一种重复测试案例清除方法及装置与流程

1.本技术涉及计算机技术领域，尤其涉及一种重复测试案例清除方法及装置。


背景技术：

2.现有技术中，对于金融软件进行软件测试时，测试人员针对新需求编写新的测试案例，但如果新需求是在原有功能上做优化的话，应该是导出案例库原有功能的存量案例，在存量案例的基础上做修改，再将修改的存量案例导入案例库并手动删除原有案例。因为该操作较为繁琐，大部分测试人员都是直接将新编写的案例导入案例库，而没有去手动删除原有功能案例。这样会导致我们的测试案例库存在冗余案例，冗余的测试案例会占用测试资源，导致测试效率降低。


技术实现要素：

3.有鉴于此，本技术的目的在于至少提供一种重复测试案例清除方法及装置，通过历史测试案例来训练机器学习模型，使得机器学习模型实现识别测试案例的功能，从而对于新编写的测试案例，通过机器学习模型确定与新编写的测试案例的类别，从而在测试案例样本数据库中查询出与新编写的测试案例属于同一类别的测试案例样本集合，以对测试案例样本集合中与新编写的测试案例所实现相同目的的测试案例删去，解决了现有技术中需要用户手动删去测试案例而导致效率低的技术问题，达到提高效率的技术效果。
4.本技术主要包括以下几个方面：
5.第一方面，本技术实施例提供一种重复测试案例清除方法，所述重复测试案例清除方法包括：
6.获取多种历史测试案例样本集合和每种历史测试案例样本集合的集合标识，其中，每种历史测试案例样本集合包括至少一个历史测试案例样本的特征信息；
7.基于每种历史测试案例样本集合的至少一个历史测试案例样本的特征信息和每种历史测试案例样本集合的集合标识，训练机器学习模型，以使所述机器学习模型识别每个历史测试案例样本对应的集合标识；
8.将目标测试案例样本输入至训练好的机器学习模型中，得到目标测试案例样本对应的集合标识；
9.基于所述目标测试案例样本的集合标识，将测试案例样本数据库中与所述目标测试案例样本重复的测试案例样本删去。
10.可选地，获取多种历史测试案例样本集合之前，所述方法还包括：
11.针对每种历史测试案例样本集合，将该种历史测试案例样本集合中的每个历史测试案例样本进行数据预处理，以删去异常的历史测试案例样本。
12.可选地，通过以下步骤确定与所述目标测试案例样本重复的测试案例样本，包括：
13.确定所述测试案例样本数据库中与所述集合标识相同的近似测试案例样本集合；
14.基于近似测试案例样本集合中各测试案例样本与目标测试案例样本的重复词概
率，在近似测试案例样本集合中确定与所述目标测试案例样本重复的测试案例样本。
15.可选地，特征信息包括：测试案例名称、所属系统名称、测试案例描述、预期结果、测试步骤、重要等级、正例或反例、是否金融交易。
16.第二方面，本技术实施例还提供一种重复测试案例清除装置，所述重复测试案例清除装置包括：
17.获取模块，用于获取多种历史测试案例样本集合和每种历史测试案例样本集合的集合标识，其中，每种历史测试案例样本集合包括至少一个历史测试案例样本的特征信息；
18.训练模块，用于基于每种历史测试案例样本集合的至少一个历史测试案例样本的特征信息和每种历史测试案例样本集合的集合标识，训练机器学习模型，以使所述机器学习模型识别每个历史测试案例样本对应的集合标识；
19.确定模块，用于将目标测试案例样本输入至训练好的机器学习模型中，得到目标测试案例样本对应的集合标识；
20.删去模块，用于基于所述目标测试案例样本的集合标识，将测试案例样本数据库中与所述目标测试案例样本重复的测试案例样本删去。
21.可选地，装置还包括：
22.预处理模块，用于针对每种历史测试案例样本集合，将该种历史测试案例样本集合中的每个历史测试案例样本进行数据预处理，以删去异常的历史测试案例样本。
23.可选地，删去模块，通过以下步骤确定与所述目标测试案例样本重复的测试案例样本：
24.确定所述测试案例样本数据库中与所述集合标识相同的近似测试案例样本集合；
25.基于近似测试案例样本集合中各测试案例样本与目标测试案例样本的重复词概率，在近似测试案例样本集合中确定与所述目标测试案例样本重复的测试案例样本。
26.可选地，特征信息包括：测试案例名称、所属系统名称、测试案例描述、预期结果、测试步骤、重要等级、正例或反例、是否金融交易。
