API是软件工程中的一个重要组成部分,需要设计大量的测试用例来进行充分测试。借助PICT工具利用组合测试原理可产生比手动生成更高效的测试用例。本文介绍了PICT的工作原理及使用方法,分析了API测试用例的设计思路,并通过一个API测试用例设计实例详细说明了如何通过PICT工具对API进行测试用例进行设计。 3）中的约束关系，采用PICT的语法定义，将约束条件写入模型文件APItest.txt中：IF[双工工作方式]in{–1,0}THEN[返回值]=–1;IF[本机双工状态]in{–1,0,1}THEN[返回值]=–1;IF[本机双工状态]=2AND[它机数据网状态]=0OR[它机关键软件状态]=0THEN[返回值]=–1;IF[本机双工状态]=1AND[本机双工状态]=2AND[它机数据网状态]=1OR[它机关键软件状态]=1THEN[返回值]=0;步骤（2）与步骤（4）最终形成的输入模型文件如图1所示。（5）运行PICT，并将结果导出至Excel中在Windows环境下打开命令行程序，进入PICT安装路径， 本文公司网站弯管机价格网站采集转载中国知网整理!    http://www.wanguanjixie.org/将上一步形成的模型文件作为输入，执行PICT程序，输出结果至APItest.xls文件中，具体如图2所示。3.2.3设计结果打开生成的测试用例文件APItest.xls，知识点实体识别技术-电动液压滚圆机滚弧机张家港钢管滚圆机滚弧机缩管机最终的测试用例如图3所示。从最终的用例生成结果看，采用PICT两两覆盖的用例设计方法，同时结合接口文档指定约束关系，共生成了19个测试用例。而如果采用全覆盖的用例设计方法，需要试用例；两者对比，可以看出利用PICT工具显著提高了用例设计和生成的效率，节省了测试资源。图1模型文执行PICT程序示意传统的中文分词方法是一种基于单词标注的传统机器学习方法,但学习方法需要人工配置和提取中文文本的特征。 本文公司网站弯管机价格网站采集转载中国知网整理!    http://www.wanguanjixie.org/缺点是同义词库维度较高且CPU训练模型较长。本文针对以上问题进行了研究,构建了内嵌条件随机场的长短时神经网络模型,使用长短时神经网络隐含层的上下文向量作为输出层标注的特征,使用内嵌的条件随机场模型表示标注之间的约束关系采用双向LSTM和CRF相结合的训练方法进行特定领域知识点的中文分词。对中文分词测试常用语料库的实验比较表明,基于BLSTM和CRF网络模型的方法可以获得比传统机器学习方法更好的性能;使用六字标记并添加预训练的字嵌入向量可以实现相对较好的分词性能;BLSTM-CRF网络模型方法更易于推广并应用于其他自然语言处理中的序列标注任务。这个过程可以分成两步，第一步根据输入门得到的it来确定用于更新的值，第二步使用tanh层生成新的候选值Ct，并将其作为当前层生成的候选值添加到状态单元中。it和Ct的计算如下公式1）通过遗忘门和输入门，过滤掉不需要的信息，然后是添加信息的过程：1tttttCfCiC（4）LSTM的最后一步是确定模型的输出，首先是通过sigmoid层来得到一个初始输出，然后使用tanh将Ct值映射到1到1间，再与sigmoid得到的输出依次相乘，从而得到模型的输出。其中σ表示sigmod激活函数，tanh表示双曲正切激活函数，Wf、Wi、Wo、Uf、Ui、Uo分别代表输入门、忘记门、输出门的权重矩阵，bf、bi、bo分别表示输入门、忘记门、输出门的偏置向量。ht表示t时刻的输出。2.2CRFCRF是基于概率图的统计模型。由于可以手动添加多种特征，因此可以利用更丰富的上下文信息。该模型实现了全局归一化，可以获得全局最优解，有效地解决了标记偏差问题。这种考虑状态前后影响的序列标记的处理办法与BLSTM模型利用上下文特征的思想极为相似。在中文分词中有两种序列标注思想。第一种是根据时间顺序预测从前到后的序列标签分布，例如最大熵Markov模型。第二是从句子层面考虑标签问题。它也将受到未来状态的影响，知识点实体识别技术-电动液压滚圆机滚弧机张家港钢管滚圆机滚弧机缩管机 本文公司网站弯管机价格网站采集转载中国知网整理!    http://www.wanguanjixie.org/