Modelo de Recuperação da Rastreabilidade de Artefatos de Software

Transcrição

1 Modelo de Recuperação da Rastreabilidade de Artefatos de Software Autor: Felipe Cézar de Castro Antunes 1, Marcelo de Almeida Maia, D.Sc. 1 1 Programa de Pós-Graduação em Ciência da Computação Universidade Federal do Uberlândia (UFU) Uberlândia MG Brasil cezarfelipe@gmail.com, marcmaia@facom.ufu.br Nível: Mestrado Ano de ingresso no programa: 09 de Março de 2006 Época esperada de conclusão: 08 de Março de 2009 Resumo. Este trabalho propõe o desenvolvimento de um modelo para descoberta de links de rastreabilidade entre artefatos de software, baseado em técnicas de recuperação de informação, especificamente a Indexação Semântica Latente - LSI. Para aumentar a qualidade dos links descobertos propõe-se o enriquecimento da técnica LSI com informações semânticas dos artefatos. Este enriquecimento se dará através de um modelo semi-automático, onde a equipe de desenvolvimento fornece manualmente informações sobre a estrutura dos artefatos e como eles se organizam semanticamente no software. Palavras-Chave. Recuperação da Rastreabilidade, Indexação Semântica Latente, Artefatos de Software.

2 1. Caracterização do Problema No decorrer do desenvolvimento de um software são produzidos diversos artefatos, como: documentos de requisitos de projeto; código fonte; diagramas; logs de erros; etc. A quantidade de artefatos gerados durante o ciclo de vida do software tende a aumentar em sistemas maiores e mais complexos. Outro fator que influencia o número de artefatos é o uso de modelos de qualidade como por exemplo, CMMI[Ahern et al. 2001]. A cada nova etapa do ciclo de vida do software, os refinamentos e transformações produzem novos artefatos que preservam uma relação de rastreabilidade. Essa relação entre dois ou mais artefatos indica o grau de influência que um artefato teve na existência de outro, podendo ser de predecessor-sucessor ou de mestre-subordinado [IEEE-Std ]. Através da rastreabilidade de artefatos é possível descrever e acompanhar a vida de um artefato durante o ciclo de vida do software em ambas as direções, avante e reversa[e Anthony Finkelstein 1994]. O estabelecimento da rastreabilidade de artefatos contribui com diversas tarefas do ciclo de vida do software, tais como: compreensão e manutenção de programas, reconstrução de requisitos, análise de impacto, reuso de software[antoniol 2002]. A rastreabilidade de artefatos pode ser estabelecida pela própria equipe de desenvolvimento, onde os links que indicam a relação entre os artefatos são fornecidos durante o processo de desenvolvimento. Essa abordagem tem como desafio a manutenção da rastreabilidade durante todo o ciclo de vida do software. O suporte à manutenção da rastreabilidade de artefatos ainda que importante para o desenvolvimento de software, não é implementado de forma satisfatória pelas ferramentas contemporâneas de desenvolvimento, influenciando na baixa qualidade dos sistemas produzidos[lucia et al. 2007]. Temos também outra abordagem que trabalha com a hipótese de que os links não foram fornecidos durante o desenvolvimento. Neste caso, a rastreabilidade deve ser recuperada a partir dos artefatos disponíveis. Pesquisas recentes [Antoniol 2002, Egyed 2002, Marcus and Maletic 2003, Murphy 2001, Richardson and Green 2004] discutem métodos e modelos para se recuperar os links de rastreabilidade no contexto da engenharia de software. Uma tendência que vem se consolidando é a aplicação de técnicas recuperação de informação na descoberta de links de rastreabilidade de artefatos de software. Isto é possível uma vez que a maioria da documentação de software consiste de descrições textuais dos artefatos. Essa estratégia é promissora, pois há um ganho de produtividade significativo na comparação com a recuperação manual da rastreabilidade, entretanto ela enfrenta desafios, pois se produz um número grande de links falsos positivos, necessitando da intervenção humana na validação da rastreabilidade encontrada [Lucia et al. 2007]. Em sistemas de grande porte 1 onde o número de artefatos é enorme, a tarefa de validação dos links pode tornar inviável todo processo. Normalmente o conhecimento semântico que a equipe de desenvolvimento acumulou sobre os artefatos é ignorado pelas técnicas exclusivamente automáticas de recuperação da rastreabilidade[lucia et al. 2007]. Entretanto, ele representa a visão de quem criou os artefatos, dando indícios dos fatores que motivaram sua criação. Portanto, sua incorporação ao processo pode aumentar a qualidade dos links de rastreabilidades produzidos. Nesse sentido, este trabalho propõe o desenvolvimento de um modelo para descoberta 1 Nosso trabalho considera que para um sistema ser classificado como de grande porte, o número de linhas de código deve chegar as centenas de milhares

