测试用例生成方法、装置、设备、介质和程序产品

技术领域

本公开涉及软件测试领域，具体地，涉及一种测试用例生成方法、装置、设备、介质和程序产品。

背景技术

目前主流的测试用例生成方法中，通常包括如下两种方法：1、基于编码设计路径结合神经网络，对未遍历的链路进行过滤生成测试用例；2、通过对现有用例先进行特征提取，再使用遗传算法进行交叉、变异进而生成新的测试用例。上述两种方法均主要针对用例未覆盖到的链路进行测试用例生成不适合新的需求及场景测试用例的生成。

发明内容

鉴于上述问题，本公开的实施例提供了一种测试用例生成方法、装置、设备、介质和程序产品。

根据本公开的第一个方面，提供了一种测试用例生成方法，包括：对业务需求文档提取分词，其中，所述分词至少包括第一模块分词和第二模块分词，其中，所述第一模块对应有第一测试用例集，所述第一模块和第二模块包含于相同项目或相同系统；基于所述第二模块分词和特征分词提取模型获取第二模块特征分词，其中，所述特征分词提取模型基于第一模块分词训练得到；基于第一模块测试用例集和开发路径图获取用例特征；基于所述用例特征和用例设计方法获取用例膨胀特征；以及基于所述用例膨胀特征和第二模块特征分词获取第二模块测试用例。

根据本公开的实施例，所述基于所述第二模块分词和特征分词提取模型获取第二模块特征分词包括：基于所述第一测试用例集对神经网络模型进行训练，得到所述特征分词提取模型；基于所述特征分词提取模型对所述第二模块分词进行特征提取，获取第二模块特征分词。

根据本公开的实施例，所述基于第一模块测试用例集和开发路径图获取用例特征包括：基于所述第一模块测试用例提取功能测试特征；基于所述开发路径图获取开发路径要素，其中，所述开发路径要素包括模块开发路径以及与所述模块开发路径对应的处理结果；基于所述功能测试特征和所述开发路径要素获取所述用例特征。

根据本公开的实施例，所述基于所述用例膨胀特征和第二模块特征分词获取第二模块测试用例包括：基于所述用例膨胀特征和第二模块特征分词获取第二模块全量测试用例；对所述第二模块全量测试用例进行筛选，获取所述第二模块测试用例，其中，所述用例设计方法包括等价类划分法，边界值分析法，错误推断法，场景涉及法，判定表法，正交法，因果图法中的至少一种；和/或，基于过滤算法对所述扩展用例特征进行筛选。

根据本公开的实施例，所述方法还包括：基于所述膨胀用例特征和第一模块待测试特征分词获取第一模块更新测试用例。

根据本公开的实施例，所述神经网络模型为BP神经网络。

本公开的第二方面提供了一种测试用例生成装置，包括：分词提取模块，配置为对功能模块的需求文档提取分词，其中，所述分词至少包括第一模块分词和第二模块分词，其中，所述第一模块对应有第一测试用例集，所述第一模块和第二模块包含于相同项目或相同系统；特征获取模块，配置为基于所述第二模块分词和特征分词提取模型获取第二模块特征分词，其中，所述特征分词提取模型基于第一模块分词训练得到；特征设计模块，配置为基于第一模块测试用例集和开发路径图获取用例特征；特征膨胀模块，配置为基于所述用例特征和用例设计方法获取用例膨胀特征；以及用例生成模块，配置为基于所述用例膨胀特征和第二模块特征分词获取第二模块测试用例。

根据本公开的实施例，特征获取模块执行基于所述第二模块分词和特征分词提取模型获取第二模块特征分词的方法包括基于所述第一测试用例集对神经网络模型进行训练，得到所述特征分词提取模型；基于所述特征分词提取模型对所述第二模块分词进行特征提取，获取第二模块特征分词。

根据本公开的实施例，特征设计模块执行基于第一模块测试用例集和开发路径图获取用例特征的方法包括：基于所述第一模块测试用例提取功能测试特征。基于所述开发路径图获取开发路径要素，其中，所述开发路径要素包括模块开发路径以及与所述模块开发路径对应的处理结果。基于所述功能测试特征和所述开发路径要素获取所述用例特征。

