Ad
More Related Content
Viewers also liked (15)
Similar to 2009 splc-a framework for constructing semantically composable feature models from natural language requirements (20)
Ad
More from n-yuki (8)
Ad
2009 splc-a framework for constructing semantically composable feature models from natural language requirements
- 1. 発表論文 • タイトル 「A Framework for Constructing Semantically Composable Feature Models from Natural Language Requirements」 （自然言語要求から、意味的に組み合わせ可能な フィーチャモデルを構築するフレームワーク） • 著者 – Nathan Weston, Ruzanna Chitchyan, Awais Rashid • 出典 year accept rate – 13th International Software 2009 30% Product Line Conference 2010 31% （SPLC 2009） 2011 29% 0
- 2. 選定理由 • フィーチャモデル作成に関する論文だから → SPLにおいて可変性の高いフィーチャモデルを 作成することが大きな課題の一つであり、 さまざまな論文の手法を知りたかったから 1
- 3. 概要 • 目的 → フィーチャモデルを正しく作成するため • 手法 → 要求文書からフィーチャモデルを導出する フレームワークを作成 • 結論 → 手作業で作成したものとほぼ同精度の フィーチャモデルを短時間・低労力で作成できた 2
- 4. 背景1：SPL（Software Product Line）とは • 既存システムを再利用して、新システムを開発 既存システムから 再利用資産を開発 再利用資産から 新システムを開発 一から開発する よりも効率がいい 3
- 5. 背景2：重要なのは… 必須フィーチャと任意フィーチャの判別 似たようなシステム同士には、共通する機能がある 似たようなシステムでも、製品によって個性がある 共通機能 → 必ず再利用する機能 製品固有機能 → 場合によって再利用する機能 必ず再利用する機能 → 必須フィーチャ 場合によって再利用する機能 → 任意フィーチャ 4
- 6. 背景3：機能選択はフィーチャモデルで • コードレベルで判別すると… – どうやって、任意フィーチャの中から顧客の要求を 満たすために必要なフィーチャを判別するのか？ → 顧客はコードを理解できない 機能選択にはフィーチャモデルが必要 だけれども… 正しいフィーチャモデルを作成するためには 深いドメイン知識が必要 5
- 7. 提案手法：要求文書からフィーチャモデルを （ドメイン知識を要求文書で補う） 複数の既存システム の要求文書 任意フィーチャ 必須フィーチャ フィーチャモデル 6
- 8. ～ ARBORCRAFT ～ 必須フィーチャを見つける • 類似度を計測 – LSA（Latent Semantic Analysis）ツール → 自然言語処理＋統計的手法で類似度を計測 • フィーチャをクラスタリング – HAC（Hierarchical Agglomerative Clustering） を変形 → 類似度をもとに必須フィーチャのツリーを生成 7
- 9. ARBORCRAFTの実行画面 文が体系化されて 要求文書 ないときは文の数 を指定 階層の深さを指定 類似度の閾値 を指定 フィーチャツリー 8
- 10. ～ EA-Miner ～ 任意フィーチャを見つける • 要求文書と可変性辞書を比較 – 辞書に可変性を潜在的に表す言葉を登録 – 要求文書に意味的なタグを追加 – 要求文書にPOSタグ（名詞・動詞・副詞…）を追加 一致した文を任意フィーチャとして抽出 9
- 11. EA-Minerのイメージ 要求文書 任意フィーチャ 適合 抽出 可変性辞書 10
- 12. ～ FeatureRDF ～ 抽出文をフィーチャモデルに 11
- 14. 実例2:人手で生成したフィーチャモデルと 比較 ツール ほぼ同精度 マニュアル 13
- 15. 議論 • ツールの正確さがマニュアルに匹敵する • 自動なのでかなり労力を削減できる • 必須フィーチャが数百個あっても、 処理時間は1分未満 • 専門家は機能性に基づいてフィーチャを グループ化する傾向がある • 類似度の閾値調整で、 かなり細かいフィーチャ分解ができる 14
- 16. まとめ SPLの機能選択時に顧客の要求を満たすためには フィーチャモデルが必要 正しいフィーチャモデルを作成するためには 深いドメイン知識が必要 要求文書からフィーチャモデルを生成することで ドメイン知識を補完 手作業で作成したものとほぼ同精度の フィーチャモデルを短時間・低労力で作成できた 15
- 17. 私見 • 長所 – 要求文書を使い「どうやって、 フィーチャモデルを作るか？」を解決 – 実装されたツールの精度が良い – クラスタリングの基準に自然言語処理の結果を適応している • 短所 – 既存システムの要求文書が必要 – 新しさである必須フィーチャの抽出の適合率・再現率を計測 しなくてもいいのか？ – 顧客の要求は時間とともに変化するため、 開発が完了した時点での既存システムと 要求文書との間に溝があることが多い 16