A Symbolic Execution-Based Approach to Model Transformation Verification Using Structural Contracts
Notice bibliographique
Résumé
As the complexity of software systems increases, the engineering effort for developing those systems must deal with that complexity.One paradigm for software development is model-driven engineering, where the models of the system become the first-order artefacts.These models may be used for simulation or analysis of the system, or be transformed into executable code or documentation.The intention is to represent each facet in the system in the most appropriate formalism at the most appropriate level of abstraction.Model transformations provide a structured and understandable way of manipulating these models, and are often rooted in a mathematical approach which enables precise specification and analysis.However, it may be difficult for a user to reason about what elements will be matched and written by a particular transformation.Our research is focused on the verification of model transformations for a particular model transformation language.In particular, we are interested in the proving of pre-condition/ post-condition contracts, which relate the elements in the input models to the transformation with the elements present in the corresponding output elements.i DSLTrans Ce langage de transformation DSLTrans a été sélectionné pour la vérification en raison des propriétés garanties par construction : terminaison et confluence.Dans cette thèse, nous fournissons une description de la sémantique de DSLTrans dans l'approche « double-pushout », qui apporte DSLTrans au point dans les transformations des modèles.De plus, nous fournissons les sémantiques pour d'autres constructions DSLTrans qui ne sont pas considérées dans des travaux antérieurs.Ces constructions comprennent des éléments négatifs, liens indirects, et éléments «Existe».Preuve de Contrat L'idée de base de notre approche de vérification des contrats est de construire des conditions de trajet pour la transformation DSLTrans à travers une procédure d'exécution symbolique.Autrement dit, notre technique détermine toutes les combinaisons valides de règles dans la transformation.Chacune de ces conditions de trajet représentera explicitement les éléments intrant et extrants présents lorsque cette combinaison des règles de transformation s'exécute à travers une relation d'abstraction.Nous vérifions ensuite les contrats de précondition / post-condition sur ces conditions de trajet.Si une condition de trajet ne satisfait pas le contrat, la condition de trajet sert de contrexemple.L'examen de ce contrexemple permet de raisonner sur les règles et l'interaction des règles dans la transformation.En tant que contribution de cette thèse, nous considérons toutes les constructions dans le langage DSLTrans et ainsi nous pouvons vérifier toutes les transformations DSLTrans, y compris celles qui contiennent des éléments négatifs.De plus, dans cette thèse, nous définissons également l'unique morphisme de division, ce qui permet aux sommets dans le graphique de modèle de se «diviser» sur les sommets dans le graphique cible.L'utilisation de ce morphisme nous permet de créer moins de conditions de trajets que dans les recherches précédentes, permettant à notre technique d'évoluer vers de plus grandes transformations.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,002 | 0,003 |
| Science ouverte | 0,002 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,011 | 0,002 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».