27.第三方面，本技术实施例还提供一种电子设备，包括：处理器、存储器和总线，所述存储器存储有所述处理器可执行的机器可读指令，当电子设备运行时，所述处理器与所述存储器之间通过所述总线进行通信，所述机器可读指令被所述处理器运行时执行上述第一方面或第一方面中任一种可能的实施方式中所述的重复测试案例清除方法的步骤。
28.第四方面，本技术实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器运行时执行上述第一方面或第一方面中任一种可能的实施方式中所述的重复测试案例清除方法的步骤。
29.本技术实施例提供的一种重复测试案例清除方法及装置，该方法包括：获取多种历史测试案例样本集合和每种历史测试案例样本集合的集合标识，其中，每种历史测试案例样本集合包括至少一个历史测试案例样本的特征信息；基于每种历史测试案例样本集合的至少一个历史测试案例样本的特征信息和每种历史测试案例样本集合的集合标识，训练机器学习模型，以使所述机器学习模型识别每个历史测试案例样本对应的集合标识；将目标测试案例样本输入至训练好的机器学习模型中，得到目标测试案例样本对应的集合标识；基于所述目标测试案例样本的集合标识，将测试案例样本数据库中与所述目标测试案例样本重复的测试案例样本删去。通过历史测试案例来训练机器学习模型，使得机器学习
模型实现识别测试案例的功能，从而对于新编写的测试案例，通过机器学习模型确定与新编写的测试案例的类别，从而在测试案例样本数据库中查询出与新编写的测试案例属于同一类别的测试案例样本集合，以对测试案例样本集合中与新编写的测试案例所实现相同目的的测试案例删去，解决了现有技术中需要用户手动删去测试案例而导致效率低的技术问题，达到提高效率的技术效果。
30.为使本技术的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。
附图说明
31.为了更清楚地说明本技术实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本技术的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。
32.图1示出了本技术实施例所提供的一种重复测试案例清除方法的流程图。
33.图2示出了本技术实施例所提供的另一种重复测试案例清除方法的流程图。
34.图3示出了本技术实施例所提供的一种重复测试案例清除装置的功能模块图。
35.图4示出了本技术实施例所提供的一种电子设备的结构示意图。
具体实施方式
36.为使本技术实施例的目的、技术方案和优点更加清楚，下面将结合本技术实施例中的附图，对本技术实施例中的技术方案进行清楚、完整地描述，应当理解，本技术中的附图仅起到说明和描述的目的，并不用于限定本技术的保护范围。另外，应当理解，示意性的附图并未按实物比例绘制。本技术中使用的流程图示出了根据本技术的一些实施例实现的操作。应当理解，流程图的操作可以不按顺序实现，没有逻辑的上下文关系的步骤可以反转顺序或者同时实施。此外，本领域技术人员在本技术内容的指引下，可以向流程图添加一个或多个其他操作，也可以从流程图中移除一个或多个操作。
37.另外，所描述的实施例仅仅是本技术一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本技术实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本技术的实施例的详细描述并非旨在限制要求保护的本技术的范围，而是仅仅表示本技术的选定实施例。基于本技术的实施例，本领域技术人员在没有做出创造性劳动的前提下所获得的全部其他实施例，都属于本技术保护的范围。
38.现有技术中，大部分测试人员都是直接将新编写的案例导入案例库，而没有去手动删除原有功能案例。这样会导致我们的测试案例库存在冗余案例，长期以往，全量案例库不仅无法做为知识沉淀和测试指导，还会造成如下后果：
39.降低测试效率：冗余的测试案例会占用测试资源，导致测试执行效率降低，测试团队需要更多的时间创建、存储和搜索测试用例，从而影响测试效率；
40.增加测试执行的负担：冗余的测试案例需要额外的测试资源来处理，导致测试执行效率降低，也会影响测试团队的生产力；
