(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210034399.X (22)申请日 2022.01.13 (71)申请人 广东拓思软件科 学园有限公司 地址 510700 广东省广州市黄埔区科 学城 彩频路11号 (72)发明人 黄万民　王青　张晋桂　虞圣呈　 房春荣　张慧斌　谢思妙　 (74)专利代理 机构 北京超凡宏宇专利代理事务 所(特殊普通 合伙) 11463 代理人 戴尧罡 (51)Int.Cl. G06F 11/36(2006.01) G06F 16/33(2019.01) G06F 16/36(2019.01) G06F 40/289(2020.01) (54)发明名称 一种众包测试报告推荐 方法、 装置及电子设 备 (57)摘要 本发明的实施例提供了一种众包测试报告 推荐方法、 装置及电子设备， 方法包括： 获取第一 缺陷报告和多个历史缺陷报告， 确定第一缺陷报 告的第一特征向量和每个历史缺陷报告的第二 特征向量， 确定第一特征向量与各第二特征向量 的相似度， 并将相似度进行排序； 基于排序的结 果对历史缺陷报告进行推荐， 存在可以确定在历 史缺陷报告是否存在与第一缺陷报告相似的缺 陷报告， 从而避免用户在对第一缺陷报告编辑的 过程中， 出现重复内容的缺陷报告， 从而提升众 包测试任务的准确性。 权利要求书2页 说明书12页 附图3页 CN 114048148 A 2022.02.15 CN 114048148 A 1.一种众包测试报告推荐方法， 应用众包测试平台， 其特 征在于， 所述方法包括： 获取第一缺陷报告和多个历史缺陷报告， 其中， 所述历史缺陷报告为众包工人在众包 测试任务中提交的缺陷报告； 通过训练好的知识图谱特征学习模型和词向量模型， 确定所述第 一缺陷报告的第 一词 向量、 第一实体向量以及第一上 下文实体向量； 通过训练好的知识图谱特征学习模型和所述词向量模型， 确定每个所述历史缺陷报告 的第二词向量、 第二实体向量以及第二上 下文实体向量； 基于所述第 一词向量、 第 一实体向量以及第 一上下文实体向量得到所述第 一缺陷报告 的第一特征向量， 基于所述第二词向量、 第二实体 向量以及第二上下文实体向量得到每个 所述历史缺陷报告的第二特 征向量； 确定所述第一特 征向量与各 所述第二特 征向量的相似度， 并将所述相似度进行排序； 基于所述 排序的结果对历史缺陷报告 进行推荐。 2.根据权利要求1所述的方法， 其特征在于， 所述基于所述第一词向量、 第一实体向量 以及第一上下文实体向量得到所述第一缺陷报告的第一特征向量， 基于所述第二词向量、 第二实体向量以及第二上下文实体向量得到每个所述历史缺陷报告的第二特征向量的步 骤， 包括： 将所述第一词向量、 第一实体向量以及第一上 下文实体向量 拼接为第一目标向量； 将所述第 一目标向量经过维度变化、 激活函数、 卷积以及池化处理后， 得到第 一特征向 量； 将所述第二词向量、 第二实体向量以及第二上 下文实体向量 拼接为第二目标向量； 将所述第 二目标向量经过维度变化、 激活函数、 卷积以及池化处理后， 得到第 二特征向 量。 3.根据权利要求1所述的方法， 其特 征在于， 所述方法还 包括： 基于历史缺陷报告和所述历史缺陷报告对应的测试信息， 构建知识图谱， 其中， 所述历 史缺陷报告对应的测试信息包括众包工人的行为信息、 测试报告以及测试用例； 基于所述知识图谱， 对所述知识图谱特 征学习模型和词向量模型进行训练。 4.