本發(fā)明屬于計(jì)算機(jī)，尤其涉及一種基于gpt的測(cè)試腳本生成方法及裝置。

背景技術(shù)：

1、相關(guān)技術(shù)中，隨著軟件行業(yè)的快速發(fā)展，軟件產(chǎn)品的規(guī)模和復(fù)雜性也在不斷增加，傳統(tǒng)的手動(dòng)測(cè)試方法已經(jīng)無法滿足高效、準(zhǔn)確的測(cè)試需求。因此，軟件測(cè)試自動(dòng)化成為了一種趨勢(shì)和必要手段。通過編寫測(cè)試腳本，可以模擬用戶行為，自動(dòng)執(zhí)行測(cè)試用例，并驗(yàn)證軟件功能的準(zhǔn)確性和性能穩(wěn)定性。

2、然而，測(cè)試腳本一般由測(cè)試人員來手動(dòng)編寫實(shí)現(xiàn)，這不僅需要測(cè)試人員有一定的編碼能力，還需要投入大量時(shí)間和精力。此外，人為編寫的腳本還可能會(huì)存在一些錯(cuò)誤和遺漏，并且當(dāng)程序或業(yè)務(wù)邏輯有變更時(shí)，還需要重新編寫測(cè)試腳本以滿足具體測(cè)試需求。因此如何更好的實(shí)現(xiàn)測(cè)試腳本的生成成為亟待解決的問題。

技術(shù)實(shí)現(xiàn)思路

1、鑒于以上現(xiàn)有技術(shù)的不足，發(fā)明的目的在于提供一種基于gpt的測(cè)試腳本生成方法及裝置。該方法提高了測(cè)試腳本的生成效率和準(zhǔn)確率。

2、本發(fā)明的第一方面，提出了一種基于gpt的測(cè)試腳本生成方法，包括：s1，獲取目標(biāo)數(shù)據(jù)，并對(duì)所述目標(biāo)數(shù)據(jù)進(jìn)行預(yù)處理，所述目標(biāo)數(shù)據(jù)包括第一數(shù)據(jù)和歷史數(shù)據(jù)，所述第一數(shù)據(jù)包括代碼數(shù)據(jù)和測(cè)試需求文檔數(shù)據(jù)，所述歷史數(shù)據(jù)包括歷史測(cè)試腳本、歷史測(cè)試用例、歷史測(cè)試數(shù)據(jù)；s2，基于所述預(yù)處理后的所述目標(biāo)數(shù)據(jù)對(duì)transformer架構(gòu)的gpt模型進(jìn)行預(yù)訓(xùn)練，得到預(yù)訓(xùn)練后的所述gpt模型，并基于預(yù)處理后的所述代碼數(shù)據(jù)、所述歷史測(cè)試腳本和所述歷史測(cè)試用例對(duì)預(yù)訓(xùn)練后的所述gpt模型進(jìn)行優(yōu)化，得到目標(biāo)gpt模型；s3，基于所述目標(biāo)gpt模型，根據(jù)用戶界面、代碼結(jié)構(gòu)和業(yè)務(wù)邏輯，生成目標(biāo)測(cè)試用例和目標(biāo)測(cè)試步驟，并根據(jù)所述目標(biāo)測(cè)試用例和目標(biāo)測(cè)試步驟生成目標(biāo)測(cè)試腳本。

3、進(jìn)一步地，對(duì)所述目標(biāo)數(shù)據(jù)進(jìn)行預(yù)處理，包括：對(duì)所述目標(biāo)數(shù)據(jù)進(jìn)行清洗；對(duì)清洗后的所述目標(biāo)數(shù)據(jù)進(jìn)行結(jié)構(gòu)化處理，得到所述目標(biāo)數(shù)據(jù)的關(guān)鍵信息。

