[发明专利]基于人工智能的自动化测试方法、装置、设备及存储介质

权利要求书

1.一种基于人工智能的自动化测试方法，其特征在于，包括：

获取原始数据，所述原始数据包括页面点击数据、系统日志、操作日志和通讯日志；

对所述原始数据进行预处理，得到第一目标数据和第二目标数据；

通过预置的机器学习算法和所述第一目标数据生成初始测试模型；

通过预置的深度学习算法和所述第二目标数据对所述初始测试模型进行优化，生成目标测试模型；

通过所述目标测试模型生成测试用例；

执行所述测试用例，并获取测试结果。

2.根据权利要求1所述的基于人工智能的自动化测试方法，其特征在于，所述通过预置的机器学习算法和所述第一目标数据生成初始测试模型包括：

将所述第一目标数据划分为训练数据和校验数据；

根据所述训练数据和第一预置公式生成原始模型，所述原始模型如下：其中，j＝1,2,…,J,m＝1,2,…，M，M和J为正整数；

通过所述校验数据对所述原始模型进行校验，得到初始测试模型。

3.根据权利要求2所述的基于人工智能的自动化测试方法，其特征在于，所述根据所述训练数据和第一预置公式生成原始模型，包括：

初始化模型，获得使得损失函数最小的常数估计值，得到

根据初始化后的模型计算损失函数的负梯度值，得到

根据所述r_mi拟合一棵回归树R_mj,j＝1,2,…,J，所述回归树包括J个叶子节点区域；

计算所述回归树的叶结点区域的值，得到

更新所述回归树，得到第一预置公式

根据所述训练数据和所述第一预置公式生成原始模型其中，所述训练数据为T＝{(x₁,y₁),(x₂,y₂),...,(x_N,y_N)}，x_i∈Rⁿ，y_i∈c＝{-1,+1}，i＝1,2,...,N。

4.根据权利要求2所述的基于人工智能的自动化测试方法，其特征在于，所述通过所述校验数据对所述原始模型进行校验，得到初始测试模型包括：

根据所述校验数据生成目标预期特征；

将所述校验数据输入到所述原始模型得到初始预期特征；

比较所述目标预期特征和所述初始预期特征，生成所述目标预期特征和所述初始预期特征之间的误差率；

若所述误差率小于预设阈值，则确定所述原始模型为所述初始测试模型。

5.根据权利要求1所述的基于人工智能的自动化测试方法，其特征在于，所述通过预置的深度学习算法和所述第二目标数据对所述初始测试模型进行优化，生成目标测试模型包括：

调用预置的深度学习算法和所述第二目标数据对所述初始测试模型进行优化训练；

将优化后的初始测试模型确定为目标测试模型。

6.根据权利要求5所述的基于人工智能的自动化测试方法，其特征在于，所述调用预置的深度学习算法和所述第二目标数据对所述初始测试模型进行优化训练包括：

调整所述初始测试模型的学习率、训练次数和目标损失函数；

将所述第二目标数据输入所述初始测试模型得到输出结果；

将所述输出结果输入所述目标损失函数；

通过预置的反向传播算法确定梯度向量；

根据所述梯度向量调整所述初始测试模型的权值，直至所述输出结果的误差趋于0。

7.根据权利要求1-6中任一所述的基于人工智能的自动化测试方法，其特征在于，所述对所述原始数据进行预处理，得到第一目标数据和第二目标数据包括：

确定所述原始数据中各个数据的数据类型，所述数据类型包括数值型、时间型和类别型；

对所述数值型的数据采用归一化处理，对所述时间型的数据采用时间划分处理，对所述类别型的数据采用离散化处理，得到目标数据类型；

根据预置规则将所述目标数据拆分为第一目标数据和第二目标数据。