41.增加测试成本：在测试过程中，测试团队需要额外的人力和时间来处理冗余的测
试案例，从而提高测试成本；
42.影响测试质量：如果测试用例中存在错误案例，那么这些测试用例可能会导致错误的测试结果，从而影响测试质量。
43.因此，为了避免测试案例库存在大量的冗余测试案例，我们想通过业务建模学习以往案例描述，将新编写的案例与存量案例的模型进行匹配，智能将新编写的案例覆盖存量案例，从而减少测试全量库中的冗余案例，提高测试效率和测试质量。
44.基于此，本技术实施例提供了一种重复测试案例清除方法及装置，通过历史测试案例来训练机器学习模型，使得机器学习模型实现识别测试案例的功能，从而对于新编写的测试案例，通过机器学习模型确定与新编写的测试案例的类别，从而在测试案例样本数据库中查询出与新编写的测试案例属于同一类别的测试案例样本集合，以对测试案例样本集合中与新编写的测试案例所实现相同目的的测试案例删去，解决了现有技术中需要用户手动删去测试案例而导致效率低的技术问题，达到提高效率的技术效果。具体如下：
45.请参阅图1，图1为本技术实施例所提供的一种重复测试案例清除方法的流程图。如图1所示，本技术实施例提供的重复测试案例清除方法，包括以下步骤：
46.s101：获取多种历史测试案例样本集合和每种历史测试案例样本集合的集合标识。
47.其中，每种历史测试案例样本集合包括至少一个历史测试案例样本的特征信息。集合标识用于标识每种历史测试案例样本集合。每种历史测试案例样本集合指的是将具备同样的测试目的的历史测试案例样本放在一个集合内。
48.每个历史测试案例样本指的是用于实现对金融软件进行软件测试的测试案例。
49.所述获取多种历史测试案例样本集合之前，所述方法还包括：获取每个历史测试案例样本的测试用例数据；对测试用例数据进行特征提取，选择出该历史测试案例样本的特征信息。
50.每个历史测试案例样本的测试用例数据用于描述该历史测试案例样本的所有信息，包括：测试案例名称、所属系统名称、测试案例描述、预期结果、测试步骤、重要等级、正例或反例、是否金融交易、设计者标识、案例标号等。
51.所述特征信息包括：测试案例名称、所属系统名称、测试案例描述、预期结果、测试步骤、重要等级、正例或反例、是否金融交易。
52.也就是说，特征提取指的是从每个历史测试案例样本的测试用例数据中提取出关键的特征信息，这些特征用来表示测试用例，对于识别该历史测试案例样本对应的集合标识影响较大。从而，对于识别集合标识无用的信息包括该历史测试案例样本的设计者、案例标号等，这些信息对于确定每个历史测试案例样本对应的集合标识没有什么实质影响，进而将这些没有影响的特征信息删去。
53.所述获取多种历史测试案例样本集合之前，所述方法还包括：针对每种历史测试案例样本集合，将该种历史测试案例样本集合中的每个历史测试案例样本进行数据预处理，以删去异常的历史测试案例样本。
54.也就是说，对每个历史测试案例样本的特征信息进行数据预处理。数据预处理包括标准化数据格式、去除缺失值和异常值等操作。
55.标准化数据格式指的是将每个历史测试案例样本的特征信息进行标准化处理，删
去不必要的符号，统一数据格式，便于后期进行机器学习模型训练。
56.去除缺失值指的是若该历史测试案例样本的特征信息中包含缺失的特征信息，则将该历史测试案例样本删去；去除异常值指的是对于该历史测试案例样本的每个特征信息是否为符合预设规定，例如正例或反例这一项特征信息对应的内容是其他，则需要删去该历史测试案例样本。
57.示例性的，一种历史测试案例样本集合的集合标识为成功购买基金集合，该集合中包含历史测试案例样本a，历史测试案例样本a为用户在产品列表中选择基金产品，进行购买，当购买金额小于或者等于用户的账户余额时，购买成功。另一种历史测试案例样本集合的集合标识为账户余额不足购买失败集合，该集合中包含历史测试案例样本b，历史测试案例样本b为用户在产品列表中选择基金产品，进行购买，当购买金额大于用户的账户余额时候，购买失败，系统给出错误提示：“当前余额不足”。表1为上述历史测试案例样本a和历史测试案例样本b的特征信息示意表。
58.表1：
59.[0060][0061]
