Intelligent Software Testing Platform Selection and Knowledge Graph-Driven Test Case Generation

doi:10.1007/978-981-95-5294-8_12

2026-01-01

PRE

Ling Peng

Yu Shrike Zhang *

DOI：10.1007/978-981-95-5294-8_12

原文链接

原文求助

摘要

En 中文

本研究针对人工智能时代职业教育中软件测试平台选择及测试用例生成的优化挑战。提出了一种将知识图谱技术与主流测试平台相结合的新框架，以提高自动化测试用例生成效率。该方法结合了多模态知识图谱构建（实体识别准确率：92.7%，关系抽取F1值：89.3%）与人工智能驱动的测试工具，通过持续集成机制实现动态知识更新。在三个工业标准测试数据集上的实验结果表明，与传统方法相比，测试覆盖率提高了38%，误报率降低了45%。所提出的系统架构通过本体驱动的知识映射实现语义感知的测试场景生成，在复杂Web应用测试场景中尤为有效。本研究贡献包括：1）知识图谱增强的测试自动化框架；2）多模态教育资源集成方法；3）产学研协同验证机制。实际应用显示，通过平台嵌入的教学系统，学生能力评估成绩提高了27%。

Keyword:

Software Testing Education

Knowledge Graph

Test Case Generation

AI-Driven Testing

Educational Technology