4、進(jìn)一步地，基于預(yù)處理后的所述代碼數(shù)據(jù)、所述歷史測(cè)試腳本和所述歷史測(cè)試用例對(duì)預(yù)訓(xùn)練后的所述gpt模型進(jìn)行優(yōu)化，得到目標(biāo)gpt模型，包括：基于預(yù)處理后的所述代碼數(shù)據(jù)、所述歷史測(cè)試用例和所述歷史測(cè)試腳本對(duì)預(yù)訓(xùn)練后的所述gpt模型進(jìn)行微調(diào)，得到微調(diào)后的所述gpt模型；采用項(xiàng)目測(cè)試用例對(duì)微調(diào)后的所述gpt模型進(jìn)行精細(xì)化訓(xùn)練，得到所述目標(biāo)gpt模型。

5、進(jìn)一步地，基于預(yù)處理后的所述代碼數(shù)據(jù)、所述歷史測(cè)試用例和所述歷史測(cè)試腳本對(duì)預(yù)訓(xùn)練后的所述gpt模型進(jìn)行微調(diào)，包括：在預(yù)訓(xùn)練后的所述gpt模型中引入代碼結(jié)構(gòu)學(xué)習(xí)機(jī)制的情況下，對(duì)預(yù)處理后的所述代碼數(shù)據(jù)進(jìn)行第一訓(xùn)練，得到所述代碼數(shù)據(jù)的關(guān)鍵結(jié)構(gòu)和特征；根據(jù)所述代碼數(shù)據(jù)的關(guān)鍵結(jié)構(gòu)和特征確定對(duì)應(yīng)的頁面結(jié)構(gòu)。

6、進(jìn)一步地，還包括：預(yù)設(shè)所述第一訓(xùn)練后的所述gpt模型的輸入格式和輸出格式；將預(yù)處理后的所述歷史測(cè)試用例分為訓(xùn)練集、驗(yàn)證集和測(cè)試集，并基于所述訓(xùn)練集對(duì)所述第一訓(xùn)練后的所述gpt模型進(jìn)行第二訓(xùn)練，并通過反向傳播算法和梯度下降法更新所述第二訓(xùn)練的所述gpt模型參數(shù)，且繼續(xù)對(duì)所述第二訓(xùn)練后的所述gpt模型進(jìn)行第三訓(xùn)練；基于所述驗(yàn)證集對(duì)所述第三訓(xùn)練后的所述gpt模型進(jìn)行評(píng)估，并基于評(píng)估結(jié)果對(duì)所述第三訓(xùn)練后的所述gpt模型整合。

7、進(jìn)一步地，還包括：提取預(yù)處理后的所述歷史測(cè)試腳本的目標(biāo)特征，所述目標(biāo)特征包括腳本的結(jié)構(gòu)特征、操作特征和數(shù)據(jù)特征；將預(yù)處理后的所述歷史測(cè)試腳本作為訓(xùn)練集對(duì)所述第三訓(xùn)練后的所述gpt模型進(jìn)行第四訓(xùn)練，以及采用項(xiàng)目測(cè)試數(shù)據(jù)集評(píng)估所述第四訓(xùn)練后的所述gpt模型的性能。

8、進(jìn)一步地，基于所述目標(biāo)gpt模型，根據(jù)用戶界面、代碼結(jié)構(gòu)和業(yè)務(wù)邏輯，生成目標(biāo)測(cè)試用例和目標(biāo)測(cè)試步驟，并根據(jù)所述目標(biāo)測(cè)試用例和目標(biāo)測(cè)試步驟生成目標(biāo)測(cè)試腳本，包括：根據(jù)用戶界面、代碼結(jié)構(gòu)和業(yè)務(wù)邏輯，生成覆蓋關(guān)鍵路徑和邊界條件的所述目標(biāo)測(cè)試用例；將所述目標(biāo)測(cè)試用例轉(zhuǎn)化為具體的所述目標(biāo)測(cè)試步驟；確定所述目標(biāo)測(cè)試腳本的目標(biāo)框架；在所述目標(biāo)框架下，根據(jù)所述目標(biāo)測(cè)試用例和目標(biāo)測(cè)試步驟生成目標(biāo)測(cè)試腳本。