其中，历史测试案例样本a属于一种历史测试案例样本集合，历史测试案例样本b属于另一种历史测试案例样本集合，还有其他的历史测试案例样本集合，在此不一一列举，每种历史测试案例样本集合的集合标签和该种历史测试案例样本集合中至少一个历史测试案例样本的特征信息均是技术人员提前编写好的。
[0062]
s102：基于每种历史测试案例样本集合的至少一个历史测试案例样本的特征信息和每种历史测试案例样本集合的集合标识，训练机器学习模型，以使所述机器学习模型识别每个历史测试案例样本对应的集合标识；
[0063]
也就是说，将每种历史测试案例样本集合的至少一个历史测试案例样本的特征信息作为样本数据，将各个历史测试案例样本对应的集合标识作为标签，训练机器学习模型，从而使得训练好的机器学习模型可以识别每个历史测试案例样本对应的集合标识。
[0064]
同时，在训练过程中划分成训练集和测试集，需要保证训练集和测试集的数据分布一致或相似，这样可以避免模型在训练集和测试集上的表现差异很大，使得模型能够从一小部分已知数据中学习到规律，并将其应用于未知数据上，产生与已知数据相似的结果，能够从未知数据中避免常见的错误，并产生正确的结果。
[0065]
机器学习模型可选择决策树、支持向量机、神经网络等，根据特征进行训练和优化；并且对机器学习模型进行评估，评估模型的性能和准确度，通过交叉验证等方法进行评估，确保模型能够准确地分析新的测试用例和存量用例的对应关系；将建好的模型应用于实际工作中，当案例导入时候，通过匹配现有案例库，智能分析新写案例和存量案例的对应关系，并将有对应关系的存量案例覆盖为新写案例，确保案例库不存在冗余案例，提高测试
效率和质量。
[0066]
或者，为了找出冗余的测试案例，机器学习模型还可以使用聚类算法对测试案例进行归类，可以将相似的样本划分为同一组，并将不相似的样本分配给不同的组。
[0067]
具体的，确定每个历史测试案例样本的特征信息对应的特征向量；对各个历史测试案例样本进行相似度计算，选择一种相似度计算方法(如欧氏距离、曼哈顿距离等)，衡量两个历史测试案例样本的特征向量之间的相似度；选择合适的聚类算法(如k-means、dbscan、层次聚类等)，对测试案例进行聚类操作，得到各个聚类簇；遍历每个聚类簇，并选择代表性的测试案例，其他的测试案例即为冗余案例，将其他的测试案例从测试集中移除或者减少其重要性。
[0068]
s103：将目标测试案例样本输入至训练好的机器学习模型中，得到目标测试案例样本对应的集合标识。
[0069]
也就是说，将新编写好的目标测试案例样本输入至机器学习模型，得到机器学习模型输出的目标测试案例样本对应的集合标识。
[0070]
对于机器学习模型认为没有对应的集合标识，则提示该目标测试案例为新案例，直接加入测试案例样本数据库。示例性的，目标测试案例样本b的所属系统为基金购买系统；测试案例名称为普通客户基金购买时，购买金额小于或者等于账户余额时，用户输入不正确的推荐人，提示“该推荐人不正确”，用户购买失败；案例描述为检查基金购买推荐人错误的场景；步骤描述为1、用户登录购买基金系统，2、进入产品列表菜单，3、选择购买基金产品及输入购买金额，确定购买金额小于或者等于账户余额，4、输入推荐人信息错误，5、点击购买按钮，弹出提示“该推荐人不正确”；是否金融交易为是；正例或反例为正例；重要等级为高；预期结果为基金无法购买，且提示为“该推荐人不正确”。由于该案例属于新增的功能，测试案例样本数据库没有对应上的案例，所以这条案例直接添加至测试案例样本数据库中。
[0071]
s104：基于所述目标测试案例样本的集合标识，将测试案例样本数据库中与所述目标测试案例样本重复的测试案例样本删去。
[0072]
请参阅图2，图2为本技术实施例所提供的确定与所述目标测试案例样本重复的测试案例样本的步骤的流程图。确定与所述目标测试案例样本重复的测试案例样本，包括：
[0073]
s201：确定所述测试案例样本数据库中与所述集合标识相同的近似测试案例样本集合。
[0074]
测试案例样本数据库中包含所有的测试案例样本。
[0075]
也就是说，在测试案例样本数据库中查找集合标识均是目标测试案例样本的集合标识的测试案例样本，将查找出的测试案例样本添加至近似测试案例样本集合。
[0076]
