买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉山东云则信息技术有限公司申请的专利基于人工智能的测试风险识别方法及系统获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN119988240B 。

龙图腾网通过国家知识产权局官网在2025-08-08发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202510473834.2，技术领域涉及：G06F11/3668；该发明授权基于人工智能的测试风险识别方法及系统是由李龙;费振龙;杨泽琳;陈鹏设计研发完成，并于2025-04-16向国家知识产权局提交的专利申请。

本基于人工智能的测试风险识别方法及系统在说明书摘要公布了：本发明公开了基于人工智能的测试风险识别方法及系统，具体涉及数据处理技术领域；通过引入自适应学习率和反馈机制，针对现有机器学习模型在测试过程中存在的数据不平衡问题，提供了一种改进的测试风险识别方法，通过全面收集测试数据，包括测试用例执行结果和测试环境状态，提取代码模块间的依赖关系异常值和网络延迟高频值，构建数据预测模型，并基于这些数据综合计算预测结果的偏差；通过动态调整模型对成功用例的偏向，增强对失败用例和高风险区域的识别能力，有效避免高风险区域被低估或正常用例误判为高风险，从而提高预测精度，优化测试资源的配置，减少无效测试复审，显著提升测试效率，降低成本和周期。

本发明授权基于人工智能的测试风险识别方法及系统在权利要求书中公布了：1.基于人工智能的测试风险识别方法，其特征在于：包括： 收集全面的测试数据，包括测试用例执行结果和测试环境状态； 从测试用例执行结果中提取代码模块间的依赖关系异常值，以及从测试环境状态中提取网络延迟高频值； 具体包括：采用有向图表示代码模块及其依赖关系，节点表示代码模块，边表示模块间的依赖关系，计算从源节点Vi到节点u的当前最短距离标记为dist[u]，将S表示为已经处理过的节点集合，表示从源节点Vi到这些节点的最短路径已经找到，将Q表示为未处理节点集合，表示距离源节点最近的节点集合；将边eij的权重设定为weij，表示从Vi到Vj的依赖关系强度；设置每个节点的最短距离dist[Vi]=0，表示源节点的距离为0；对于节点Vj，初始化dist[Vj]=∞；初始化S和Q，在Q中选择一个最短距离的节点u，将节点u移动到已处理集合S中，并从Q中移除u，对于节点u的所有邻接节点v，检查是否存在更短的路径：如果dist[u]+weuvdist[v]，则更新dist[v]=dist[u]+weuv，weuv为边euv的权重，表示代码模块Vu与Vv之间的依赖强度，设定依赖强度计算公式：；其中：表示模块间的函数调用次数，代表代码耦合度，反映数据交互频率，c、β、γ为权重系数，更新v的最短路径，直到Q中没有节点，通过Dijkstra算法计算出每个模块的最短路径之后，计算依赖关系异常值，表达式为：；式中，AWD为依赖关系异常值，是从Vi到Vj的最短路径，meandist是所有模块间最短路径的平均值，stddist是所有模块间最短路径的标准差； 构建数据预测模型，将依赖关系异常值以及网络延迟高频值输入到数据预测模型中进行综合计算，根据计算结果判断机器学习模型的预测结果是否出现偏差； 当出现预测偏差时，对于失败用例和高风险测试区域，通过引入自适应学习率和反馈机制，逐步减少机器学习模型对成功用例的偏向，提高对失败用例的敏感度，并将调整后的预测结果反馈给测试团队； 具体包括：设定当前模型的学习率为η，反馈信号的强度为F，更新学习率，表达式为：；其中：为更新后的学习率，为当前的学习率，为反馈机制的调节系数，控制学习率变化的幅度，F为反馈信号的强度； 根据反馈信号对训练数据中的权重进行动态调整，降低成功用例的权重，代表用例i的权重，F为反馈信号的强度，调整每个用例的权重：；其中：为更新后的用例i的权重，v为调整系数，决定偏差反馈对权重调整的影响程度。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人山东云则信息技术有限公司，其通讯地址为：250100 山东省济南市历城区王舍人街道工业北路58号恒大城西区21号楼三楼—315；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。