[发明专利]基于语义的Bug定位方法、介质及系统

说明书

本发明公开了一种基于语义的Bug定位方法、介质及系统，其中方法包括：获取多个系统的历史数据，并对历史数据进行分词，以形成训练样本，以及根据训练样本进行模型训练，以得到词向量模型；获取待测试系统代码，并提取待测试系统代码中的关键名词；对待测试系统进行测试，以得到相应的Bug信息，并对Bug信息进行分词，以得到相应的分词列表；将分词列表中的每个词输入到词向量模型中，以通过词向量模型对分词列表进行筛选，得到预选分词集合；比对预选分词集合与关键名词，以得到目标分词集合。能够基于语义对Bug的影响范围进行精准地确定，提高回归测试覆盖率，进而保障系统交付的质量，同时降低人力成本消耗并降低交付周期。

技术领域

本申请涉及Bug定位领域，具体涉及一种基于语义的Bug定位方法、一种存储介质和一种基于语义的Bug定位系统。

背景技术

相关技术中，在进行Bug定位时，大多采用人工分析或者通过调用逻辑进行自动分析的方式；如果是通过人工分析进行，则需要测试人员具备娴熟的开发技能，并且，分析过程即为繁琐和耗时，耗费人力资源高且影响软件的交付周期。另外，如果通过调用逻辑进行自动分析，往往会因为Bug产生的相关模块不在调用链上而导致分析结果不准确，通过分析结果无法解决问题。

发明内容

鉴于上述问题，本申请提供了一种基于语义的Bug定位方法，能够基于语义对Bug的影响范围进行精准地确定，提高回归测试覆盖率，进而保障系统交付的质量，同时降低人力成本消耗并降低交付周期。

为实现上述目的，发明人提供了基于语义的Bug定位方法，包括：获取多个系统的历史数据，并对所述历史数据进行分词，以形成训练样本，以及根据所述训练样本进行模型训练，以得到词向量模型；获取待测试系统代码，并提取所述待测试系统代码中的关键名词；对待测试系统进行测试，以得到相应的Bug信息，并对所述Bug信息进行分词，以得到相应的分词列表；将所述分词列表中的每个词输入到所述词向量模型中，以通过所述词向量模型对所述分词列表进行筛选，得到预选分词集合；比对所述预选分词集合与所述关键名词，以得到目标分词集合。

区别于现有技术，上述技术方案通过多个系统的历史数据训练得到词向量模型，并通过词向量模型获取待测试系统的预选分词，以及将预选分词与待测试系统代码的关键名词进行比对；从而确定Bug的影响范围。

在一些实施例中，所述历史数据包括每个系统对应的Bug清单信息和代码信息，其中，所述Bug清单信息包括Bug标题、Bug描述、测试步骤、所属产品和模块。

在一些实施例中，所述关键名词包括全限定类名和每个全限定类名对应的函数名，其中，所述全限定类名包括模块名称和类名。

在一些实施例中，获取待测试系统代码，并提取所述待测试系统代码中的关键名词，包括：对所述待测试系统代码的目录进行扫描，以得到相应的模块名称；遍历所述待测试系统代码中结尾为.java的文件，并解析结尾为.java的文件中的每一行，以及判断该行是否为注释行；如果该行不是注释行，则通过正则表达式匹配关键字，并根据匹配结果提取相应的类名；对所述模块名称和所述类名进行合并，以得到所述全限定类名；通过java反射机制获取每个所述全限定类名对应的函数名。

在一些实施例中，通过所述词向量模型对所述分词列表进行筛选，得到预选分词集合，包括：通过所述词向量模型输出所述分词列表中每个词对应的相似值；判断所述相似值是否大于预设相似值阈值；如果是，则将该相似值对应的词添加到预选分词集合。

在一些实施例中，在通过所述词向量模型对所述分词列表进行筛选，得到预选分词集合之后，还包括：对于所述预选分词集合中的每一个词，通过翻译系统获取该词对应的翻译词，以及将该翻译词添加到所述预选分词集合中。

在一些实施例中，比对所述预选分词集合与所述关键名词，以得到目标分词集合，包括：对于所述预选分词集合中的每一个词，判断该词是否属于关键名词；如果是，则将该词添加到所述目标分词集合。