基于用户会话的测试技术主要依赖于收集的用户会话数据集:数据的数量越多,测试能力就越强。但是随着数据量地递增,用于分析、存储这些用户会话的成本也会迅速地增加。因而,需要在数据集的规模与测试效力之间寻求一种平衡。本文提出了一种基于概念格的约减用户会话的技术。首先,分析了几种传统的批处理式概念格构造算法的不足,进而提出了一种更高效的批处理算法,运用此算法对初始的用户会话数据集进行聚类分析,生成相应的概念格;再采用全节点、底部相邻节点或是k层节点选取策略,从中选择用户会话数据组成一个测试子集,代替初始的数据集进行测试,实现了对初始集的约减。再者,当有新的用户会话添加时,利用改进的增量式概念格构造算法对新添加的数据进行运算,生成新的概念格,并重新选取用户会话组建新的测试子集,完成对测试集的及时更新。最后,设计了一个测试工具,自动的实现用户会话的收集、测试集的约减、更新,测试用例的回放以及测试报告的生成。新的约减技术适用于大规模的用户会话数据集,可以在初始数据集中选取产生一个数据量较小的测试子集。使用该子集进行测试时,降低测试成本的同时,仍能保证其测试效力能够满足初始集的测试要求。该技术可以有效的解决基于用户会话测试中的数据规模与测试效力之间的矛盾问题。