根据本公开的实施例，用例生成模块执行基于用例膨胀特征和第二模块特征分词获取第二模块测试用例的方法包括：基于所述用例膨胀特征和第二模块特征分词获取第二模块全量测试用例。对所述第二模块全量测试用例进行筛选，获取所述第二模块测试用例。其中，所述用例设计方法包括等价类划分法，边界值分析法，错误推断法，场景涉及法，判定表法，正交法，因果图法中的至少一种。基于过滤算法对所述扩展用例特征进行筛选。

根据本公开的实施例，用例生成模块还可以执行的方法包括：基于所述膨胀用例特征和第一模块待测试特征分词获取第一模块更新测试用例。

本公开的第三方面提供了一种电子设备，包括：一个或多个处理器；存储器，用于存储一个或多个程序，其中，当所述一个或多个程序被所述一个或多个处理器执行时，使得一个或多个处理器执行上述测试用例生成方法。

本公开的第四方面还提供了一种计算机可读存储介质，其上存储有可执行指令，该指令被处理器执行时使处理器执行上述测试用例生成方法。

本公开的第五方面还提供了一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现上述测试用例生成方法。

在本公开的实施例中，从需求出发提取分词，利用已有用例集训练得到分词提取模型，再通过分词提取模型对新模块进行用例特征提取，结合开发路径和特征设计方法自动生成满足新需求的测试用例。由此可以在模块无现有测试用例的情况下，自动准确生成与模块对应的测试用例，减少了测试人员的工作量，提升测试用例生成的效率。

附图说明

通过以下参照附图对本公开实施例的描述，本公开的上述内容以及其他目的、特征和优点将更为清楚，在附图中：

图1示意性示出了根据本公开实施例的测试用例生成方法、装置、设备、介质和程序产品的应用场景图。

图2示意性示出了根据本公开实施例的测试用例生成方法的流程图。

图3示意性示出了根据本公开实施例的基于所述第二模块分词和特征分词提取模型获取第二模块特征分词的方法的流程图。

图4示意性示出了根据本公开实施例的基于第一模块测试用例集和开发路径图获取用例特征的方法的流程图。

图5示意性示出了根据本公开实施例的基于所述用例膨胀特征和第二模块特征分词获取第二模块测试用例的方法的流程图。

图6示意性示出了根据本公开的实施例的获取模块测试用例的方法的流程图。

图7示意性示出了根据本公开实施例的更新第一模块关联用例的方法的流程图。

图8示意性示出了根据本公开实施例的测试用例生成装置的结构框图。

图9示意性示出了根据本公开实施例的适于实现测试用例生成方法的电子设备的方框图。

具体实施方式

以下，将参照附图来描述本公开的实施例。但是应该理解，这些描述只是示例性的，而并非要限制本公开的范围。在下面的详细描述中，为便于解释，阐述了许多具体的细节以提供对本公开实施例的全面理解。然而，明显地，一个或多个实施例在没有这些具体细节的情况下也可以被实施。此外，在以下说明中，省略了对公知结构和技术的描述，以避免不必要地混淆本公开的概念。

在此使用的术语仅仅是为了描述具体实施例，而并非意在限制本公开。在此使用的术语“包括”、“包含”等表明了所述特征、步骤、操作和/或部件的存在，但是并不排除存在或添加一个或多个其他特征、步骤、操作或部件。

在此使用的所有术语(包括技术和科学术语)具有本领域技术人员通常所理解的含义，除非另外定义。应注意，这里使用的术语应解释为具有与本说明书的上下文相一致的含义，而不应以理想化或过于刻板的方式来解释。

在使用类似于“A、B和C等中至少一个”这样的表述的情况下，一般来说应该按照本领域技术人员通常理解该表述的含义来予以解释(例如，“具有A、B和C中至少一个的系统”应包括但不限于单独具有A、单独具有B、单独具有C、具有A和B、具有A和C、具有B和C、和/或具有A、B、C的系统等)。

测试用例设计是软件测试过程中的重要环节，其目的是为了尽可能发现软件中的缺陷。目前，存在两种主流的智能测试用例生成方法。第一种方案是基于编码设计路径结合神经网络，对未遍历的链路进行过滤生成测试用例。第二种方案是通过对现有用例先进行特征提取，再使用遗传算法进行交叉、变异进而生成新的测试用例。对于第一种方法，其主要目的是针对现有用例未覆盖到的链路进行测试用例生成，不适合新的需求及场景测试用例生成。第二种方案能够通过现有用例训练集的特征因子作为遗传算法的初始种群，再通过交叉、组合生成子代，通过设置迭代的次数，最终得到最优的测试用例集。此方法生成的用例对用例改善有一定作用，但偏向于优化和路径求解，仍存在不适合新的需求及场景测试用例生成的问题。

在本发明的技术方案中，所涉及的用户信息(包括但不限于用户个人信息、用户图像信息、用户设备信息，例如位置信息等)和数据(包括但不限于用于分析的数据、存储的数据、展示的数据等)，均为经用户授权或者经过各方充分授权的信息和数据，并且相关数据的收集、存储、使用、加工、传输、提供、公开和应用等处理，均遵守相关国家和地区的相关法律法规和标准，采取了必要保密措施，不违背公序良俗，并提供有相应的操作入口，供用户选择授权或者拒绝。

针对现有技术中存在的上述问题，本公开的实施例提供了一种测试用例生成方法，包括：对业务需求文档提取分词，其中，所述分词至少包括第一模块分词和第二模块分词，其中，所述第一模块对应有第一测试用例集，所述第一模块和第二模块包含于相同项目或相同系统；基于所述第二模块分词和特征分词提取模型获取第二模块特征分词，其中，所述特征分词提取模型基于第一模块分词训练得到；基于第一模块测试用例集和开发路径图获取用例特征；基于所述用例特征和用例设计方法获取用例膨胀特征；以及基于所述用例膨胀特征和第二模块特征分词获取第二模块测试用例。

在本公开的实施例中，不同于传统法的对未原有用例集中未实现测试用例遍历的部分进行测试用例设计的拓展性用例生成。从需求出发提取分词，利用已有用例集训练得到分词提取模型，再通过分词提取模型对新模块或原有模块进行用例特征提取，结合开发路径和特征设计方法自动生成满足新需求的测试用例。本公开的实施例的方案，可支持需求文档、测试用例导入分析，新用例生成、原始用例拓展，实现准确的用例生成，极大的减少了测试人员的工作量，提升了测试用例生成的效率。

图1示意性示出了根据本公开实施例的测试用例生成方法、装置、设备、介质和程序产品的应用场景图。

如图1所示，根据该实施例的应用场景100可以包括终端设备101、102、103。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。

用户可以使用终端设备101、102、103通过网络104与服务器105交互，以接收或发送消息等。终端设备101、102、103上可以安装有各种通讯客户端应用，例如购物类应用、网页浏览器应用、搜索类应用、即时通信工具、邮箱客户端、社交平台软件等(仅为示例)。

终端设备101、102、103可以是具有显示屏并且支持网页浏览的各种电子设备，包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等等。

服务器105可以是提供各种服务的服务器，例如对用户利用终端设备101、102、103所浏览的网站提供支持的后台管理服务器(仅为示例)。后台管理服务器可以对接收到的用户请求等数据进行分析等处理，并将处理结果(例如根据用户请求获取或生成的网页、信息、或数据等)反馈给终端设备。

需要说明的是，本公开实施例所提供的测试用例生成方法一般可以由服务器105执行。相应地，本公开实施例所提供的测试用例生成装置一般可以设置于服务器105中。本公开实施例所提供的测试用例生成方法也可以由不同于服务器105且能够与终端设备101、102、103和/或服务器105通信的服务器或服务器集群执行。相应地，本公开实施例所提供的测试用例生成装置也可以设置于不同于服务器105且能够与终端设备101、102、103和/或服务器105通信的服务器或服务器集群中。

应该理解，图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的终端设备、网络和服务器。

以下将基于图1描述的场景，通过图2～图6对公开实施例的测试用例生成方法进行详细描述。

图2示意性示出了根据本公开实施例的测试用例生成方法的流程图。

如图2所示，该实施例的测试用例生成方法包括操作S210～操作S250，该测试用例生成方法可以由服务器105执行。

在操作S210，对业务需求文档提取分词。其中，所述分词至少包括第一模块分词和第二模块分词，其中，所述第一模块对应有第一测试用例集，所述第一模块和第二模块包含于相同项目或相同系统。

在操作S220，基于所述第二模块分词和特征分词提取模型获取第二模块特征分词，其中，所述特征分词提取模型基于第一模块分词训练得到。

在操作S230，基于第一模块测试用例集和开发路径图获取用例特征。

在操作S240，基于所述用例特征和用例设计方法获取用例膨胀特征。

在操作S250，基于所述用例膨胀特征和第二模块特征分词获取第二模块测试用例。

在本公开的实施例中，第一模块和第二模块可以属于同一个项目或系统，模块间具有相似性或功能相对连贯。进一步的，第一和第二模块间功能相同，文档本公开的实施例中，可以通过对第一模块对应的第一测试用例集进行分析处理，结合第二模块分词，在无需单独编写对应于第二模块的测试用例的情况下，自动生成较为准确可靠的对应于第二模块的测试用例。应理解，在第一和第二模块具有相似性和功能连贯性的情况下，结合对第一模块测试用例的分析，以及第一模块分词训练得到的分词提取模型对第二模块分词进行用例特征提取可以较为准确，设计出的用例也更加符合项目或系统要求。应用本公开的实施例的方法，可以对项目中较为耗时的测试用例编写工作有一定的帮助，并减少项目交付和系统上线时间。

在本公开的实施例中，第一模块分词和第二模块分词可以通过对需求文档进行识别获得。其中，可以采用NLP，计算机视觉，数据挖掘，机器学习等技术识别需求文档的关键词，以获得第一模块分词和第二模块分词。在一个具体的实施例中，可以基于jieba分词模型对需求文档进行识别转化以获取第一模块分词和第二模块分词。

应理解，各模块分词可以为一个分词池，通过特征分词提取模型可以对分词池进行处理，以获得与用例关联的特征。其中，第一测试用例集是已编写完成的用例集。第一测试用例集和第一模块分词均包含于用例关联的特征分词，由此，可以基于第一模块分词训练得到特征分词提取模型。

在一些具体的实施例中，可以使用第一模块分词作为训练集，运用神经网络模型训练得到特征分词提取模型，以实现对于用例特征的提取。

图3示意性示出了根据本公开实施例的基于所述第二模块分词和特征分词提取模型获取第二模块特征分词的方法的流程图。

如图3所示，该实施例的基于所述第二模块分词和特征分词提取模型获取第二模块特征分词的方法包括操作S310～操作S320。

在操作S310，基于所述第一测试用例集对神经网络模型进行训练，得到所述特征分词提取模型。

在操作S320，基于所述特征分词提取模型对所述第二模块分词进行特征提取，获取第二模块特征分词。

在一个具体的示例中，可以使用BP神经网络作为特征提取模型的训练基础模型。BP(Back Propagation，后向传播)神经网络是一种多层前馈神经网络，其按照误差逆向传播算法进行训练。BP神经网络通过后向传播算法来调整网络权重，使其能够逐渐收敛到最小误差。其具有较好的泛化能力和容错能力。在本公开的实施例中，运用BP神经网络可以快速高效地对用例特征进行提取。

进一步的，本公开的实施例基于第一模块测试用例集和开发路径图获取用例特征以设计测试用例。在本公开的实施例中，同时运用开发路径和用例特征可以更好地覆盖各个功能模块和路径，从而提高测试的全面性和有效性。

