离次之的页面元素；

通过三元组序列调用操作接口，传入操作信息，搭建基于selenium的自动化测试框架，根据三元组的Action操作变量生成函数，封装与Action相关自动化测试功能进行测试；函数接收三元组的页面元素，交互的数据值；通过回溯算法，以目标页面元素集中的测试结果为判断依据探索多个测试流；驱动真实浏览器准确定位被测系统的缺陷。