申请/专利权人：南京慕测信息科技有限公司;中国船舶科学研究中心

申请日：2023-02-23

公开（公告）日：2023-05-23

公开（公告）号：CN116150010A

主分类号：G06F11/36

分类号：G06F11/36;G06F40/284;G06F40/289;G06F18/241;G06N3/0442

优先权：

专利状态码：在审-实质审查的生效

法律状态：2023.06.09#实质审查的生效;2023.05.23#公开

摘要：在本发明中，我们提出了一种基于船舶特征标签的测试用例分类方法，以解决测试场景中缺乏准确的测试用例类别标签的问题。我们在测试用例文本分析和少量学习的基础上进行测试用例标签提取和类别分类。特别是，我们所提出的方法首先基于SimBERT方法扩增现有的测试用例，并通过嵌入技术将其转化为向量表示。然后，我们设计了一个基于BiLSTM模型的分类器来提取测试用例的深层特征并得到分类结果。我们还在设计词库匹配方法的基础上，对能够代表相应测试用例类别的重要词汇应用注意力机制，从而给测试用例绑定船舶相关特征标签。

主权项：1.一种基于船舶特征标签的测试用例分类方法，其特征在于，首先，所提出的方法对测试用例数据（如带有测试类别或程序异常的测试用例、没有测试需求的测试用例）进行过滤，并删除具有待审状态的测试用例；之后，测试用例的数据将被扩增，使用Simbert模型生成与测试用例语义相似的文本，为后续的神经网络训练扩展测试用例的数量，并将扩展的测试用例文本保存到文件框中；紧接着，拟议的方法使用LTP将测试用例文本数据分割成单词，删除停用的单词，过滤非动词或名词的单词，并统一同义词进行特征提取；之后，将计算S2中的单词出现的数量，并生成一个排序的字典D1，其中Key是单词，Value是单词的出现次数；然后，生成字典D2，其中Key是单词，Value是单词的索引，生成字典后，在历史测试用例数据上训练Word2Vec模型，建立单词包，并将其保存；最后，在Word2Vec模型上获得测试用例的词嵌入向量，并将测试用例对应的词嵌入向量保存到文件箱中，完成这一过程。

全文数据：

权利要求：

百度查询： 南京慕测信息科技有限公司;中国船舶科学研究中心 一种基于船舶特征标签的测试用例分类方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD