(19)國家知識產權局(71)申請人嵐圖汽車科技有限公司地址430000湖北省武漢市武漢經濟N3010號理事務所44287專利代理師張泉本申請公開了一種測試結果分析方法、裝語言生成模型進行訓練，得到目標語言生成模輸入至目標語言生成模型生成目標測試分析結21.一種測試結果分析方法，其特征在于，所述測試結果分析方法包括：根據(jù)用例特征信息和目標測試結果確定單元測試數(shù)據(jù)；輸入所述單元測試數(shù)據(jù)至目標語言生成模型，得到目標測試分析結果。2.如權利要求1所述的方法，其特征在于，所述輸入所述單元測試數(shù)據(jù)至目標語言生成根據(jù)領域相關語料對初始語言生成模型進行預訓練，得到預訓練后的初始語言生成模根據(jù)數(shù)據(jù)訓練集對預訓練后的初始語言生成模型進行優(yōu)化，得到目標語言生成模型。3.如權利要求2所述的方法，其特征在于，所述根據(jù)數(shù)據(jù)訓練集對預訓練后的初始語言根據(jù)數(shù)據(jù)訓練集對預訓練后的初始語言生成模型進行優(yōu)化，確定模型優(yōu)化狀態(tài)；在所述模型優(yōu)化狀態(tài)為優(yōu)化完成狀態(tài)時，得到優(yōu)化語言生成模型；根據(jù)數(shù)據(jù)驗證集對所述優(yōu)化語言生成模型進行評估，得到目標語言生成模型。4.如權利要求2所述的方法，其特征在于，所述根據(jù)數(shù)據(jù)訓練集對預訓練后的初始語言生成模型進行優(yōu)化，得到目標語言生成模型的步驟之前，還包括：獲取歷史軟件缺陷數(shù)據(jù)對應的歷史測試數(shù)據(jù)和缺陷描述信息；對所述歷史測試數(shù)據(jù)和所述缺陷描述信息進行預處理，得到預處理數(shù)據(jù)；根據(jù)數(shù)據(jù)增強策略和語義相似策略對所述預處理數(shù)據(jù)進行數(shù)據(jù)擴展，得到目標擴展數(shù)根據(jù)所述目標擴展數(shù)據(jù)確定對應的數(shù)據(jù)驗證集和數(shù)據(jù)訓練集。5.如權利要求4所述的方法，其特征在于，所述根據(jù)數(shù)據(jù)增強策略和語義相似策略對所述預處理數(shù)據(jù)進行數(shù)據(jù)擴展，得到目標擴展數(shù)據(jù)的步驟，包括：對所述預處理數(shù)據(jù)進行數(shù)據(jù)標注，得到目標標注數(shù)據(jù)；根據(jù)數(shù)據(jù)增強策略和所述目標標注數(shù)據(jù)確定目標增強數(shù)據(jù)；根據(jù)語義相似策略和所述目標增強數(shù)據(jù)確定目標擴展數(shù)據(jù)。6.如權利要求1所述的方法，其特征在于，所述根據(jù)用例特征信息和目標測試結果確定根據(jù)用例特征信息對目標測試結果進行數(shù)據(jù)拆分，得到目標拆分數(shù)據(jù)；根據(jù)預設篩選策略對所述目標拆分數(shù)據(jù)進行篩選，得到單元測試數(shù)據(jù)。7.如權利要求1所述的方法，其特征在于，所述輸入所述單元測試數(shù)據(jù)至目標語言生成輸入所述單元測試數(shù)據(jù)至所述目標語言生成模型，得到目標描述信息；根據(jù)所述目標描述信息確定對應的缺陷數(shù)據(jù)清單；根據(jù)所述缺陷數(shù)據(jù)清單生成目標測試分析結果。處理模塊，用于根據(jù)用例特征信息和目標測試結果確定單元測試數(shù)據(jù)；分析模塊，用于輸入所述單元測試數(shù)據(jù)至目標語言生成模型，得到目標測試分析結果。9.一種測試結果分析設備，其特征在于，所述設備包括：存儲器、處理器及存儲在所述存儲器上并可在所述處理器上運行的計算機程序，所述計算機程序配置為實現(xiàn)如權利要求31至7中任一項所述的測試結果分析方法的步驟。10.一種存儲介質，其特征在于，所述存儲介質為計算機可讀存儲介質，所述存儲介質上存儲有計算機程序，所述計算機程序被處理器執(zhí)行時實現(xiàn)如權利要求1至7中任一項所述的測試結果分析方法的步驟。4測試結果分析方法、裝置、設備及存儲介質技術領域[0001]本申請涉及軟件測試技術領域，尤其涉及測試結果分析方法、裝置、設備及存儲介背景技術[0002]在軟件測試過程中，測試結果的分析與問題生成是確保軟件質量的關鍵環(huán)節(jié)。