图4示意性示出了根据本公开实施例的基于第一模块测试用例集和开发路径图获取用例特征的方法的流程图。

如图4所示，该实施例的基于第一模块测试用例集和开发路径图获取用例特征的方法包括操作S410～操作S430。

在操作S410，基于所述第一模块测试用例提取功能测试特征。

在操作S420，基于所述开发路径图获取开发路径要素，其中，所述开发路径要素包括模块开发路径以及与所述模块开发路径对应的处理结果。

在操作S430，基于所述功能测试特征和所述开发路径要素获取所述用例特征。

根据本公开的实施例，开发路径图获取自概设开发路径。可以通过对源码进行扫描得到实际路径和结果。并基于条件判断梳理开发实现路径和各个路径下的可能结果。通过分析开发路径，测试人员可以更好地了解软件系统的结构、功能和性能，从而有助于从整体上把握测试重点和方向。进一步，在设计测试用例时，可以更好地考虑软件系统的各个功能模块和路径，确保测试的全面性。功能测试特征可以是测试用例关注的功能点、性能指标、安全问题等。这些特征有助于测试人员更好地理解测试用例的意图和目的，从而更有针对性地设计测试方案。在本公开的实施例中，可以基于TF-IDF方法对第一测试用例分词以提取功能测试特征。结合开发路径和用例特征，测试人员可以确定针对不同功能模块和路径的测试用例。通过这种方式，测试用例可以更好地覆盖软件系统的各个功能点和潜在问题，提高测试的有效性。

图5示意性示出了根据本公开实施例的基于所述用例膨胀特征和第二模块特征分词获取第二模块测试用例的方法的流程图。

如图5所示，该实施例的基于所述用例膨胀特征和第二模块特征分词获取第二模块测试用例的方法包括操作S510～操作S520。

在操作S510，基于所述用例膨胀特征和第二模块特征分词获取第二模块全量测试用例。

在操作S520，对所述第二模块全量测试用例进行筛选，获取所述第二模块测试用例。

其中，用例设计方法包括等价类划分法，边界值分析法，错误推断法，场景涉及法，判定表法，正交法，因果图法中的至少一种。在本公开的实施例中，可以基于过滤算法对所述第二模块全量测试用例进行筛选。

图6示意性示出了根据本公开的实施例的获取模块测试用例的方法的流程图。

如图6所示，A模块用例集对应于第一测试用例集，基于对第一测试用例集的功能测试特征提取，可以获得不同的特征值，如特征值1，特征值2，特征值3。可以使用用例设计标准方法对特征值进行膨胀组合(即扩展)则可以获取膨胀用例特征，进一步的，将扩展后的用例特征与从需求文档里提取出的模块分词(即A模块需求分词)结合可以生成全量测试用例，例如包括用例1，用例2，用例3，用例4，用例5。进一步的，可以结合过滤算法对生成的全量测试用例进行筛选，以获取最终的第二模块测试用例。根据本公开的实施例，可以将用例特征通过通用的标准测试用例设计方法进行随机组合以进行用例设计，最终得到交叉覆盖的比较全面的测试用例。进一步进行筛选以获取最终的测试用例。例如，用例1和用例3不符合业务逻辑，将其舍弃，而将符合业务逻辑的用例2，用例4，用例5进行保留。其中，过滤算法可以包括协同过滤算法，基于内容的过滤算法，基于模型的过滤算法，机器学习过滤等。在一些优选的实施例中，可以使用协同过滤算法对全量测试用例进行筛选。在协同过滤算法中，根据第一测试用例和生成的全量测试用例的相似度比较来推荐用例。协同过滤算法实现快速，能够提升本公开的实施例中的数据处理效率。

本公开的实施例也可用于第一模块关联用例的更新。

图7示意性示出了根据本公开实施例的更新第一模块关联用例的方法的流程图。

如图7所示，该实施例的更新第一模块关联用例的方法包括操作S710。

在操作S710，基于所述膨胀用例特征和第一模块待测试特征分词获取第一模块更新测试用例。应理解，应用本公开的实施例可以利用已有模块的用例作为训练集，生成原有模块的拓展用例。

在本公开的实施例中，不同于传统法的对未原有用例集中未实现测试用例遍历的部分进行测试用例设计的拓展性用例生成的方法。本公开的实施例从需求出发提取分词，利用已有用例集训练得到分词提取模型，再通过分词提取模型对新模块或原有模块进行用例特征提取，结合开发路径和特征设计方法自动生成满足新需求的测试用例。其中，可以对提取的用例特征进行扩展以获得膨胀用例特征，使生成的用例粒度更细，覆盖更全面。本公开的实施例从根本上解决了测试人员进行需求分析、测试场景设计、研发设计文档梳理过程中的工作量大的问题。在测试效率上也有了很大的提升，同时兼容新、旧项目的测试用例编写，方便了使用者的各种使用场景。

