A3--李延山--UI智能测试为引擎的立体化测试初探.pdf

《A3--李延山--UI智能测试为引擎的立体化测试初探.pdf》由会员分享，可在线阅读，更多相关《A3--李延山--UI智能测试为引擎的立体化测试初探.pdf（66页珍藏版）》请在三个皮匠报告上搜索。

1、UI智能测试为引擎的立体化测试初探李延山郑州易盛风控测试经理李延山郑州易盛 风控系统测试经理十年测试经验郑州易盛 测试项目经理郑州商品交易所风控系统 测试负责人目录C O N T E N T S1.背景介绍2.数据生成3.智能UI尝试4.构建立体化测试5.总结与展望议题背景01工作量大 功能剧增 功能变动多 自动化测试没时间 传统自动化不适用议题背景传统自动化测试不适用议题背景传统自动化测试的痛点每次变动a)维护测试脚本b)维护测试数据c)维护预期结果测试执行定位问题a)测试问题b)被测对象问题不得不做的事儿做不完自动化测试有门槛自动化测试要投入自动化测试很单一，信息有限自动化只能回归，不能探

2、索做不到学习自动化测试维护测试环境构造测试数据编写测试脚本编写预期结果学习系统运维学习系统业务不得不做自动化测试的本质：按照预定轨道执行的机械手！议题背景讨论话题011、AI能替代哪些人？2、AI对软件行业有哪些影响？3、AI能帮我们做哪些事儿？4、测试人员怎么与AI结合？AI时代到来 系统建设用到AI ChatGPT公布 行业AI风议题背景理想中的智能测试0102能 够 根 据 指 定 的 账 号 密 码 进入系统，遍历各个功能。对 于 测 试 范 围 内 的 功 能，能够 生 成 测 试 用 例，自 动 填 入用 例 数 据，进 行 操 作，判 定结果。03将 测 试 结 果 进 行 汇

3、总，生 成测试报告。数据生成02数据生成系统较为复杂数据生成生成要求数据保持内在联系0102数据规模自主可控03生成范围自主可控生成效率满足要求04数据丰富度高05数据生成行业常用做法优点：直接，可靠，相对丰富，且结论性较强缺点：1）数据固定，增加场景需要进一步加工2）数据安全问题从生产环境获取优点：数据规模自主可控，数据丰富度较高缺点：1）要求高：需要熟悉业务规则2）投入大：需要编写大量的业务关系，需要后续持续维护批量生成优点：操作简单，自主可控缺点：1）工作量大2）随着规模越大，难度越高手工或脚本构造数据生成方案一：手动梳理手动梳理消耗精力太大！数据生成方案二：算法梳理模型算法选择离散与离

4、散连续与离散连续与连续 连续变量离散化 箱形图 卡方检验主要用于确定两个分类变量之间是否存在关联。信息熵增益率来自决策树的算法，可以度量一个特征对于目标变量的重要程度。在大数据测试中，信息熵增益能够更好地处理高维数据和复杂关系，因为它能够考虑到多个特征之间的双向非对称作用。协方差 线性相关系数数据生成基本概念条件熵信息熵增益信息熵增益率信息熵：表示一个系统内在的混乱程度信息熵条件熵 H(X|Y)：表示在已知随机变量Y的条件下，随机变量 X 的不确定性。信息熵增益：在某一条件下，随机变量不确定性减少的程度。信息熵增益率：当特征值种类较多时，通过比例的形式从而大幅度降低其重要性。条件影响的比重越高

5、，信息熵增益率越高数据生成方案步骤01方案前提 大量可用源数据02源数据分析 列信息熵 组合列信息熵增益率 选取列组合03数据建模 单列数据概率 组合条件概率 模型落地04数据生成 建立字段关系 字段生成 定制化插入数据生成方案前提01方案前提 大量可用源数据生产环境数据仿真环境数据脚本生成的数据测试环境数据其他方式获得数据数据生成源数据分析02源数据分析 列信息熵 组合列信息熵增益率 选取列组合数据生成数据建模03数据建模 单列数据概率 组合条件概率 模型落地数据生成数据建模04数据生成 建立字段关系 字段生成 定制化插入ABCDEF数据生成数据生成质量智能UI尝试03智能UI尝试为什么是U

6、I1、界面变动大2、维护工作量大3、测试链路长4、数据质量不覆盖不看好UI测试1、直观2、覆盖范围广3、易于扩展4、使用成本低5、易于探索UI测试很合适智能UI尝试整体流程登录系统菜单遍历界面元素用例生成用例执行结果检测结果识别结果判定扩展记录智能UI尝试登录系统扩展记录结果判定结果识别结果检测用例执行用例生成界面元素菜单遍历登录系统智能UI尝试遍历菜单扩展记录结果判定结果识别结果检测用例执行用例生成界面元素菜单遍历登录系统智能UI尝试遍历菜单扩展记录结果判定结果识别结果检测用例执行用例生成界面元素菜单遍历登录系统智能UI尝试界面元素扩展记录结果判定结果