s202：基于近似测试案例样本集合中各测试案例样本与目标测试案例样本的重复词概率，在近似测试案例样本集合中确定与所述目标测试案例样本重复的测试案例样本。
[0077]
重复词概率指的是近似测试案例样本集合中各测试案例样本与目标测试案例样本之间存在重复的词语/字的概率。
[0078]
示例性的，重复词概率的计算方式为：针对近似测试案例样本集合中各测试案例样本的每个特征信息，确定该特征信息与目标测试案例样本的该特征信息之间均存在的字的个数，将个数与目标测试案例样本的该特征信息的字数相比，将比值作为测试案例样本
的该特征信息的重复词概率；将该测试案例样本的各个特征信息对应的重复词概率的平均值，作为该测试案例样本与目标测试案例样本的重复词概率；在该测试案例样本与目标测试案例样本的重复词概率大于预设概率时，确定该测试案例样本与目标测试案例样本的重复。这里的字不包含符号。
[0079]
示例性的，重复词概率的计算方式为：首先，将近似测试案例样本集合中各测试案例样本的每个特征信息和目标测试案例样本的每个特征信息依据标点符号进行分段；针对近似测试案例样本集合中各测试案例样本的每个特征信息，确定该特征信息的各段与目标测试案例样本的该特征信息的各段相同的段数，将相同的段数与目标测试案例样本的该特征信息的段数相比，将比值作为该测试案例样本与目标测试案例样本的重复词概率；在该测试案例样本与目标测试案例样本的重复词概率大于预设概率时，确定该测试案例样本与目标测试案例样本的重复。
[0080]
示例性的，一种历史测试案例样本集合的集合标识为成功购买集合，该集合中包含历史测试案例样本a，历史测试案例样本a为用户在产品列表中选择基金产品，进行购买，当购买金额小于或者等于用户的账户余额时，购买成功。目标测试案例样本c为用户在产品列表中选择基金产品，进行购买，当购买金额小于或者等于用户的账户余额时，用户输入正确的推荐人，购买成功。目标测试案例样本d为用户在产品列表中选择基金产品，进行购买，当购买金额小于或者等于用户的账户余额时，用户不输入正确的推荐人，购买成功。
[0081]
也就是说，无论用户是否输入正确的推荐人，均可以实现购买基金，目标测试案例样本c和目标测试案例样本d的测试目的与历史测试案例样本a相同，均是购买金额小于或者等于用户的账户余额时，购买成功。
[0082]
另一种历史测试案例样本集合的集合标识为账户余额不足购买失败集合，该集合中包含历史测试案例样本b，历史测试案例样本b为用户在产品列表中选择基金产品，进行购买，当购买金额大于用户的账户余额时候，购买失败，系统给出错误提示：“当前余额不足”。目标测试案例样本e为用户在产品列表中选择基金产品，进行购买，当购买金额大于用户的账户余额时，系统给出错误提示：“当前账户余额为xxx元，小于购买余额，请修改购买金额或充值后再次购买”，购买失败。
[0083]
也就是说，目标测试案例样本e的测试目的与历史测试案例样本b相同，均是购买金额大于用户的账户余额时，购买成功，仅修改了提示信息。
[0084]
目标测试案例样本的特征信息的示意表如表2所示。
[0085]
表2：
[0086]
[0087]
[0088][0089]
也就是说，以特征信息“测试案例名称”为例，历史测试案例样本a的测试案例名称中“普通客户基金购买时”、“购买金额小于或者等于账户余额时”、“用户购买成功”与目标测试案例样本c和目标测试案例样本d的测试案例名称中“普通客户基金购买时”、“购买金额小于或者等于账户余额时”、“用户购买成功”相同，从而计算目标测试案例样本c和目标测试案例样本d的测试案例名称与历史测试案例样本a的测试案例名称中相同的段数为3，历史测试案例样本a的测试案例名称的段数为3，从而确定目标测试案例样本c和目标测试案例样本d的测试案例名称分别对应的重复词概率均是100％，从而将历史测试案例样本a删去。
[0090]
也就是说，无论先上传目标测试案例样本c或目标测试案例样本d，均会删去历史测试案例样本a。若先上传目标测试案例样本c，后上传目标测试案例样本d，由于目标测试案例样本d与目标测试案例样本c的测试案例名称之间相同的段数为3，目标测试案例样本c的测试案例名称的段数为4，从而确定目标测试案例样本d与目标测试案例样本c的测试案例名称对应的重复词概率是75％。
[0091]