9、本發(fā)明的第二方面，提出了一種基于gpt的測(cè)試腳本生成裝置，包括：獲取模塊，用于獲取目標(biāo)數(shù)據(jù)，并對(duì)所述目標(biāo)數(shù)據(jù)進(jìn)行預(yù)處理，所述目標(biāo)數(shù)據(jù)包括第一數(shù)據(jù)和歷史數(shù)據(jù)，所述第一數(shù)據(jù)包括代碼數(shù)據(jù)和測(cè)試需求文檔數(shù)據(jù)，所述歷史數(shù)據(jù)包括歷史測(cè)試腳本、歷史測(cè)試用例、歷史測(cè)試數(shù)據(jù)；訓(xùn)練模塊，用于基于所述預(yù)處理后的所述目標(biāo)數(shù)據(jù)對(duì)transformer架構(gòu)的gpt模型進(jìn)行預(yù)訓(xùn)練，得到預(yù)訓(xùn)練后的所述gpt模型，并基于預(yù)處理后的所述代碼數(shù)據(jù)、所述歷史測(cè)試腳本和所述歷史測(cè)試用例對(duì)預(yù)訓(xùn)練后的所述gpt模型進(jìn)行優(yōu)化，得到目標(biāo)gpt模型；生成模塊，用于基于所述目標(biāo)gpt模型，根據(jù)用戶界面、代碼結(jié)構(gòu)和業(yè)務(wù)邏輯，生成目標(biāo)測(cè)試用例和目標(biāo)測(cè)試步驟，并根據(jù)所述目標(biāo)測(cè)試用例和目標(biāo)測(cè)試步驟生成目標(biāo)測(cè)試腳本。

10、本發(fā)明的第三方面，提出了一種電子設(shè)備，包括：至少一個(gè)處理器；以及與所述至少一個(gè)處理器通信連接的存儲(chǔ)器；其中，所述存儲(chǔ)器存儲(chǔ)有可被所述至少一個(gè)處理器執(zhí)行的指令，所述指令被所述至少一個(gè)處理器執(zhí)行，以使所述至少一個(gè)處理器能夠執(zhí)行本發(fā)明第一方面中任一項(xiàng)所述的方法。

11、本發(fā)明的第四方面，提出了一種存儲(chǔ)有計(jì)算機(jī)指令的非瞬時(shí)計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，其中，所述計(jì)算機(jī)指令用于使所述計(jì)算機(jī)執(zhí)行本發(fā)明第一方面中任一項(xiàng)所述的方法。

12、本發(fā)明有益效果如下：

13、本發(fā)明所述的基于gpt的測(cè)試腳本生成方法，獲取目標(biāo)數(shù)據(jù)，并對(duì)目標(biāo)數(shù)據(jù)進(jìn)行預(yù)處理，目標(biāo)數(shù)據(jù)包括第一數(shù)據(jù)和歷史數(shù)據(jù)，第一數(shù)據(jù)包括代碼數(shù)據(jù)和測(cè)試需求文檔數(shù)據(jù)，歷史數(shù)據(jù)包括歷史測(cè)試腳本、歷史測(cè)試用例、歷史測(cè)試數(shù)據(jù)；基于預(yù)處理后的目標(biāo)數(shù)據(jù)對(duì)transformer架構(gòu)的gpt模型進(jìn)行預(yù)訓(xùn)練，得到預(yù)訓(xùn)練后的gpt模型，并基于預(yù)處理后的代碼數(shù)據(jù)、歷史測(cè)試腳本和歷史測(cè)試用例對(duì)預(yù)訓(xùn)練后的gpt模型進(jìn)行優(yōu)化，得到目標(biāo)gpt模型；基于目標(biāo)gpt模型，根據(jù)用戶界面、代碼結(jié)構(gòu)和業(yè)務(wù)邏輯，生成目標(biāo)測(cè)試用例和目標(biāo)測(cè)試步驟，并根據(jù)目標(biāo)測(cè)試用例和目標(biāo)測(cè)試步驟生成目標(biāo)測(cè)試腳本。該方法自動(dòng)化生成測(cè)試腳本，提高了測(cè)試腳本的生成效率和準(zhǔn)確率，減少了手動(dòng)編寫測(cè)試腳本的時(shí)間和成本。