根据权利要求3所述的方法， 其特征在于， 所述基于历史缺陷报告和所述历史缺陷报 告对应的测试信息， 构建知识图谱的步骤， 包括： 将各历史缺陷报告和与各所述历史缺陷报告对应的测试信 息输入分词模型， 得到多个 不同类型的关键词； 确定所述关键词对应的实体； 确定各所述实体之间在实际场景中的逻辑关系； 基于各所述实体的逻辑关系， 构建知识图谱； 将所述知识图谱 存储在图形 数据库中。 5.根据权利要求 4所述的方法， 其特 征在于， 所述方法还 包括： 当存在新的缺陷报告时， 获取 所述新的缺陷报告的测试信息； 依据新的缺陷报告和该新的缺陷报告对应的测试信息， 更新所述知识图谱。 6.根据权利要求3所述的方法， 其特征在于， 所述基于所述知识图谱， 对所述知识图谱 特征学习模型和词向量模型进行训练的步骤， 包括：权　利　要　求　书 1/2 页 2 CN 114048148 A 2将所述知识图谱中的关键词作为所述词向量模型的第一训练集； 基于所述第一训练集， 对所述词向量模型进行训练； 获取所述知识图谱中的实体、 各实体之间的逻辑关系以及每个实体在预设范围内的相 邻实体所 形成的子图， 作为所述知识图谱特 征学习模型的第二训练集； 基于所述第二训练集， 对所述知识图谱特 征学习模型进行训练。 7.根据权利要求1所述的方法， 其特征在于， 所述获取第 一缺陷报告和多个历史缺陷报 告的步骤， 包括： 获取第一 缺陷报告和用户对多个历史缺陷报告的关注信息； 从多个所述历史缺陷报告中， 获取与所述关注信息对应的关注缺陷报告集； 所述通过训练好的知识图谱特征学习 模型和所述词向量模型， 确定每个所述历史缺陷 报告的第二词向量、 第二实体向量以及第二上 下文实体向量的步骤， 包括： 通过训练好的知识图谱特征学习模型和所述词向量模型， 确定所述关注缺陷报告集中 每个缺陷报告的第三词向量、 第三实体向量以及第三上 下文实体向量； 所述基于所述第 二词向量、 第 二实体向量以及第 二上下文实体向量得到每个所述历史 缺陷报告的第二特 征向量的步骤， 包括： 基于所述第 三词向量、 第 三实体向量以及第 三上下文实体向量得到所述关注缺陷报告 集中每个关注缺陷报告的第三特 征向量； 所述确定所述第 一特征向量与各所述第 二特征向量的相似度， 并将所述相似度进行排 序的步骤， 包括： 确定所述第一特 征向量与各 所述第三特 征向量的相似度， 并将所述相似度进行排序。 8.根据权利要求1所述的方法， 其特 征在于， 所述方法还 包括： 在众包测试任务完成后， 获取 众包测试任务中的所有第二 缺陷报告； 确定各所述第二 缺陷报告的重复度； 在重复度高于预设阈值的情况 下， 将重复的第二 缺陷报告的参 考分值设置为 零分。 9.一种众包测试报告推荐装置， 其特 征在于， 所述装置包括： 获取模块和处 理模块； 所述获取模块， 用于获取第 一缺陷报告和多个历史缺陷报告， 其中， 所述历史缺陷报告 为众包工人在众包测试任务中提交的缺陷报告； 所述处理模块， 用于通过训练好的知识图谱特征学习模型和词向量模型， 确定所述第 一缺陷报告的第一词向量、 第一实体 向量以及第一上下文实体 向量， 通过训练好的知识图 谱特征学习模型和所述词向量模型， 确定每个所述历史缺陷报告的第二词向量、 第二实体 向量以及第二上下文实体 向量， 基于所述第一词向量、 第一实体向量以及第一上下文实体 向量得到所述第一缺陷报告的第一特征向量， 基于所述第二词向量、 第二实体向量以及第 二上下文实体向量得到每个所述历史缺陷报告的第二特征向量， 确定所述第一特征向量与 各所述第二特征向量的相似度， 并将所述相似度进行排序， 基于所述排序的结果对历史缺 陷报告进行推荐。 10.一种电子设备， 其特征在于， 包括存储器和处理器， 所述存储器存储有计算机程序， 所述处理器执行所述计算机程序时实现权利要求1 ‑8任一项所述方法的步骤。权　利　要　求　书 2/2 页 3 CN 114048148 A 3