确定所述测试案例样本数据库中与所述集合标识相同的近似测试案例样本集合之后，所述方法还包括：基于所述近似测试案例样本集合中各测试案例样本的上传时间和所述目标测试案例样本的上传时间，确定与所述目标测试案例样本重复的测试案例样本。
[0092]
也就是说，针对近似测试案例样本集合中的各测试案例样本，确定该测试案例样本的上传时间是否位于所述目标测试案例样本的上传时间之前，若该测试案例样本的上传时间位于所述目标测试案例样本的上传时间之前，则将该测试案例样本删去。
[0093]
也就是说，与所述目标测试案例样本重复的测试案例样本是在目标测试案例样本的上传时间之前上传，且与目标测试案例样本对应相同的测试目的的测试案例样本。
[0094]
或者，确定近似测试案例样本集合中与所述目标测试案例样本重复的测试案例样本，包括：确定目标测试案例样本的上传时间之前间隔预设时间的目标时间；判断近似测试案例样本集合中各测试案例样本的上传时间是否位于目标时间之前，将近似测试案例样本集合中上传时间位于目标时间之前的测试案例样本删去，将近似测试案例样本集合中上传时间位于目标时间及目标时间之后的测试案例样本保留。
[0095]
预设时间可以设置认为设置，一般设置为一周，一般认为在一周内不会对具备同
一个测试目的的测试案例进行改进。
[0096]
示例性的，若目标测试案例样本的上传时间是2023年06月01日，预设时间设置为7天，则目标时间为2023年05月25日，进而确定将近似测试案例样本集合中上传时间在2023年05月25日之前的测试案例样本删去。
[0097]
本技术提高了测试案例样本数据库的可用性，去除了冗余案例后，用户可以更快捷地找到所需要的案例，使测试案例样本数据库更加高效和有用，并且减少维护成本；提高测试案例数据库的质量，可以避免错误和重复案例；促进知识沉淀，提升测试案例数据库的测试指导价值。
[0098]
基于同一申请构思，本技术实施例中还提供了与上述实施例提供的重复测试案例清除方法对应的重复测试案例清除装置，由于本技术实施例中的装置解决问题的原理与本技术上述实施例的重复测试案例清除方法相似，因此装置的实施可以参见方法的实施，重复之处不再赘述。
[0099]
如图3所示，图3为本技术实施例提供的一种重复测试案例清除装置的功能模块图。重复测试案例清除装置10包括：获取模块101、训练模块102、确定模块103和删去模块104。
[0100]
获取模块101，用于获取多种历史测试案例样本集合和每种历史测试案例样本集合的集合标识，其中，每种历史测试案例样本集合包括至少一个历史测试案例样本的特征信息；
[0101]
训练模块102，用于基于每种历史测试案例样本集合的至少一个历史测试案例样本的特征信息和每种历史测试案例样本集合的集合标识，训练机器学习模型，以使所述机器学习模型识别每个历史测试案例样本对应的集合标识；
[0102]
确定模块103，用于将目标测试案例样本输入至训练好的机器学习模型中，得到目标测试案例样本对应的集合标识；
[0103]
删去模块104，用于基于所述目标测试案例样本的集合标识，将测试案例样本数据库中与所述目标测试案例样本重复的测试案例样本删去。
[0104]
装置还包括：
[0105]
预处理模块，用于针对每种历史测试案例样本集合，将该种历史测试案例样本集合中的每个历史测试案例样本进行数据预处理，以删去异常的历史测试案例样本。
[0106]
删去模块，通过以下步骤确定与所述目标测试案例样本重复的测试案例样本：
[0107]
确定所述测试案例样本数据库中与所述集合标识相同的近似测试案例样本集合；
[0108]
基于所述近似测试案例样本集合中各测试案例样本的上传时间和所述目标测试案例样本的上传时间，确定与所述目标测试案例样本重复的测试案例样本。
[0109]
所述特征信息包括：测试案例名称、所属系统名称、测试案例描述、预期结果、测试步骤、重要等级、正例或反例、是否金融交易。
[0110]
基于同一申请构思，参见图4所示，为本技术实施例提供的一种电子设备的结构示意图，电子设备20包括：处理器201、存储器202和总线203，所述存储器202存储有所述处理器201可执行的机器可读指令，当电子设备20运行时，所述处理器201与所述存储器202之间通过所述总线203进行通信，所述机器可读指令被所述处理器201运行时执行如上述实施例中任一所述的重复测试案例清除方法的步骤。
