1.一种测试用例智能化匹配方法，其特征在于，包括：

对输入文本进行分词处理以得到单词；

对经分词处理得到的单词进行滤波处理，以得到滤波后的单词集合；所述滤波后的单词集合中包括根据词长或词性对单词进行分类处理得到的分类结果；

根据预先设定的特征词组，对滤波后的单词集合进行特征词提取，以得到输入文本的特性参数；

通过智能化匹配模型中测试用例的特征词与输入文本的特性参数进行匹配，计算输入文本与测试用例相应的匹配概率；

根据预设的匹配概率阈值，获取大于匹配概率阈值的测试用例；

所述通过智能化匹配模型中测试用例的特征词与输入文本的特性参数进行匹配，计算输入文本与测试用例相应的匹配概率，包括：获取智能化匹配模型中测试用例的特征词的加权值；每一所述测试用例具有与自身测试方向相对应的特征词分类及特征词匹配顺序；

根据以下公式计算得到输入文本与测试用例的匹配概率P：P＝(A1×a1+A2×a2+A3×a3+……An×an)/n，其中an为特征词组中第n个特征词所出现的次数，An为特征词组中第n个特征词在测试用例中对应的加权值；

所述获取智能化匹配模型中测试用例的特征词的加权值，包括：将所述分类结果与所述测试用例中的特征词分类进行匹配，以获取特征词分类与所述分类结果相匹配的多个测试用例所包含的特征词的加权值。

2.根据权利要求1所述的测试用例智能化匹配方法，其特征在于，所述对经分词处理得到的单词进行滤波处理，以得到滤波后的单词集合，包括：对分词处理得到的单词进行定性处理得到单词的词性，对单词进行定长处理得到单词的长度；

滤除单词中的非单词成分，并根据单词的词性对无意义的单词进行滤除以得到滤波后的单词集合。

3.根据权利要求1所述的测试用例智能化匹配方法，其特征在于，所述根据预先设定的特征词组，对滤波后的单词集合进行特征词提取，以得到输入文本的特性参数，包括：将滤波后的单词集合与预先设定的特征词组进行匹配；

对单词集合中特征词所出现的次数进行统计以得到输入文本的特性参数，其中，输入文本的特性参数为单词集合中的特征词在特征词组中所出现的次数。

4.根据权利要求1所述的测试用例智能化匹配方法，其特征在于，所述对输入文本进行分词处理以得到单词之前，还包括：通过历史数据对智能化匹配模型进行训练，得到训练后的智能化匹配模型。

5.一种测试用例智能化匹配装置，其特征在于，包括：

分词处理单元，用于对输入文本进行分词处理以得到单词；

滤波处理单元，用于对经分词处理得到的单词进行滤波处理，以得到滤波后的单词集合；所述滤波后的单词集合中包括根据词长或词性对单词进行分类处理得到的分类结果；

特征提取单元，用于根据预先设定的特征词组，对滤波后的单词集合进行特征词提取，以得到输入文本的特性参数；

智能匹配单元，用于通过智能化匹配模型中测试用例的特征词与输入文本的特性参数进行匹配，计算输入文本与测试用例相应的匹配概率；

测试用例获取单元，用于根据预设的匹配概率阈值，获取大于匹配概率阈值的测试用例；

所述智能匹配单元，包括：

加权值获取单元，用于获取智能化匹配模型中测试用例的特征词的加权值；每一所述测试用例具有与自身测试方向相对应的特征词分类及特征词匹配顺序；

匹配概率计算单元，用于根据以下公式计算得到输入文本与测试用例的匹配概率P：P＝(A1×a1+A2×a2+A3×a3+……An×an)/n，其中an为特征词组中第n个特征词所出现的次数，An为特征词组中第n个特征词在测试用例中对应的加权值；

所述获取智能化匹配模型中测试用例的特征词的加权值，包括：将所述分类结果与所述测试用例中的特征词分类进行匹配，以获取特征词分类与所述分类结果相匹配的多个测试用例所包含的特征词的加权值。

6.根据权利要求5所述的测试用例智能化匹配装置，其特征在于，所述滤波处理单元，包括：定性定长处理单元，用于对分词处理得到的单词进行定性处理得到单词的词性，对单词进行定长处理得到单词的长度；

滤波单元，用于滤除单词中的非单词成分，并根据单词的词性对无意义的单词进行滤除以得到滤波后的单词集合。

7.一种计算机设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1‑4中任一项所述的测试用例智能化匹配方法。

8.一种存储介质，其特征在于，所述存储介质存储有计算机程序，所述计算机程序包括程序指令，所述程序指令当被处理器执行时使所述处理器执行如权利要求1‑4任一项所述的测试用例智能化匹配方法。