[发明专利]一种真实用户智能感知系统中的测试用例自动生成方法

权利要求书

1.一种真实用户智能感知系统中的测试用例自动生成方法，其特征在于，所述测试用例自动生成方法包括以下步骤：

S1，收集多个时间段内，多名用户的历史操作日志数据，日志数据包括日志事件id、操作类型、操作平台、操作模块、操作时间和操作网络；

S2，对原始日志数据进行预处理，得到相应的真实用例，构成训练数据集；

S3，搭建生成器神经网络和判别器神经网络；

S4，将操作类型标签以及随机噪声输入到生成器神经网络，得到测试用例的特征数据；将真实用例和生成器神经网络生成的测试用例一起输入到判别器神经网络，由判别器神经网络使用注意力机制对两种用例的用例特征进行分析，计算生成器神经网络生成的测试用例的真实性；

S5，计算判别器神经网络以及生成器神经网络的损失，使用反向传播更新模型参数，使两者进行极大极小博弈；

S6，重复步骤S4和步骤S5，直至完成对生成器神经网络和判别器神经网络的训练；

S7，使用训练完成的生成器神经网络批量生成测试用例，并通过判别器神经网络计算生成的测试用例的信息增益，保留信息增益大于阈值的测试用例；

步骤S4中，将操作类型标签以及随机噪声输入到生成器神经网络，得到测试用例的特征数据的过程包括以下步骤：

使用随机种子生成一个特定维度的噪声，根据下式将噪声的维度映射至测试用例同一维度：

；

式中，x为生成用例的初步特征，其中包含d维特征向量，BN为批量归一化层函数；ConvT为反卷积层函数，用于升维特征；

使用注意力机制提取重要特征，每一测试用例特征向量计算公式如下：

；

式中，为第i个生成测试用例特征表达，为x的第j维特征向量，d为生成用例特征的总维度数，为第i维的特征对于第j维特征的注意力系数，计算公式如下：

式中，为第i维的特征对于第j维关联程度，d为生成用例特征的总维度数。

2.根据权利要求1所述的真实用户智能感知系统中的测试用例自动生成方法，其特征在于，步骤S1中，收集多个时间段内，多名用户的历史操作日志数据的过程包括以下步骤：

分析日志数据，获取日志数据中自定义多类特征的用户操作特征：

日志数据中第n个的用户操作行为元组特征er_n表示为：

er_n=(id_n, ca_n, pl_n, me_n, tim_n, state_n, per_n)；

式中，id_n代表日志事件标识，ca_n代表操作类型， pl_n代表操作平台, me_n代表操作模块，tim_n代表所发生日志事件的时间戳，per_n代表发生日志事件的用户信息，state_n代表发生日志时用户的网络连接状态，1 ≤ n≤ N，N为日志数据中的用户操作行为总数。

3.根据权利要求1所述的真实用户智能感知系统中的测试用例自动生成方法，其特征在于，步骤S2中，对原始日志数据进行预处理的过程包括以下步骤：

为用户操作日志中的每个属性值设置相应的允许值范围，将不在相应允许值范围内的实体删除；

分析每个空缺值的属性与测试用例运行结果的相关性，如果相关性低于预设的相关性阈值，忽略该空缺值；否则，采用经验值或者相应属性的中位数对该空缺值进行填充；

设置编辑距离阈值，当两条用户操作日志的编辑距离小于编辑距离阈值时，将时间较近的这条用户操作日志视为冗余日志记录予以删除，只保留时间较远的那条用户操作日志。