[0111]
具体地，所述机器可读指令被所述处理器201执行时可以执行如下处理：获取多种历史测试案例样本集合和每种历史测试案例样本集合的集合标识，其中，每种历史测试案例样本集合包括至少一个历史测试案例样本的特征信息；基于每种历史测试案例样本集合的至少一个历史测试案例样本的特征信息和每种历史测试案例样本集合的集合标识，训练机器学习模型，以使所述机器学习模型识别每个历史测试案例样本对应的集合标识；将目标测试案例样本输入至训练好的机器学习模型中，得到目标测试案例样本对应的集合标识；基于所述目标测试案例样本的集合标识，将测试案例样本数据库中与所述目标测试案例样本重复的测试案例样本删去。
[0112]
基于同一申请构思，本技术实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器运行时执行上述实施例提供的重复测试案例清除方法的步骤。
[0113]
具体地，所述存储介质能够为通用的存储介质，如移动磁盘、硬盘等，所述存储介质上的计算机程序被运行时，能够执行上述重复测试案例清除方法，通过历史测试案例来训练机器学习模型，使得机器学习模型实现识别测试案例的功能，从而对于新编写的测试案例，通过机器学习模型确定与新编写的测试案例的类别，从而在测试案例样本数据库中查询出与新编写的测试案例属于同一类别的测试案例样本集合，以对测试案例样本集合中与新编写的测试案例所实现相同目的的测试案例删去，解决了现有技术中需要用户手动删去测试案例而导致效率低的技术问题，达到提高效率的技术效果。
[0114]
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统和装置的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。在本技术所提供的几个实施例中，应所述理解到，所揭露的系统、装置和方法，可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，又例如，多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些通信接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
[0115]
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
[0116]
另外，在本技术各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。
[0117]
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个处理器可执行的非易失的计算机可读取存储介质中。基于这样的理解，本技术的技术方案本质上或者说对现有技术做出贡献的部分或者所述技术方案的部分可以以软件产品的形式体现出来，所述计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本技术各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：u盘、移动硬盘、只读存储器(read-only memory，rom)、随机存取存储器(random access memory，ram)、磁碟或者光盘等各种
可以存储程序代码的介质。
[0118]
以上仅为本技术的具体实施方式，但本技术的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本技术揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本技术的保护范围之内。因此，本技术的保护范围应以权利要求的保护范围为准。

技术特征：
