[論文レビュー] Synthesis of Attributed Feature Models From Product Descriptions: Foundations

Guillaume Bécan, Razieh Behjati+2 more|arXiv (Cornell University)|Feb 16, 2015

Advanced Software Engineering Methodologies参考文献 67被引用数 3

ひとこと要約

本稿では、構成行列を用いて製品仕様から属性付き特徴モデル（AFM）を合成する、整合的で完全かつパrameter化可能なアルゴリズムを提示する。特徴の階層構造、属性の配置、ドメイン値、制約の自動抽出を可能にし、大規模なドメインサイズおよび構成集合におけるスケーラビリティについて理論的・実験的妥当性を確認している。

ABSTRACT

Feature modeling is a widely used formalism to characterize a set of products (also called configurations). As a manual elaboration is a long and arduous task, numerous techniques have been proposed to reverse engineer feature models from various kinds of artefacts. But none of them synthesize feature attributes (or constraints over attributes) despite the practical relevance of attributes for documenting the different values across a range of products. In this report, we develop an algorithm for synthesizing attributed feature models given a set of product descriptions. We present sound, complete, and parametrizable techniques for computing all possible hierarchies, feature groups, placements of feature attributes, domain values, and constraints. We perform a complexity analysis w.r.t. number of features, attributes, configurations, and domain size. We also evaluate the scalability of our synthesis procedure using randomized configuration matrices. This report is a first step that aims to describe the foundations for synthesizing attributed feature models.

研究の動機と目的

• 既存の逆方向工学技術が特徴属性、ドメイン値、属性制約を合成しないというギャップに対処すること。
• 構成行列と属性付き特徴モデル（AFM）の間の関係を形式化し、意味的整合性を保証すること。
• 入力された製品仕様からすべての有効なAFMを計算できるパrameter化可能な合成アルゴリズムを設計すること。
• 特徴、属性、構成、ドメインサイズに関して、合成手順の理論的および実用的時間計算量を評価すること。
• ソフトウェア製品線工学におけるAFMのツール支援による逆方向工学の基盤を構築すること。

提案手法

• アプローチは、複数の構成におけるブール型特徴と数値型属性を符号化する構成行列形式を用いて製品仕様を表現する。
• 制約に基づく推論機構を用いて、すべての可能な特徴の階層構造および特徴グループ（例：xor、or）を計算する。
• 共起パターンと構成間の一貫性を分析することで、属性の配置を決定し、意味的正確性を保証する。
• 属性値のクラスタリングによりドメイン値を抽出し、含意および依存関係解析により制約を推論する。
• 二値含意と複雑な制約（例：RC制約）は、それぞれO(v²·c·d)およびO(v⁴·d + v²·d²)の時間計算量で計算され、ここでvは値の数、cは構成数、dは属性数である。
• 合成手順はパrameter化可能であり、ユーザーが事前知識（例：階層構造や属性配置）を組み込むことで出力のガイドラインを提供できる。

実験結果

リサーチクエスチョン

• RQ1 どのようにして製品仕様の集合から属性付き特徴モデルを整合的かつ完全に合成できるか？
• RQ2 特徴、属性、構成、ドメインサイズに関して、AFMの合成における理論的および実用的時間計算量はどのようになるか？
• RQ3 ドメインサイズおよび構成数の増加に伴ってアルゴリズムはどの程度スケーリングするか？
• RQ4 入力された構成行列に対して、生成されたAFMにおける過剰近似（over-approximation）はどのように扱われるか？
• RQ5 合成パイプラインにおける主要な計算ボトル neck は何か、そしてどのように最適化できるか？

主な発見

• アルゴリズムは入力行列の構成意味論に関して整合的かつ完全であり、有効なAFMが見逃されず、無効なモデルが生成されないことを保証する。
• 実用的時間計算量は実行時間の平方根にほぼ比例し、最大ドメインサイズと線形相関（相関係数 0.932）を示す。
• 二値含意と複雑な制約（RC）の計算は、合計実行時間の90％以上を占め、主なパフォーマンスボトル neck である。
• 属性の数は、アルゴリズムが処理できる最大ドメインサイズにほとんど影響しないことから、属性数とは独立したスケーラビリティを示している。
• 最大1000の構成および最大2000のドメインサイズを持つ構成行列を正常に処理でき、実用的スケーラビリティが強く裏付けられた。
• 手動による検証および最小限のAFM構造（例：単一のxorグループ）を含むテストスイートにより、実装の正しさが確認され、異常は検出されなかった。