然而，目前大多數(shù)測試分析工具僅能針對性能測試分析，主要聚焦于性能指標計算與對比，無法滿足功能測試中對測試用例與功能定義復雜映射關系的分析需求；且生成的分析結果以指標或簡單對比數(shù)據(jù)為主，無法直接形成符合工程師需求的、便于理解和操作的問題描述；基于固定規(guī)則或預設標準值分析測試結果，缺乏動態(tài)理解測試上下文及復雜功能定義的能力，難以應對多樣化的測試場景。因此，如何解決測試分析工具僅能記錄測試步驟及結果，無法對失敗項進行智能化分析并生成工程師可直接使用，成為了亟待解決的問題。發(fā)明內容[0003]本申請的主要目的在于提供一種測試結果分析方法解決測試分析工具僅能記錄測試步驟及結果，無法對失敗項進行智能化分析并生成工程師可直接使用的問題描述的技術問題。[0004]為實現(xiàn)上述目的，本申請?zhí)岢鲆环N測試結果分析方法，所述測試結果分析方法包[0005]根據(jù)用例特征信息和目標測試結果確定單元測試數(shù)據(jù)；[0006]輸入所述單元測試數(shù)據(jù)至目標語言生成模型，得到目標測試分析結果。[0007]在一實施例中，所述輸入所述單元測試數(shù)據(jù)至目標語言生成模型，得到目標測試[0008]根據(jù)領域相關語料對初始語言生成模型進行預訓練，得到預訓練后的初始語言生成模型；[0009]根據(jù)數(shù)據(jù)訓練集對預訓練后的初始語言生成模型進行優(yōu)化，得到目標語言生成模[0010]在一實施例中，所述根據(jù)數(shù)據(jù)訓練集對預訓練后的初始語言生成模型進行優(yōu)化，得到目標語言生成模型的步驟，包括：[0011]根據(jù)數(shù)據(jù)訓練集對預訓練后的初始語言生成模型進行優(yōu)化，確定模型優(yōu)化狀態(tài)；[0012]在所述模型優(yōu)化狀態(tài)為優(yōu)化完成狀態(tài)時，得到優(yōu)化語言生成模型；[0013]根據(jù)數(shù)據(jù)驗證集對所述優(yōu)化語言生成模型進行評估，得到目標語言生成模型。[0014]在一實施例中，所述根據(jù)數(shù)據(jù)訓練集對預訓練后的初始語言生成模型進行優(yōu)化，得到目標語言生成模型的步驟之前，還包括：[0015]獲取歷史軟件缺陷數(shù)據(jù)對應的歷史測試數(shù)據(jù)和缺陷描述信息；[0016]對所述歷史測試數(shù)據(jù)和所述缺陷描述信息進行預處理，得到預處理數(shù)據(jù)；5[0017]根據(jù)數(shù)據(jù)增強策略和語義相似策略對所述預處理數(shù)據(jù)進行數(shù)據(jù)擴展，得到目標擴展數(shù)據(jù)；[0018]根據(jù)所述目標擴展數(shù)據(jù)確定對應的數(shù)據(jù)驗證集和數(shù)據(jù)訓練集。[0019]在一實施例中，所述根據(jù)數(shù)據(jù)增強策略和語義相似策略對所述預處理數(shù)據(jù)進行數(shù)據(jù)擴展，得到目標擴展數(shù)據(jù)的步驟，包括：[0020]對所述預處理數(shù)據(jù)進行數(shù)據(jù)標注，得到目標標注數(shù)據(jù)；[0021]根據(jù)數(shù)據(jù)增強策略和所述目標標注數(shù)據(jù)確定目標增強數(shù)據(jù)；[0022]根據(jù)語義相似策略和所述目標增強數(shù)據(jù)確定目標擴展數(shù)據(jù)。[0023]在一實施例中，所述根據(jù)用例特征信息和目標測試結果確定單元測試數(shù)據(jù)的步[0024]根據(jù)用例特征信息對目標測試結果進行數(shù)據(jù)拆分，得到目標拆分數(shù)據(jù)；[0025]根據(jù)預設篩選策略對所述目標拆分數(shù)據(jù)進行篩選，得到單元測試數(shù)據(jù)。[0026]在一實施例中，所述輸入所述單元測試數(shù)據(jù)至所述目標語言生成模型，得到目標測試分析結果的步驟，包括：[0027]輸入所述單元測試數(shù)據(jù)至所述目標語言生成模型，得到目標描述信息；[0028]根據(jù)所述目標描述信息確定對應的缺陷數(shù)據(jù)清單；[0029]根據(jù)所述缺陷數(shù)據(jù)清單生成目標測試分析結果。[0030]此外，為實現(xiàn)上述目的，本申請還提出一種測試結果分析裝置，所述測試結果分析裝置包括：[0031]處理模塊，用于根據(jù)用例特征信息和目標測試結果確定單元測試數(shù)據(jù)；[0032]分析模塊，用于輸入所述單元測試數(shù)據(jù)至目標語言生成模型，得到目標測試分析結果。