1.一种重复测试案例清除方法，其特征在于，所述方法包括：获取多种历史测试案例样本集合和每种历史测试案例样本集合的集合标识，其中，每种历史测试案例样本集合包括至少一个历史测试案例样本的特征信息；基于每种历史测试案例样本集合的至少一个历史测试案例样本的特征信息和每种历史测试案例样本集合的集合标识，训练机器学习模型，以使所述机器学习模型识别每个历史测试案例样本对应的集合标识；将目标测试案例样本输入至训练好的机器学习模型中，得到目标测试案例样本对应的集合标识；基于所述目标测试案例样本的集合标识，将测试案例样本数据库中与所述目标测试案例样本重复的测试案例样本删去。2.根据权利要求1所述的方法，其特征在于，所述获取多种历史测试案例样本集合之前，所述方法还包括：针对每种历史测试案例样本集合，将该种历史测试案例样本集合中的每个历史测试案例样本进行数据预处理，以删去异常的历史测试案例样本。3.根据权利要求1所述的方法，其特征在于，通过以下步骤确定与所述目标测试案例样本重复的测试案例样本，包括：确定所述测试案例样本数据库中与所述集合标识相同的近似测试案例样本集合；基于近似测试案例样本集合中各测试案例样本与目标测试案例样本的重复词概率，在近似测试案例样本集合中确定与所述目标测试案例样本重复的测试案例样本。4.根据权利要求1至3任一项所述的方法，其特征在于，所述特征信息包括：测试案例名称、所属系统名称、测试案例描述、预期结果、测试步骤、重要等级、正例或反例、是否金融交易。5.一种重复测试案例清除装置，其特征在于，所述装置包括：获取模块，用于获取多种历史测试案例样本集合和每种历史测试案例样本集合的集合标识，其中，每种历史测试案例样本集合包括至少一个历史测试案例样本的特征信息；训练模块，用于基于每种历史测试案例样本集合的至少一个历史测试案例样本的特征信息和每种历史测试案例样本集合的集合标识，训练机器学习模型，以使所述机器学习模型识别每个历史测试案例样本对应的集合标识；确定模块，用于将目标测试案例样本输入至训练好的机器学习模型中，得到目标测试案例样本对应的集合标识；删去模块，用于基于所述目标测试案例样本的集合标识，将测试案例样本数据库中与所述目标测试案例样本重复的测试案例样本删去。6.根据权利要求5所述的装置，其特征在于，所述装置还包括：预处理模块，用于针对每种历史测试案例样本集合，将该种历史测试案例样本集合中的每个历史测试案例样本进行数据预处理，以删去异常的历史测试案例样本。7.根据权利要求5所述的装置，其特征在于，所述删去模块，通过以下步骤确定与所述目标测试案例样本重复的测试案例样本：确定所述测试案例样本数据库中与所述集合标识相同的近似测试案例样本集合；基于近似测试案例样本集合中各测试案例样本与目标测试案例样本的重复词概率，在
近似测试案例样本集合中确定与所述目标测试案例样本重复的测试案例样本。8.根据权利要求5至7任一项所述的装置，其特征在于，所述特征信息包括：测试案例名称、所属系统名称、测试案例描述、预期结果、测试步骤、重要等级、正例或反例、是否金融交易。9.一种电子设备，其特征在于，包括：处理器、存储器和总线，所述存储器存储有所述处理器可执行的机器可读指令，当电子设备运行时，所述处理器与所述存储器之间通过所述总线进行通信，所述机器可读指令被所述处理器运行时执行如权利要求1至4任一所述的重复测试案例清除方法的步骤。10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器运行时执行如权利要求1至4任一所述的重复测试案例清除方法的步骤。

技术总结
本申请提供了一种重复测试案例清除方法及装置，其中，该方法包括：获取多种历史测试案例样本集合和每种历史测试案例样本集合的集合标识，其中，每种历史测试案例样本集合包括至少一个历史测试案例样本的特征信息；基于每种历史测试案例样本集合的至少一个历史测试案例样本的特征信息和每种历史测试案例样本集合的集合标识，训练机器学习模型，以使所述机器学习模型识别每个历史测试案例样本对应的集合标识；将目标测试案例样本输入至训练好的机器学习模型中，得到目标测试案例样本对应的集合标识；基于所述目标测试案例样本的集合标识，将测试案例样本数据库中与所述目标测试案例样本重复的测试案例样本删去。案例样本重复的测试案例样本删去。案例样本重复的测试案例样本删去。


技术研发人员：胡安丽
受保护的技术使用者：平安银行股份有限公司
技术研发日：2023.07.31
技术公布日：2023/9/13