[論文レビュー] On Repair with Probabilistic Attribute Grammars

Manos Koukoutos, Mukund Raghothaman+2 more|arXiv (Cornell University)|Jul 13, 2017

Software Engineering Research参考文献 4被引用数 4

ひとこと要約

本稿では、効率的なプログラム修復のための構文的および意味的仕様を統合する確率的属性文法フレームワークを提示する。入出力例、事前・事後条件、コーパスから導出された確率的文法を組み合わせることで、プログラム空間におけるスケーラブルでA*に類似した探索が可能となり、従来の非確率的手法が対応できない複雑なコード断片の修復において顕著に優れた性能を示す。

ABSTRACT

Program synthesis and repair have emerged as an exciting area of research, driven by the potential for revolutionary advances in programmer productivity. Among most promising ideas emerging for synthesis are syntax-driven search, probabilistic models of code, and the use of input-output examples. Our paper shows how to combine these techniques and use them for program repair, which is among the most relevant applications of synthesis to general-purpose code. Our approach combines semantic specifications, in the form of pre- and post-conditions and input-output examples with syntactic specifications in the form of term grammars and AST-level statistics extracted from code corpora. We show that synthesis in this framework can be viewed as an instance of graph search, permitting the use of well-understood families of techniques such as A*. We implement our algorithm in a framework for verification, synthesis and repair of functional programs, demonstrating that our approach can repair programs that are beyond the reach of previous tools.

研究の動機と目的

• 構文的および意味的仕様を統合することで、プログラム修復におけるスケーラビリティと精度の課題に取り組む。
• コードコーパスから確率的文法を自動で導出することで、手動での仕様作成の負担を軽減する。
• 動的入力例と確率的文法のバイアスを統合することで、プログラム合成における探索効率を向上させる。
• 従来の非確率的修復ツールの能力を超える複雑なプログラムの修復を可能にする。
• Scalaで実装されたドメイン固有で拡張可能なDSLを用いて、手動および自動の文法作成をサポートする。

提案手法

• フレームワークは、プログラム合成のための探索空間を制限・優先順位付けするための確率的で多相的な属性文法を用いる。
• 既知の入力例を用いた部分評価によるプルーニングを伴うトップダウン型、A*に類似した探索アルゴリズムを採用する。
• 入出力例に基づく同等性を探索に統合し、機能的に同一の式の重複探索を回避する。
• 手動で作成された文法と、PureScalaプログラムコーパスから自動抽出された文法の両方をサポートする。
• 文法規則は@productionアノテーションと頻度重みを備えたScala関数として表現され、動的なルールインスタンス化を可能にする。
• 属性を備えたラッパー型を用いて意味的制約（例：演算子の結合性）を符号化することで、探索効率と表現力が向上する。

実験結果

リサーチクエスチョン

• RQ1 確率的属性文法は、表現力の維持を前提に、プログラム修復における探索空間を効果的に縮小できるか？
• RQ2 コーパス由来の文法抽出は、手動で作成された文法やデフォルト文法と比較して、合成性能をどの程度向上させるか？
• RQ3 動的入力例と制約ソルバの統合は、修復合成の正確性をどの程度向上させるか？
• RQ4 入出力例に基づく同等性の統合は、トップダウン型の合成設定において探索効率を向上させられるか？
• RQ5 文法におけるドメイン固有の属性の使用は、プログラム修復のスケーラビリティと正しさにどのような影響を与えるか？

主な発見

• 本フレームワークは、非確率的修復ツールが対応できないプログラムを効果的に修復し、複雑なコード断片においてスケーラビリティを実証した。
• コーパス由来の文法は合成性能を顕著に向上させ、実世界の修復タスクにおける探索時間の短縮と成功確率の向上を実現した。
• 入出力例の統合により、故障した式の効率的局所化が可能となり、正しい修復への合成を効果的にガイドした。
• 属性を備えた確率的文法の使用により、意味的に冗長または無効な式の有効なプルーニングが可能となり、探索効率が向上した。
• 部分評価と同等性処理を備えたトップダウン探索により、ボトムアップ手法と同等の性能を達成したが、メモリと実行時間の点で優れた効率性を示した。
• 本フレームワークは、手動および自動の文法作成をサポートしており、最小限のユーザー入力で複数の合成問題に再利用可能である。