[0033]此外，為實現(xiàn)上述目的，本申請還提出一種測試結果分析設備，所述設備包括：存儲器、處理器及存儲在所述存儲器上并可在所述處理器上運行的計算機程序，所述計算機程序配置為實現(xiàn)如上文所述的測試結果分析方法的步驟。[0034]此外，為實現(xiàn)上述目的，本申請還提出一種存儲介質，所述存儲介質為計算機可讀存儲介質，所述存儲介質上存儲有計算機程序，所述計算機程序被處理器執(zhí)行時實現(xiàn)如上文所述的測試結果分析方法的步驟。[0035]此外，為實現(xiàn)上述目的，本申請還提供一種計算機程序產品，所述計算機程序產品包括計算機程序，所述計算機程序被處理器執(zhí)行時實現(xiàn)如上文所述的測試結果分析方法的步驟。[0036]本申請通過根據(jù)用例特征信息和目標測試結果確定單元測試數(shù)據(jù)；輸入所述單元測試數(shù)據(jù)至目標語言生成模型，得到目標測試分析結果。通過數(shù)據(jù)訓練集和領域相關語料對初始語言生成模型進行訓練，得到目標語言生成模型，再對目標測試結果進行拆分，并結合用例特征信息，得到單元測試數(shù)據(jù)，再將單元測試數(shù)據(jù)輸入至目標語言生成模型生成目標測試分析結果，實現(xiàn)了自動生成問題描述，并減少了人工分析工作量，顯著提升了測試效6附圖說明[0037]此處的附圖被并入說明書中并構成本說明書的一部分，示出了符合本申請的實施例，并與說明書一起用于解釋本申請的原理。[0038]為了更清楚地說明本申請實施例或現(xiàn)有技術中的技術方案，下面將對實施例或現(xiàn)有技術描述中所需要使用的附圖作簡單地介紹，顯而易見地，對于本領域普通技術人員而言，在不付出創(chuàng)造性勞動性的前提下，還可以根據(jù)這些附圖獲得其他的附圖。[0039]圖1為本申請測試結果分析方法實施例一提供的流程示意圖；[0040]圖2為本申請測試結果分析方法實施例一提供的整體流程示意圖；[0041]圖3為本申請測試結果分析方法實施例二提供的流程示意圖；[0042]圖4為本申請實施例測試結果分析裝置的模塊結構示意圖；[0043]圖5為本申請實施例中測試結果分析方法涉及的硬件運行環(huán)境的設備結構示意[0044]本申請目的實現(xiàn)、功能特點及優(yōu)點將結合實施例，參照附圖做進一步說明。具體實施方式[0045]應當理解，此處所描述的具體實施例僅僅用以解釋本申請的技術方案，并不用于限定本申請。[0046]為了更好的理解本申請的技術方案，下面將結合說明書附圖以及具體的實施方式進行詳細的說明。[0047]本申請實施例的主要解決方案是：根據(jù)數(shù)據(jù)訓練集、領域相關語料以及初始語言生成模型，得到目標語言生成模型；根據(jù)用例特征信息和目標測試結果確定單元測試數(shù)據(jù)；輸入所述單元測試數(shù)據(jù)至所述目標語言生成模型，得到目標測試分析結果。[0048]在軟件測試過程中，測試結果的分析與問題生成是確保軟件質量的關鍵環(huán)節(jié)。然而，目前大多數(shù)測試分析工具僅能針對性能測試分析，主要聚焦于性能指標計算與對比，無法滿足功能測試中對測試用例與功能定義復雜映射關系的分析需求；且生成的分析結果以指標或簡單對比數(shù)據(jù)為主，無法直接形成符合工程師需求的、便于理解和操作的問題描述；基于固定規(guī)則或預設標準值分析測試結果，缺乏動態(tài)理解測試上下文及復雜功能定義的能力，難以應對多樣化的測試場景。因此，如何解決測試分析工具僅能記錄測試步驟及結果，無法對失敗項進行智能化分析并生成工程師可直接使用，成為了亟待解決的問題。[0049]本申請通過根據(jù)用例特征信息和目標測試結果確定單元測試數(shù)據(jù)；輸入所述單元測試數(shù)據(jù)至目標語言生成模型，得到目標測試分析結果。通過數(shù)據(jù)訓練集和領域相關語料對初始語言生成模型進行訓練，得到目標語言生成模型，再對目標測試結果進行拆分，并結合用例特征信息，得到單元測試數(shù)據(jù)，再將單元測試數(shù)據(jù)輸入至目標語言生成模型生成目標測試分析結果，實現(xiàn)了自動生成問題描述，并減少了人工分析工作量，顯著提升了測試效[0050]需要說明的是，本實施例的執(zhí)行主體可以是一種具有數(shù)據(jù)處理、網(wǎng)絡通信以及程序運行功能的計算服務設備，例如平板電腦、個人電腦、手機等，或者是一種能夠實現(xiàn)上述功能的測試結果分析設備等。以下以測試結果分析設備為執(zhí)行主體為例，對本實施例及下述各實施例進行說明。7[0051]基于此，本申請實施例提供了一種測試結果分析方法，參照圖1,圖1為本申請測試結果分析方法第一實施例的流程示意圖。