技術(shù)特征：

1.一種基于gpt的測(cè)試腳本生成方法，其特征在于，包括：

2.根據(jù)權(quán)利要求1所述的基于gpt的測(cè)試腳本生成方法，其特征在于，對(duì)所述目標(biāo)數(shù)據(jù)進(jìn)行預(yù)處理，包括：

3.根據(jù)權(quán)利要求1所述的基于gpt的測(cè)試腳本生成方法，其特征在于，基于預(yù)處理后的所述代碼數(shù)據(jù)、所述歷史測(cè)試腳本和所述歷史測(cè)試用例對(duì)預(yù)訓(xùn)練后的所述gpt模型進(jìn)行優(yōu)化，得到目標(biāo)gpt模型，包括：

4.根據(jù)權(quán)利要求3所述的基于gpt的測(cè)試腳本生成方法，其特征在于，基于預(yù)處理后的所述代碼數(shù)據(jù)、所述歷史測(cè)試用例和所述歷史測(cè)試腳本對(duì)預(yù)訓(xùn)練后的所述gpt模型進(jìn)行微調(diào)，包括：

5.根據(jù)權(quán)利要求4所述的基于gpt的測(cè)試腳本生成方法，其特征在于，還包括：

6.根據(jù)權(quán)利要求5所述的基于gpt的測(cè)試腳本生成方法，其特征在于，還包括：

7.根據(jù)權(quán)利要求1所述的基于gpt的測(cè)試腳本生成方法，其特征在于，基于所述目標(biāo)gpt模型，根據(jù)用戶界面、代碼結(jié)構(gòu)和業(yè)務(wù)邏輯，生成目標(biāo)測(cè)試用例和目標(biāo)測(cè)試步驟，并根據(jù)所述目標(biāo)測(cè)試用例和目標(biāo)測(cè)試步驟生成目標(biāo)測(cè)試腳本，包括：

8.一種基于gpt的測(cè)試腳本生成裝置，其特征在于，包括：

9.一種電子設(shè)備，其特征在于，包括：

10.一種存儲(chǔ)有計(jì)算機(jī)指令的非瞬時(shí)計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，其特征在于，所述計(jì)算機(jī)指令用于使所述計(jì)算機(jī)執(zhí)行根據(jù)權(quán)利要求1至7中任一項(xiàng)所述的方法。

技術(shù)總結(jié)
本發(fā)明涉及一種基于GPT的測(cè)試腳本生成方法及裝置，屬于計(jì)算機(jī)技術(shù)領(lǐng)域，該方法包括：獲取目標(biāo)數(shù)據(jù)，并對(duì)目標(biāo)數(shù)據(jù)進(jìn)行預(yù)處理，目標(biāo)數(shù)據(jù)包括第一數(shù)據(jù)和歷史數(shù)據(jù)；基于預(yù)處理后的目標(biāo)數(shù)據(jù)對(duì)Transformer架構(gòu)的GPT模型進(jìn)行預(yù)訓(xùn)練，得到預(yù)訓(xùn)練后的GPT模型，并基于預(yù)處理后的代碼數(shù)據(jù)、歷史測(cè)試腳本和歷史測(cè)試用例對(duì)預(yù)訓(xùn)練后的GPT模型進(jìn)行優(yōu)化，得到目標(biāo)GPT模型；基于目標(biāo)GPT模型，根據(jù)用戶界面、代碼結(jié)構(gòu)和業(yè)務(wù)邏輯，生成目標(biāo)測(cè)試用例和目標(biāo)測(cè)試步驟，并根據(jù)目標(biāo)測(cè)試用例和目標(biāo)測(cè)試步驟生成目標(biāo)測(cè)試腳本。該方法提高了測(cè)試腳本的生成效率和準(zhǔn)確率。

技術(shù)研發(fā)人員：徐真真
受保護(hù)的技術(shù)使用者：中電信數(shù)智科技有限公司
技術(shù)研發(fā)日：
技術(shù)公布日：2024/12/10