基于上述测试用例生成方法，本公开的实施例还提供了一种测试用例生成装置。以下将结合图8对该装置进行详细描述。

图8示意性示出了根据本公开实施例的测试用例生成装置的结构框图。

如图8所示，该实施例的测试用例生成装置800包括分词提取模块810、特征获取模块820、特征设计模块830、特征膨胀模块840以及用例生成模块850。

其中，分词提取模块810被配置为对功能模块的需求文档提取分词，其中，所述分词至少包括第一模块分词和第二模块分词，其中，所述第一模块对应有第一测试用例集，所述第一模块和第二模块包含于相同项目或相同系统。

特征获取模块820被配置为基于所述第二模块分词和特征分词提取模型获取第二模块特征分词，其中，所述特征分词提取模型基于第一模块分词训练得到。

特征设计模块830被配置为基于第一模块测试用例集和开发路径图获取用例特征。

特征膨胀模块840被配置为基于所述用例特征和用例设计方法获取用例膨胀特征。

用例生成模块850被配置为基于所述用例膨胀特征和第二模块特征分词获取第二模块测试用例。

根据本公开的实施例，特征获取模块执行基于所述第二模块分词和特征分词提取模型获取第二模块特征分词的方法包括基于所述第一测试用例集对神经网络模型进行训练，得到所述特征分词提取模型；基于所述特征分词提取模型对所述第二模块分词进行特征提取，获取第二模块特征分词。

根据本公开的实施例，特征设计模块执行基于第一模块测试用例集和开发路径图获取用例特征的方法包括：基于所述第一模块测试用例提取功能测试特征。基于所述开发路径图获取开发路径要素，其中，所述开发路径要素包括模块开发路径以及与所述模块开发路径对应的处理结果。基于所述功能测试特征和所述开发路径要素获取所述用例特征。

根据本公开的实施例，用例生成模块执行基于用例膨胀特征和第二模块特征分词获取第二模块测试用例的方法包括：基于所述用例膨胀特征和第二模块特征分词获取第二模块全量测试用例。对所述第二模块全量测试用例进行筛选，获取所述第二模块测试用例。其中，所述用例设计方法包括等价类划分法，边界值分析法，错误推断法，场景涉及法，判定表法，正交法，因果图法中的至少一种。基于过滤算法对所述扩展用例特征进行筛选。

根据本公开的实施例，用例生成模块还可以执行的方法包括：基于所述膨胀用例特征和第一模块待测试特征分词获取第一模块更新测试用例。

根据本公开的实施例，分词提取模块810、特征获取模块820、特征设计模块830、特征膨胀模块840以及用例生成模块850中的任意多个模块可以合并在一个模块中实现，或者其中的任意一个模块可以被拆分成多个模块。或者，这些模块中的一个或多个模块的至少部分功能可以与其他模块的至少部分功能相结合，并在一个模块中实现。根据本公开的实施例，分词提取模块810、特征获取模块820、特征设计模块830、特征膨胀模块840以及用例生成模块850中的至少一个可以至少被部分地实现为硬件电路，例如现场可编程门阵列(FPGA)、可编程逻辑阵列(PLA)、片上系统、基板上的系统、封装上的系统、专用集成电路(ASIC)，或可以通过对电路进行集成或封装的任何其他的合理方式等硬件或固件来实现，或以软件、硬件以及固件三种实现方式中任意一种或以其中任意几种的适当组合来实现。或者，分词提取模块810、特征获取模块820、特征设计模块830、特征膨胀模块840以及用例生成模块850中的至少一个可以至少被部分地实现为计算机程序模块，当该计算机程序模块被运行时，可以执行相应的功能。

图9示意性示出了根据本公开实施例的适于实现测试用例生成方法的电子设备的方框图。

如图9所示，根据本公开实施例的电子设备900包括处理器901，其可以根据存储在只读存储器(ROM)902中的程序或者从存储部分908加载到随机访问存储器(RAM)903中的程序而执行各种适当的动作和处理。处理器901例如可以包括通用微处理器(例如CPU)、指令集处理器和/或相关芯片组和/或专用微处理器(例如，专用集成电路(ASIC))等等。处理器901还可以包括用于缓存用途的板载存储器。处理器901可以包括用于执行根据本公开实施例的方法流程的不同动作的单一处理单元或者是多个处理单元。

