Return to search

Une approche heuristique pour l’apprentissage de transformations de modèles complexes à partir d’exemples

L’ingénierie dirigée par les modèles (IDM) est un paradigme d’ingénierie du logiciel
bien établi, qui préconise l’utilisation de modèles comme artéfacts de premier ordre
dans les activités de développement et de maintenance du logiciel. La manipulation de
plusieurs modèles durant le cycle de vie du logiciel motive l’usage de transformations
de modèles (TM) afin d’automatiser les opérations de génération et de mise à jour des
modèles lorsque cela est possible.
L’écriture de transformations de modèles demeure cependant une tâche ardue, qui
requiert à la fois beaucoup de connaissances et d’efforts, remettant ainsi en question les
avantages apportés par l’IDM. Afin de faire face à cette problématique, de nombreux
travaux de recherche se sont intéressés à l’automatisation des TM. L’apprentissage de
transformations de modèles par l’exemple (TMPE) constitue, à cet égard, une approche
prometteuse. La TMPE a pour objectif d’apprendre des programmes de transformation
de modèles à partir d’un ensemble de paires de modèles sources et cibles fournis en guise
d’exemples.
Dans ce travail, nous proposons un processus d’apprentissage de transformations
de modèles par l’exemple. Ce dernier vise à apprendre des transformations de modèles
complexes en s’attaquant à trois exigences constatées, à savoir, l’exploration du contexte
dans le modèle source, la vérification de valeurs d’attributs sources et la dérivation d’attributs
cibles complexes. Nous validons notre approche de manière expérimentale sur 7
cas de transformations de modèles. Trois des sept transformations apprises permettent
d’obtenir des modèles cibles parfaits. De plus, une précision et un rappel supérieurs à
90% sont enregistrés au niveau des modèles cibles obtenus par les quatre transformations
restantes. / Model-driven engineering (MDE) is a well-established software engineering paradigm
that promotes models as main artifacts in software development and maintenance activities.
As several models may be manipulated during the software life-cycle, model transformations
(MT) ensure their coherence by automating model generation and update
tasks when possible.
However, writing model transformations remains a difficult task that requires much
knowledge and effort that detract from the benefits brought by the MDE paradigm. To
address this issue, much research effort has been directed toward MT automation. Model
Transformation by Example (MTBE) is, in this regard, a promising approach. MTBE
aims to learn transformation programs starting from a set of source and target model
pairs supplied as examples.
In this work, we propose a process to learn model transformations from examples.
Our process aims to learn complex MT by tackling three observed requirements, namely,
context exploration of the source model, source attribute value testing, and complex target
attribute derivation. We experimentally evaluate our approach on seven model transformation
problems. The learned transformation programs are able to produce perfect
target models in three transformation cases, whereas, precision and recall higher than
90% are recorded for the four remaining ones.

Identiferoai:union.ndltd.org:umontreal.ca/oai:papyrus.bib.umontreal.ca:1866/11699
Date12 1900
CreatorsBaki, Islem
ContributorsSahraoui, Houari
Source SetsUniversité de Montréal
LanguageFrench
Detected LanguageFrench
TypeThèse ou Mémoire numérique / Electronic Thesis or Dissertation

Page generated in 0.002 seconds