[0052]本實施例中，所述測試結果分析方法包括步驟S10～S20:[0053]步驟S10,根據(jù)用例特征信息和目標測試結果確定單元測試數(shù)據(jù)；[0054]需要說明的是，本實施例通過結合大語言模型的強大語義理解能力和自動化工具鏈設計，實現(xiàn)對測試結果的自動分析，實現(xiàn)了在適用范圍、分析效率、智能化能力等方面均有顯著優(yōu)勢，可有效彌補現(xiàn)有測試分析工具的不足，為測試自動化分析提供強大支持。[0055]可以理解的是，用例特征信息指的是能夠唯一標識和描述一個測試用例的關鍵屬性，例如測試用例標識符、測試用例名稱以及測試類型等，目標測試結果指的是待進行結果分析的軟件測試結果，單元測試數(shù)據(jù)指的是單元測試過程中使用的輸入數(shù)據(jù)、預期輸出以及相關環(huán)境配置等信息。[0056]在具體實施中，根據(jù)能夠唯一標識和描述一個測試用例的關鍵屬性對待進行結果分析的軟件測試結果進行測試結果拆分，進而確定單元測試過程中使用的輸入數(shù)據(jù)、預期輸出以及相關環(huán)境配置等信息，即單元測試數(shù)據(jù)。[0057]在一種可行的實施方式中，步驟S10可以包括步驟A11～A12:[0058]步驟A11,根據(jù)用例特征信息對目標測試結果進行數(shù)據(jù)拆分，得到目標拆分數(shù)據(jù)；[0059]可以理解的是，目標拆分數(shù)據(jù)指的是數(shù)據(jù)單元拆分后的數(shù)據(jù)。根據(jù)能夠唯一標識和描述一個測試用例的關鍵屬性對待進行結果分析的軟件測試結果識別出微單元，確定目標拆分數(shù)據(jù)。[0060]步驟A12,根據(jù)預設篩選策略對所述目標拆分數(shù)據(jù)進行篩選，得到單元測試數(shù)據(jù)。[0061]可以理解的是，預設篩選策略指的是預先設定的篩選失敗項數(shù)據(jù)的策略。[0062]在具體實施中，根據(jù)預先設定的篩選失敗項數(shù)據(jù)的策略對數(shù)據(jù)單元拆分后的數(shù)據(jù)中的失敗項數(shù)據(jù)進行篩選，進而得到單元測試數(shù)據(jù)。[0063]步驟S20,輸入所述單元測試數(shù)據(jù)至所述目標語言生成模型，得到目標測試分析結[0064]可以理解的是，目標測試分析結果指的是軟件測試結果的分析結果，包括前置條[0065]在具體實施中，將單元測試數(shù)據(jù)提交給訓練后的具有強自然語言生成能力的大模型處理，進而得到包括前置條件、觸發(fā)條件、預期動作和實際動作等的軟件測試結果的分析[0066]在一種可行的實施方式中，步驟S20可以包括步驟A21～A23:[0067]步驟A21,輸入所述單元測試數(shù)據(jù)至所述目標語言生成模型，得到目標描述信息；[0068]可以理解的是，目標描述信息指的是軟件質量問題描述，將單元測試數(shù)據(jù)提交給訓練后的具有強自然語言生成能力的大模型處理，得到大模型輸出的軟件質量問題描述，即目標描述信息。[0069]步驟A22,根據(jù)所述目標描述信息確定對應的缺陷數(shù)據(jù)清單；[0070]可以理解的是，缺陷數(shù)據(jù)清單指的是軟件質量問題描述構成的數(shù)據(jù)清單，對大模型輸出的軟件質量問題描述進行分析，進而對大模型輸出的軟件質量問題描述進行劃分，并生成對應的數(shù)據(jù)清單，即缺陷數(shù)據(jù)清單。8[0071]步驟A23,根據(jù)所述缺陷數(shù)據(jù)清單生成目標測試分析結果。[0072]在具體實施中，對軟件質量問題描述構成的數(shù)據(jù)清單進行分析，并生成包括前置條件、觸發(fā)條件、預期動作和實際動作等的軟件測試結果的分析結果，即目標測試分析結[0073]應當說明的是，如圖2所示，本實施例通過S1.數(shù)據(jù)收集與預處理。S1.1集：從軟件BUG管理系統(tǒng)中提取軟件質量問題所對應的測試數(shù)據(jù)和問題描述。所提取的數(shù)據(jù)整且問題描述清晰的數(shù)據(jù)用于后續(xù)處理。S1.2訓練集準備：對原始數(shù)據(jù)進行清洗，包括去除據(jù)，并生成標準化問題描述。S1.3數(shù)據(jù)標注：對清洗后的數(shù)據(jù)集進行人工標注，明確測試數(shù)據(jù)與問題描述的關聯(lián)性，包括測試數(shù)據(jù)中的關鍵元素(如錯誤觸發(fā)條件、影響范圍)與描述述的多樣性，并通過語義相似性技術確保擴展后的數(shù)據(jù)與原始語料一致性。