[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

说明书

本发明公开了一种基于深度学习的网页自动化测试缺陷定位方法，包括：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；基于深度学习对最小的操作单元进行测试操作信息提取，得到关键字序列，将关键字序列定义为三元组序列；爬取网页，将网页解析成HTML DOM树并遍历该HTML DOM树，通过三元组序列中的Target元素，定位目标页面元素集；通过三元组序列调用操作接口，传入操作信息，自动生成测试用例脚本，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。

技术领域

本发明涉及缺陷定位领域，尤其涉及一种基于深度学习的网页自动化测试缺陷定位方法。

背景技术

基于人工智能(AI)技术例如：基于模式的推理和搜索策略，主要是依靠一套规则系统的支持^[1]。对软件需求提供自动化的还有基于自然语言分析，这种方法针对用自然语言表达的情况进行设计。例如：针对详细语义分析的自然语言表达的需求，但是往往出现语义信息不可用的问题^[2]。通过对英文描述的测试用例提取基于语义上的关键字序列^[3]，用于计算机理解操作指令，自动合成了可以进行自动化测试的脚本。ATA^[3]是通过POS标注测试用例的词性，设计在软件测试特定领域下的语法规则，提取出基于语义的关键字序列，通过关键字序列帮助计算机理解操作指令，但成功执行测试用例的准确率并不高。

目前基于需求的自动化处理方法主要是通过自然语言处理生成词语库，最终生成中间变量或者中间模型，该方法很大程度上依赖手工的转换，诸如模型，源代码等。这些转换的起点，通常以自然语言被写入。然而，几乎没有任何翻译自然语言的自动化工具直接将自然语言文本转换为软件产品^[4]，在传统的软件处理过程中，通常是由操作人员根据执行结果定位缺陷，但这种传统的缺陷定位方法成本较高。现有的通过对自然语言处理得到的词语库也存在歧义，准确率不高，降低了执行的成功率。

发明人在实现本发明的过程中，发现现有技术中至少存在以下缺点和不足：

1)基于关键字驱动的自动化处理，难以精确定位WEB中被处理的目标页面元素；

2)自然语言的复杂多义不一致性造成计算机难以理解，提取的关键字信息往往不准确；

3)基于需求的自动化测试中，不能完全满足自动化的目标以及成功完成测试操作，准确定位被测系统的缺陷。

参考文献

[1]He K,Liang P,Peng R,et al.Requirement emergence computation ofnetworked software[J].Frontiers of Computer Science in China,2007,1(3):322-328.

[2]Hassan T,Hassan S,Yar M A,et al.Semantic analysis of naturallanguage software requirement[C]//Sixth International Conference onInnovative Computing Technology.IEEE,2017.

[3]Hassan T,Hassan S,Yar M A,et al.Semantic analysis of naturallanguage software requirement[C]//Sixth International Conference onInnovative Computing Technology.IEEE,2017.