Dissertação (mestrado)—Universidade de Brasília, Faculdade de Tecnologia, Departamento de Engenharia Elétrica, 2017. / Submitted by Raquel Almeida (raquel.df13@gmail.com) on 2018-05-09T17:28:50Z No. of bitstreams: 1 2017_FranciscoVitorLopesdaFrota.pdf: 1425444 bytes, checksum: cdf0b87a99142ffd18171bcc61100de0 (MD5) / Approved for entry into archive by Raquel Viana (raquelviana@bce.unb.br) on 2018-05-29T20:20:08Z (GMT) No. of bitstreams: 1 2017_FranciscoVitorLopesdaFrota.pdf: 1425444 bytes, checksum: cdf0b87a99142ffd18171bcc61100de0 (MD5) / Made available in DSpace on 2018-05-29T20:20:08Z (GMT). No. of bitstreams: 1 2017_FranciscoVitorLopesdaFrota.pdf: 1425444 bytes, checksum: cdf0b87a99142ffd18171bcc61100de0 (MD5) Previous issue date: 2018-05-29 / Este trabalho apresenta uma metodologia para a criação de testes de software automatizados. A automação dos testes de software teve como base a utilização de Aprendizado de Máquina, através de Rede Neural Artificial, para o reconhecimento de padrões em páginas HTML. Para identificação das referências de entrada e saída de dados, é utilizado um Banco de dados baseado em grafos, gerando o mapeamento da aplicação sobre teste (do inglês Application Under Test - AUT). Para a automatização da geração dos dados de entrada para os testes é utilizada a metodologia de Algoritmo Genético. Os resultados obtidos demonstram, que a partir da metodologia proposta, é possível simplificar a realização dos casos de teste, através de uma linguagem de alto nível. Observou-se também a possibilidade de viabilizar um ambiente de alta performance para realização de testes automatizados de software e interpretação dos resultados através de Processamento Natural de Linguagem (NLP). Como conclusão é possível afirmar que a metodologia proposta, quando comparada a algumas soluções disponíveis no mercado de teste de software, pode atender aos mesmos requisitos e também suprir algumas possibilidades de testes que agregam o processo como um todo. / This dissertation proposes a methodology for automating the process of creating test cases using Machine Learning. This procedure is performed through Artificial Neural Networks, used to identify patterns in HTML pages (Hyper Text Markup Language); identificationofGeneticAlgorithms,usedforthecreationoftestvalues;Graphsdatabaseareused to perform the mapping; and, finally, general understanding of the application to be tested. With the bibliographic review carried out in this work, we identified some problems related to the implementation and automation of tests, such as the difficulties of writing and keeping the test cases in operation, and the high costs related to the creation of scripts and maintenance required to ensure the continued operation of test cases. Finally, experiments were carried out to verify the simplification of the language used and the speed of execution of the test cases, as well as the possibility of performing the automation of a good part of thetestcasecreationprocess.Thispaperproposesamethodologyforautomatingtheprocess of creating test cases using Machine Learning. This procedure is performed through Artificial Neural Networks techniques, used to identify patterns in HTML (Hyper Text Markup Language) pages ; identification of Genetic Algorithms, used for the creation of test values; Database in graphs, used to perform the mapping; and, finally, general understanding of the application to be tested.