[0074]S2大模型訓練。S2.1模型選擇與初始化：選擇具有強自然語言生成能力的大模型。在基礎模型上加載領域相關語料(如軟件測試文檔、技術博客等)進行預訓練，增強模型對測試數(shù)據(jù)的理解能力。S2.2模型微調：利用清洗和擴展后的數(shù)據(jù)集，對預訓練模型進行微調。重點優(yōu)化模型對測試數(shù)據(jù)語義的提取和轉換能力，確保生成問題描述的準確性和可讀義完整性等。[0075]S3測試結果拆分。S3.1數(shù)據(jù)單元拆分：使用測試用例的特征信息識別出微單元，對測試結果中的數(shù)據(jù)進行拆分S3.2問題數(shù)據(jù)識別：含有Fail(失敗)項的數(shù)據(jù)可能存在軟件質量問題，根據(jù)這一特征過濾出待進一步處理的單元集合。模型處理：將單元測試數(shù)據(jù)提交給大模型處理S4.2大模型返回問題描述：大模型處理完成后將輸出軟件質量問題描述。[0077]S5問題清單生成。收集S4.2輸出的問題描述，生成軟件質量問題清單。[0078]本實施例通過根據(jù)數(shù)據(jù)訓練集、領域相關語料以及初始語言生成模型，得到目標語言生成模型；根據(jù)用例特征信息和目標測試結果確定單元測試數(shù)據(jù)；輸入所述單元測試數(shù)據(jù)至所述目標語言生成模型，得到目標測試分析結果。通過數(shù)據(jù)訓練集和領域相關語料對初始語言生成模型進行訓練，得到目標語言生成模型，再對目標測試結果進行拆分，并結合用例特征信息，得到單元測試數(shù)據(jù)，再將單元測試數(shù)據(jù)輸入至目標語言生成模型生成目標測試分析結果，實現(xiàn)了自動生成問題描述，并減少了人工分析工作量，顯著提升了測試效[0079]基于本申請第一實施例，在本申請第二種實施例中，與上述實施例一相同或相似的內容，可以參考上文介紹，后續(xù)不再贅述。在此基礎上，請參照圖3,步驟S20之前，所述測試結果分析方法中還包括步驟S21～S22:[0080]步驟S21,根據(jù)領域相關語料對初始語言生成模型進行預訓練，得到預訓練后的初始語言生成模型；[0081]可以理解的是，領域相關語料指的是特定專業(yè)領域內，具有代表性和權威性的文9本資料集合，初始語言生成模型指的是具有強自然語言生成能力的大模型。[0082]在具體實施中，在基礎模型上加載領域相關語料(如軟件測試文檔、技術博客等)對具有強自然語言生成能力的大模型進行預訓練，增強模型對測試數(shù)據(jù)的理解能力，進而得到預訓練后的初始語言生成模型。[0083]步驟S22,根據(jù)數(shù)據(jù)訓練集對預訓練后的初始語言生成模型進行優(yōu)化，得到目標語言生成模型。[0084]可以理解的是，目標語言生成模型指的是訓練后的具有強自然語言生成能力的大模型。[0085]在具體實施中，利用清洗和擴展后的數(shù)據(jù)集，對預訓練后的初始語言生成模型進行微調。重點優(yōu)化模型對測試數(shù)據(jù)語義的提取和轉換能力，確保生成問題描述的準確性和[0086]在一種可行的實施方式中，步驟S22可以包括步驟A221～A223:[0087]步驟A221,根據(jù)數(shù)據(jù)訓練集對預訓練后的初始語言生成模型進行優(yōu)化，確定模型優(yōu)化狀態(tài)；[0088]可以理解的是，模型優(yōu)化狀態(tài)包括優(yōu)化完成狀態(tài)和優(yōu)化失敗狀態(tài)。[0089]在具體實施中，利用清洗和擴展后的數(shù)據(jù)集，對預訓練后的初始語言生成模型進行優(yōu)化，以確定預訓練后的初始語言生成模型的優(yōu)化狀態(tài)，即確定模型優(yōu)化狀態(tài)。[0090]步驟A222,在所述模型優(yōu)化狀態(tài)為優(yōu)化完成狀態(tài)時，得到優(yōu)化語言生成模型；[0091]可以理解的是，優(yōu)化語言生成模型指的是優(yōu)化后的預訓練大模型，在模型優(yōu)化狀態(tài)為優(yōu)化完成狀態(tài)時，表明已完成對預訓練后的初始語言生成模型的優(yōu)化，進而得到優(yōu)化后的預訓練大模型，即優(yōu)化語言生成模型。[0092]步驟A223,根據(jù)數(shù)據(jù)驗證集對所述優(yōu)化語言生成模型進行評估，得到目標語言生成模型。[0093]在具體實施中，根據(jù)用于大模型驗證的數(shù)據(jù)集對優(yōu)化后的預訓練大模型進行評進而在評估通過后得到目標語言生成模型。