Classificação de metamodelos de um repositório usando uma abordagem de aprendizado de máquina em grafos

Abstract

Resumo: A implementação da engenharia de software dirigida por modelos (na língua inglesa model-driven software engineering ou MDSE), além de incrementar a eficiência e eficácia do processo da engenharia de software por meio do uso sistemático e confiável de modelos, viabiliza o uso dos repositórios de modelos e metamodelos próprios e de terceiros. Desta maneira, os desenvolvedores podem localizar os modelos mais certos para seu reúso direito ou modelos próximos para adequá-los em um contexto específico. Não obstante, não se pode acreditar que todos os modelos ou metamodelos disponibilizados estejam categorizados corretamente e classificá-los manualmente é um processo complexo que precisa de grandes recursos e apresenta resultados bastante criticáveis. Por conseguinte, a classificação automática de modelos e metamodelos é uma linha de pesquisa aberta e desafiante. Neste sentido, a presente pesquisa classifica os metamodelos de um repositório usando uma abordagem de aprendizado de máquina em grafos, isto é, predizer se o metamodelo é, por exemplo, do tipo: Máquina de Estados, Rede de Petri, Biblioteca, Modelagem, Diagrama de Classes, etc. Para atingir o objetivo, foi usado o repositório ModelSet, que contém 5466 metamodelos do tipo Ecore, incluindo duplicados, rotulados com suas classes, representados em formato de grafos e armazenados em estruturas JSON (JavaScript Object Notation), proposto por López et al. (2021, 2022). Como parte da experimentação, os metamodelos foram representados em espaços vetoriais de baixa dimensionalidade por meio de um método de embedding de grafos superficiais chamado Graph2Vec desenvolvido por Narayanan et al. (2017). Assim, as representações serviram como fonte de entrada para os três algoritmos de aprendizado de máquina supervisionados: árvores de decisão impulsionadas por gradiente, máquina de vetores de suporte e o perceptron multicamada. Consequentemente, os desempenhos dos algoritmos classificadores foram avaliados por meio da validação cruzada do tipo tenfolds. Finalmente, evidenciou-se que a solução proposta neste estudo é eficaz, atingindo acurácias balanceadas máximas de 88,7378% e 79,6906% na classificação do ModelSet com e sem metamodelos duplicados, respectivamente.

Abstract: The implementation of model-driven software engineering (MDSE), in addition to increasing the efficiency and effectiveness of the software engineering process through the systematic and reliable use of models, enables the use of proprietary and third-party model and metamodel repositories. In this way, developers can locate the most appropriate models for their right reuse or nearby models to fit them in a specific context. However, it cannot be believed that all available models or metamodels are correctly categorized and classifying them manually is a complex process that requires large resources and presents quite criticizable results. Therefore, the automatic classification of model and metamodel is an open and challenging line of research. In this sense, the present research classifies the metamodels of a repository using a graph machine learning approach, that is, to predict whether the metamodel is, for example, of the type: State Machine, Petrinet, Library, Modelling, Class-Diagram, etc. To achieve the objective, the ModelSet metamodel repository was used, which contains 5466 Ecore metamodels, including duplicates, labelled with their classes, represented in graph format and stored in JSON (JavaScript Object Notation) structures, proposed by López et al. (2021, 2022). As part of the experimentation, the metamodels were represented in low-dimensional vector spaces using a shallow graph embedding method called Graph2Vec developed by Narayanan et al. (2017). Thus, the representations served as an input data for the three supervised machine learning algorithms: gradient boosted decision trees, support vector machine and multilayer percentron. Consequently, the performances of the classifier algorithms were evaluated through of tenfolds cross-validation. Finally, the solution proposed in this study is effective, achieving maximum balanced accuracies of 88.7378% and 79.6906% in the classification of the ModelSet with and without duplicate metamodels, respectively.