Di Giacomo, Samuele
(2024)
Generazione e valutazione di test automatici tramite modelli di NLP avanzati.
[Laurea magistrale], Università di Bologna, Corso di Studio in
Ingegneria informatica [LM-DM270], Documento ad accesso riservato.
Documenti full-text disponibili:
![[img]](http://amslaurea.unibo.it/style/images/fileicons/application_pdf.png) |
Documento PDF (Thesis)
Full-text accessibile solo agli utenti istituzionali dell'Ateneo
Disponibile con Licenza: Salvo eventuali più ampie autorizzazioni dell'autore, la tesi può essere liberamente consultata e può essere effettuato il salvataggio e la stampa di una copia per fini strettamente personali di studio, di ricerca e di insegnamento, con espresso divieto di qualunque utilizzo direttamente o indirettamente commerciale. Ogni altro diritto sul materiale è riservato
Download (5MB)
| Contatta l'autore
|
Abstract
Questo progetto introduce un innovativo approccio al testing software mediante l'utilizzo di avanzati modelli di NLP. Accettando un'analisi funzionale come input, l'applicazione sfrutta una manipolazione accurata dei dati e dell'interazione con ChatGPT per generare testbook compatibili con diverse piattaforme di test management.
La suite di test risultanti include casi di test insieme alle relative implementazioni in linguaggio Gherkin e Java.
Il confronto tra il testbook prodotto e una groundtruth, valida e precedentemente creata dai team di sviluppo, offre una valutazione comparativa rappresentata mediante grafici.
L'obiettivo finale è presentare una soluzione pronta per l'esecuzione, integrando efficacemente la Generative AI nel processo di testing software.
Abstract
Questo progetto introduce un innovativo approccio al testing software mediante l'utilizzo di avanzati modelli di NLP. Accettando un'analisi funzionale come input, l'applicazione sfrutta una manipolazione accurata dei dati e dell'interazione con ChatGPT per generare testbook compatibili con diverse piattaforme di test management.
La suite di test risultanti include casi di test insieme alle relative implementazioni in linguaggio Gherkin e Java.
Il confronto tra il testbook prodotto e una groundtruth, valida e precedentemente creata dai team di sviluppo, offre una valutazione comparativa rappresentata mediante grafici.
L'obiettivo finale è presentare una soluzione pronta per l'esecuzione, integrando efficacemente la Generative AI nel processo di testing software.
Tipologia del documento
Tesi di laurea
(Laurea magistrale)
Autore della tesi
Di Giacomo, Samuele
Relatore della tesi
Correlatore della tesi
Scuola
Corso di studio
Indirizzo
CURRICULUM INGEGNERIA INFORMATICA
Ordinamento Cds
DM270
Parole chiave
Generative AI,Natural Language Processing,ChatGPT,Test Automation,Prompt Engineering,Embedding
Data di discussione della Tesi
2 Febbraio 2024
URI
Altri metadati
Tipologia del documento
Tesi di laurea
(NON SPECIFICATO)
Autore della tesi
Di Giacomo, Samuele
Relatore della tesi
Correlatore della tesi
Scuola
Corso di studio
Indirizzo
CURRICULUM INGEGNERIA INFORMATICA
Ordinamento Cds
DM270
Parole chiave
Generative AI,Natural Language Processing,ChatGPT,Test Automation,Prompt Engineering,Embedding
Data di discussione della Tesi
2 Febbraio 2024
URI
Statistica sui download
Gestione del documento: