检测集成测试用例之间的依赖关系在软件测试优化领域起着至关重要的作用。将测试用例分为两个主要类别 - 依赖和独立 - 可用于多种测试优化目的，例如并行测试执行、测试自动化、测试用例选择和优先级排序以及测试套件减少。由于测试用例的分布，此任务可以看作是不平衡分类问题。通常，依赖和独立测试用例的数量是不均衡的，这与测试级别、测试环境和被测系统的复杂性有关。在本研究中，我们提出了一种由两个主要步骤组成的新方法。首先，通过使用自然语言处理，我们分析测试用例的规范并将其转换为数字向量。其次，通过使用获得的数据向量，我们将每个测试用例分类为依赖类或独立类。我们采用监督学习方法，使用不同的方法来处理不平衡的数据集。在瑞典庞巴迪运输公司 (Bombardier Transportation) 的两个工业项目中评估了所提出方法的可行性和可能的​​推广，结果表明结果令人鼓舞。