在RAM 903中，存储有电子设备900操作所需的各种程序和数据。处理器901、ROM902以及RAM 903通过总线904彼此相连。处理器901通过执行ROM 902和/或RAM 903中的程序来执行根据本公开实施例的方法流程的各种操作。需要注意，所述程序也可以存储在除ROM 902和RAM 903以外的一个或多个存储器中。处理器901也可以通过执行存储在所述一个或多个存储器中的程序来执行根据本公开实施例的方法流程的各种操作。

根据本公开的实施例，电子设备900还可以包括输入/输出(I/O)接口905，输入/输出(I/O)接口905也连接至总线904。电子设备900还可以包括连接至I/O接口905的以下部件中的一项或多项：包括键盘、鼠标等的输入部分906；包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分907；包括硬盘等的存储部分908；以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分909。通信部分909经由诸如因特网的网络执行通信处理。驱动器91 0也根据需要连接至I/O接口905。可拆卸介质911，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器910上，以便于从其上读出的计算机程序根据需要被安装入存储部分908。

本公开还提供了一种计算机可读存储介质，该计算机可读存储介质可以是上述实施例中描述的设备/装置/系统中所包含的；也可以是单独存在，而未装配入该设备/装置/系统中。上述计算机可读存储介质承载有一个或者多个程序，当上述一个或者多个程序被执行时，实现根据本公开实施例的方法。

根据本公开的实施例，计算机可读存储介质可以是非易失性的计算机可读存储介质，例如可以包括但不限于：便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。例如，根据本公开的实施例，计算机可读存储介质可以包括上文描述的ROM 902和/或RAM 903和/或ROM 902和RAM 903以外的一个或多个存储器。

本公开的实施例还包括一种计算机程序产品，其包括计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。当计算机程序产品在计算机系统中运行时，该程序代码用于使计算机系统实现本公开实施例所提供的物品推荐方法。

在该计算机程序被处理器901执行时执行本公开实施例的系统/装置中限定的上述功能。根据本公开的实施例，上文描述的系统、装置、模块、单元等可以通过计算机程序模块来实现。

在一种实施例中，该计算机程序可以依托于光存储器件、磁存储器件等有形存储介质。在另一种实施例中，该计算机程序也可以在网络介质上以信号的形式进行传输、分发，并通过通信部分909被下载和安装，和/或从可拆卸介质911被安装。该计算机程序包含的程序代码可以用任何适当的网络介质传输，包括但不限于：无线、有线等等，或者上述的任意合适的组合。

在这样的实施例中，该计算机程序可以通过通信部分909从网络上被下载和安装，和/或从可拆卸介质911被安装。在该计算机程序被处理器901执行时，执行本公开实施例的系统中限定的上述功能。根据本公开的实施例，上文描述的系统、设备、装置、模块、单元等可以通过计算机程序模块来实现。

根据本公开的实施例，可以以一种或多种程序设计语言的任意组合来编写用于执行本公开实施例提供的计算机程序的程序代码，具体地，可以利用高级过程和/或面向对象的编程语言、和/或汇编/机器语言来实施这些计算程序。程序设计语言包括但不限于诸如Java，C++，python，“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中，远程计算设备可以通过任意种类的网络，包括局域网(LAN)或广域网(WAN)，连接到用户计算设备，或者，可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。

附图中的流程图和框图，图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，上述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图或流程图中的每个方框、以及框图或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

本领域技术人员可以理解，本公开的各个实施例和/或权利要求中记载的特征可以进行多种组合或/或结合，即使这样的组合或结合没有明确记载于本公开中。特别地，在不脱离本公开精神和教导的情况下，本公开的各个实施例和/或权利要求中记载的特征可以进行多种组合和/或结合。所有这些组合和/或结合均落入本公开的范围。

以上对本公开的实施例进行了描述。但是，这些实施例仅仅是为了说明的目的，而并非为了限制本公开的范围。尽管在以上分别描述了各实施例，但是这并不意味着各个实施例中的措施不能有利地结合使用。本公开的范围由所附权利要求及其等同物限定。不脱离本公开的范围，本领域技术人员可以做出多种替代和修改，这些替代和修改都应落在本公开的范围之内。