[0094]在一種可行的實施方式中，步驟S22之前還可以包括步驟B221～B224:[0095]步驟B221,獲取歷史軟件缺陷數(shù)據(jù)對應的歷史測試數(shù)據(jù)和缺陷描述信息；[0096]需要說明的是，歷史軟件缺陷數(shù)據(jù)指的是從軟件BUG管理系統(tǒng)中提取的存在軟件質量問題的數(shù)據(jù)，歷史測試數(shù)據(jù)指的是存在軟件質量問題對應的軟件測試數(shù)據(jù)，缺陷描述信息指的是存在軟件質量問題對應的問題描述數(shù)據(jù)。[0097]在具體實施中，從軟件BUG管理系統(tǒng)中提取軟件質量問題所對應的測試數(shù)據(jù)和問饋等。挑選測試數(shù)據(jù)完整且問題描述清晰的數(shù)據(jù)用于后續(xù)處理。[0098]步驟B222,對所述歷史測試數(shù)據(jù)和所述缺陷描述信息進行預處理，得到預處理數(shù)[0099]可以理解的是，預處理數(shù)據(jù)指的是數(shù)據(jù)清洗后的軟件測試數(shù)據(jù)和問題描述數(shù)據(jù)。根據(jù)大模型訓練需求，統(tǒng)一數(shù)據(jù)格式，結構化處理測試數(shù)據(jù)，并生成標準化問題描述，最后得到預處理數(shù)據(jù)。[0101]步驟B223,根據(jù)數(shù)據(jù)增強策略和語義相似策略對所述預處理數(shù)據(jù)進行數(shù)據(jù)擴展，得到目標擴展數(shù)據(jù)；[0102]可以理解的是，數(shù)據(jù)增強策略指的是預先設定的用于數(shù)據(jù)擴展的策略，語義相似策略指的是預先設定的用于確保擴展后的數(shù)據(jù)與原始語料一致的策略，目標擴展數(shù)據(jù)指的是數(shù)據(jù)擴展后的預處理數(shù)據(jù)。[0103]在具體實施中，利用數(shù)據(jù)增強技術，如同義詞替換、語義擴展等，豐富問題描述的多樣性，并通過語義相似性技術確保擴展后的數(shù)據(jù)與原始語料一致性，以確定數(shù)據(jù)擴展后[0104]在一種可行的實施方式中，步驟B223可以包括步驟C2231～C2233:[0105]步驟C2231,對所述預處理數(shù)據(jù)進行數(shù)據(jù)標注，得到目標標注數(shù)據(jù)；[0106]可以理解的是，目標標注數(shù)據(jù)指的是標注后的預處理數(shù)據(jù)。根據(jù)大模型訓練需求，統(tǒng)一數(shù)據(jù)格式，結構化處理測試數(shù)據(jù)，并生成標準化問題描述，進而得到目標標注數(shù)據(jù)。[0108]步驟C2232,根據(jù)數(shù)據(jù)增強策略和所述目標標注數(shù)據(jù)確定目標增強數(shù)據(jù)；[0109]可以理解的是，目標增強數(shù)據(jù)指的是數(shù)據(jù)增強后的標注數(shù)據(jù)。[0110]在具體實施中，根據(jù)預先設定的用于數(shù)據(jù)擴展的策略對標注后的預處理數(shù)據(jù)進行[0111]步驟C2233,根據(jù)語義相似策略和所述目標增強數(shù)據(jù)確定目標擴展數(shù)據(jù)。[0112]可以理解的是，根據(jù)預先設定的用于確保擴展后的數(shù)據(jù)與原始語料一致的策略對數(shù)據(jù)增強后的標注數(shù)據(jù)進行數(shù)據(jù)處理，進而得到目標擴展數(shù)據(jù)。[0113]步驟B224,根據(jù)所述目標擴展數(shù)據(jù)確定對應的數(shù)據(jù)驗證集和數(shù)據(jù)訓練集。[0114]可以理解的是，數(shù)據(jù)訓練集指的是用于大模型訓練的數(shù)據(jù)集，數(shù)據(jù)驗證集指的是用于大模型驗證的數(shù)據(jù)集。[0115]在具體實施中，對數(shù)據(jù)擴展后的預處理數(shù)據(jù)進行數(shù)據(jù)劃分，進而分別得到用于模型訓練和模型驗證的數(shù)據(jù)集，即數(shù)據(jù)驗證集和數(shù)據(jù)訓練集。[0116]應當說明的是，本實施例中大模型訓練具體為：模型選擇與初始化：選擇具有強自然語言生成能力的大模型。在基礎模型上加載領域相關語料(如軟件測試文檔、技術博客等)進行預訓練，增強模型對測試數(shù)據(jù)的理解能力；模型微調：利用清洗和擴展后的數(shù)據(jù)集，對預訓練模型進行微調。重點優(yōu)化模型對測試數(shù)據(jù)語義的提取和轉換能力，確保生成問題描述的準確性和可讀性；性能驗證：使用驗證集對模型性能進行評估，指標包括描述準確[0117]本實施例通過根據(jù)領域相關語料對初始語言生成模型進行預訓練，得到預訓練后的初始語言生成模型；根據(jù)數(shù)據(jù)訓練集對預訓練后的初始語言生成模型進行優(yōu)化，得到目標語言生成模型。通過領域相關語料和數(shù)據(jù)訓練集分別對初始語言生成模型進行訓練和優(yōu)化，得到目標語言生成模型，即利用大模型的語義理解能力，能夠動態(tài)分析復雜的功能定義和測試報告，準確歸因失敗項并生成上下文相關的問題描述，顯著提高分析的智能化程度。[0118]需要說明的是，上述示例僅用于理解本申請，并不構成對本申請測試結果分析方11法的限定，基于此技術構思進行更多形式的簡單變換，均在本申請的保護范圍內。[0119]本申請還提供一種測試結果分析裝置，請參照圖4,所述測試結果分析裝置包括：[0120]處理模塊10,用于根據(jù)用例特征信息和目標測試結果確定單元測試數(shù)據(jù)；[0121]分析模塊20,用于輸入所述單元測試數(shù)據(jù)至所述目標語言生成模型，得到目標測試分析結果。[0122]可選地，所述分析模塊20,還用于：[0123]根據(jù)領域相關語料對初始語言生成模型進行預訓練，得到預訓練后的初始語言生成模型；[0124]根據(jù)數(shù)據(jù)訓練集對預訓練后的初始語言生成模型進行優(yōu)化，得到目標語言生成模[0125]可選地，所述分析模塊20,還用于：[0126]根據(jù)數(shù)據(jù)訓練集對預訓練后的初始語言生成模型進行優(yōu)化，確定模型優(yōu)化狀態(tài)；[0127]在所述模型優(yōu)化狀態(tài)為優(yōu)化完成狀態(tài)時，得到優(yōu)化語言生成模型；[0128]根據(jù)數(shù)據(jù)驗證集對所述優(yōu)化語言生成模型進行評估，得到目標語言生成模型。[0129]可選地，所述分析模塊20,還用于：[0130]獲取歷史軟件缺陷數(shù)據(jù)對應的歷史測試數(shù)據(jù)和缺陷描述信息；[0131]對所述歷史測試數(shù)據(jù)和所述缺陷描述信息進行預處理，得到預處理數(shù)據(jù)；[0132]根據(jù)數(shù)據(jù)增強策略和語義相似策略對所述預處理數(shù)據(jù)進行數(shù)據(jù)擴展，得到目標擴展數(shù)據(jù)；[0133]根據(jù)所述目標擴展數(shù)據(jù)確定對應的數(shù)據(jù)驗證集和數(shù)據(jù)訓練集。[0134]可選地，所述分析模塊20,還用于：[0135]對所述預處理數(shù)據(jù)進行數(shù)據(jù)標注，得到目標標注數(shù)據(jù)；[0136]根據(jù)數(shù)據(jù)增強策略和所述目標標注數(shù)據(jù)確定目標增強數(shù)據(jù)；[0137]根據(jù)語義相似策略和所述目標增強數(shù)據(jù)確定目標擴展數(shù)據(jù)。[0138]可選地，所述處理模塊10,還用于：[0139]根據(jù)用例特征信息對目標測試結果進行數(shù)據(jù)拆分，得到目標拆分數(shù)據(jù)；[0140]根據(jù)預設篩選策略對所述目標拆分數(shù)據(jù)進行篩選，得到單元測試數(shù)據(jù)。[0141]可選地，所述分析模塊20,還用于：[0142]輸入所述單元測試數(shù)據(jù)至所述目標語言生成模型，得到目標描述信息；[0143]根據(jù)所述目標描述信息確定對應的缺陷數(shù)據(jù)清單；[0144]根據(jù)所述缺陷數(shù)據(jù)清單生成目標測試分析結果。[0145]本申請?zhí)峁┑臏y試結果分析裝置，采用上述實施例中的測試結果分析方法，能夠解決測試分析工具僅能記錄測試步驟及結果，無法對失敗項進行智能化分析并生成工程師可直接使用的問題描述的技術問題。與現(xiàn)有技術相比，本申請?zhí)峁┑臏y試結果分析裝置的有益效果與上述實施例提供的測試結果分析方法的有益效果相同，且所述測試結果分析裝置中的其他技術特征與上述實施例方法公開的特征相同，在此不做贅述。[0146]本申請?zhí)峁┮环N測試結果分析設備，測試結果分析設備包括：至少一個處理器；以及，與至少一個處理器通信連接的存儲器；其中，存儲器存儲有可被至少一個處理器執(zhí)行的指令，指令被至少一個處理器執(zhí)行，以使至少一個處理器能夠執(zhí)行上述實施例一中的測試結果分析方法。[0147]下面參考圖5,其示出了適于用來實現(xiàn)本申請實施例的測試結果分析設備的結構示意圖。本申請實施例中的測試結果分析設備可以包括但不限于諸如移動電話、筆記本電ApplicationDescription:平板電腦)、PMP(PortableMediaPlayer:便攜式多媒體播放器)、車載終端(例如車載導航終端)等等的移動終端以及諸如數(shù)字TV、臺式計算機等等的固定終端。圖5示出的測試結果分析設備僅僅是一個示例，不應對本申請實施例的功能和使用范圍帶來任何限制。[0148]如圖5所示，測試結果分析設備可以包括處理裝置1001(例如中央處理器、圖形處理器等),其可以根據(jù)存儲在只讀存儲器(ROM:ReadOnlyMemory)1002中的程序或者從存儲裝置1003加載到隨機訪問存儲器(RAM:RandomAccessMemory)1004中的程序而執(zhí)行各種適當?shù)膭幼骱吞幚?。在RAM1004中，還存儲有測試結果分析設備操作所需的各種程序和數(shù)標、圖像傳感器、麥克風、加速度計、陀螺儀等的輸入裝置1007;包括例如液晶顯示器(LCD:儲裝置1003;以及通信裝置1009。通信裝置1009可以允許測試結果分析設備與其他設備進行無線或有線通信以交換數(shù)據(jù)。雖然圖中示出了具有各種系統(tǒng)的測試結果分析設備，但是應理解的是，并不要求實施或具備所有示出的系統(tǒng)?？梢蕴娲貙嵤┗蚓邆涓嗷蚋俚腫0149]特別地，根據(jù)本申請公開的實施例，上文參考流程圖描述的過程可以被實現(xiàn)為計算機軟件程序。例如，本申請公開的實施例包括一種計算機程序產品，其包括承載在計算機可讀介質上的計算機程序，該計算機程序包含用于執(zhí)行流程圖所示的方法的程序代碼。在這樣的實施例中，該計算機程序可以通過通信裝置從網(wǎng)絡上被下載和安裝，或者從存儲裝置1003被安裝，或者從ROM1002被安裝。在該計算機程序被處理裝置1001執(zhí)行時，執(zhí)行本申請公開實施例的方法中限定的上述功能。[0150]本申請?zhí)峁┑臏y試結果分析設備，采用上述實施例中的測試結果分析方法，能解決測試分析工具僅能記錄測試步驟及結果，無法對失敗項進行智能化分析并生成工程師可直接使用的問題描述的技術問題。與現(xiàn)有技術相比，本申請?zhí)峁┑臏y試結果分析設備的有益效果與上述實施例提供的測試結果分析方法的有益效果相同，且該測試結果分析設備中的其他技術特征與上一實施例方法公開的特征相同，在此不做贅述。[0151]應當理解，本申請公開的各部分可以用硬件、軟件、固件或它們的組合來實現(xiàn)。在上述實施方式的描述中，具體特征、結構、材料或者特點可以在任何的一個或多個實施例或示例中以合適的方式結合。[0152]以上所述，僅為本申請的具體實施方式，但本申請的保護范圍并不局限于此，任何熟悉本技術領域的技術人員在本申請揭露的技術范圍內，可輕易想到變化或替換，都應涵蓋在本申請的保護范圍之內。因此，本申請的保護范圍應以所述權利要求的保護范圍為準。[0153]本申請?zhí)峁┮环N計算機可讀存儲介質，具有存儲在其上的計算機可讀程序指令(即計算機程序),計算機可讀程序指令用于執(zhí)行上述實施例中的測試結果分析方法。外線、或半導體的系統(tǒng)、系統(tǒng)或器件，或者任意以上的組合。計算機可讀存儲介質的更具體地例子可以包括但不限于：具有一個或多個導線的電連接、便攜式計算機磁盤、硬盤、隨機上述的任意合適的組合。在本實施例中，計算機可讀存儲介質可以是任何包含或存儲程序的有形介質，該程序可以被指令執(zhí)行系統(tǒng)、系統(tǒng)或者器件使用或者與其結合使用。計算機可讀存儲介質上包含的程序代碼可以用任何適當?shù)慕橘|傳輸，包括但不限于：電線、光纜、RF(RadioFrequency:射頻)等等，或者上述的任意合適的組合。[0155]上述計算機可讀存儲介質可以是測試結果分析設備中所包含的；也可以是單獨存在，而未裝配入測試結果分析設備中。[0156]上述計算機可讀存儲介質承載有一個或者多個程序，當上述一個或者多個程序被測試結果分析設備執(zhí)行時，使得測試結果分析設備：根據(jù)用例特征信息和目標測試結果確定單元測試數(shù)據(jù)；輸入所述單元測試數(shù)據(jù)至目標語言生成模型，得到目標測試分析結果。[0157]可以以一種或多種程序設計語言或其組合來編寫用于執(zhí)行本申請的操作的計算機程序代碼，上述程序設計語言包括面向對象的程序設計語言一諸如Java、Sm