3 de links de rastreabilidade entre artefatos de software, baseado em técnicas de recuperação de informação, especificamente a Indexação Semântica Latente - LSI. Para aumentar a qualidade dos links descobertos propõe-se o enriquecimento da técnica LSI com informações semânticas dos artefatos. Este enriquecimento se dará através de um modelo semi-automático, onde a equipe de desenvolvimento fornece manualmente informações sobre a estrutura dos artefatos e como eles se organizam semanticamente no software. 2. Objetivos O objetivo principal deste projeto é propor um modelo de recuperação da rastreabilidade de artefatos de software. Os objetivos específicos deste projeto são os seguintes: 1. Estudo da viabilidade de aplicar técnicas de recuperação de informação, mais especificamente a técnica de Indexação Semântica Latente - LSI [Deerwester et al. 1990], na recuperação automática da rastreabilidade de artefatos de software. 2. Utilização do conhecimento semântico dos desenvolvedores para estruturação dos artefatos; 3. Uso da estrutura dos artefatos na atribuição de pesos aos conteúdos, de forma a aumentar a qualidade dos links de rastreabilidade recuperados. 4. Desenvolvimento de uma ferramenta para auxílio na recuperação da rastreabilidade de artefatos de software. 5. Validação do modelo proposto através de um estudo de caso em uma aplicação de grande porte. 3. Trabalhos Relacionados Este projeto foi fundamentado em outros trabalhos que investigam a recuperação da rastreabilidade de artefatos, destacando pesquisas que aplicavam técnicas de recuperação informação(ri)[dumais 1991] na descoberta de links de rastreabilidade. Em [Antoniol 2002] são apresentados dois métodos baseados em modelos de RI, probabilístico e o modelo de espaço vetorial. Este estudo confronta os dois métodos utilizando dois estudos de caso, os resultados mostram que o desempenho de ambos é similar, desde que seja feita uma análise morfológica preliminar ( stemming) sobre termos contidos nos artefatos. As técnicas de RI podem ser empregadas em diferentes artefatos de software, [Antoniol et al. 2000] opta pelo espaço vetorial para recuperar links de rastreabilidade entre as requisições de manutenção e os documentos de software impactados. Já [Hayes 2004] utiliza desse mesmo modelo para encontrar a rastreabilidade entre requisitos, outra contribuição desse autor foi sugerir como forma de melhorar o desempenho o uso das palavras chaves dos documentos. O conhecimento semântico reunido pela equipe de desenvolvimento pode contribuir no processo de recuperação da rastreabilidade. Fica mais claro esse ganho no trabalho de [Cleland-Huang 2005] onde se propôs melhorar o desempenho da rastreabilidade incorporando três diferentes estratégias: modelagem hierárquica da nomenclatura; clusterização lógica dos artefatos; e poda semi-automática na rede probabilística. Todas elas agregam semântica ao modelo probabilístico. A Indexação Semântica Latente (do inglês Lantent Semantic Indexing- LSI) consiste em uma técnica automática que analisa as co-ocorrências de termos em bases textuais, buscando encontrar relacionamentos latentes entre termos em documentos distintos[deerwester et al. 1990]. Esse método assume que existe uma estrutura semântica oculta(latente), subjacente aos dados,

4 na utilização dos termos nos documentos. Tal estrutura é parcialmente obscurecida pela aleatoriedade da escolha de termos. Ou seja, o fato de se escolher uma palavra individual afeta parcialmente na semântica da recuperação. Essa escolha ignora a correlação entre as palavras no documento, o LSI busca preservar essa semântica em sua recuperação e indexação. O trabalho de [Marcus and Maletic 2003] utiliza de estudos de casos similares a [Antoniol 2002] para comparar o desempenho do método de Indexação Semântica Latente - LSI [Deerwester et al. 1990] com métodos baseados no modelo de espaço vetorial e probabilístico. Este trabalho demonstrou que LSI tem um desempenho superior, porém é necessário o uso de técnicas de stemming. A pesquisa de [Lucia et al. 2004b] também aplica LSI para recuperar links de rastreabilidade entre diferentes tipos de artefatos. Posteriormente [De Lucia 2005] essa técnica é incorporadas à ferramenta de manutenção de rastreabilidade ADAMS [Lucia et al. 2004a]. Apesar do emprego de RI na recuperação de rastreabilidade ter alcançado resultados significativos, pesquisas como [Lucia et al. 2006] argumentam que é impraticável encontrar todos os links corretos. Neste mesmo trabalho se propõe uma abordagem incremental na recuperação da rastreabilidade. Ainda segundo[lucia et al. 2007] falhas nas descrições dos artefatos resultam em deficiências na rastreabilidade. Como visto, resultados signicativos têm sido alcançados por autores que aplicam modelos baseadas em RI, em especial a técnica LSI, na recuperação de rastreabilidades de artefatos de software, outra abordagem promissora identificada consiste em incorporar informações sobre a semântica dos artefatos no processo de recuperação. Além disso, desafios como encontrar um numero maior de links corretos abrem oportunidades para novos trabalhos. 4. Caracterização da Contribuição Ao final do trabalho, espera-se obter um modelo de recuperação da rastreabilidade de artefatos de software que demonstre a viabilidade de se aplicar técnicas de recuperação de informação de informação na descoberta de links de rastreabilidades, em um sistema de grande porte. Na figura 1 é apresentado o modelo proposto neste trabalho: Figure 1. Modelo de Recuperação da Rastreabilidade de Artefatos de Software O módulo de Estruturação dos Artefatos recebe da equipe de desenvolvimento informações sobre semântica dos artefatos. Nele uma classificação manual dos artefatos é realizada. As classes buscam agrupar os artefatos por suas funcionalidades e pela similaridades na estrutura de seus conteúdos. Este módulo tem como saída uma estrutura de pesos que evidencie as informações mais relevantes contidas nos artefatos. O módulo de Pré-processamento é responsável por extrair dados textuais conforme in-

5 dicado pela Estrutura de pesos. Também é aplicada a técnica de Stemming, e eliminadas as Stopwords. Os links de rastreabilidades são obtidos pelo módulo de recuperação de informação. A técnica utilizada é a de Indexação semântica latente-lsi. Acredita-se que o modelo proposto produza links de rastreabilidade confiáveis, ou seja, que o numero de falsos positivos/negativos não comprometa o desempenho do processo de descoberta da rastreabilidade. Além disso, sera construído um protótipo de uma ferramenta que implemente as funcionalidades descritas no modelo. 5. Etapas e Estado Atual do Trabalho Esse trabalho propõe fases específicas a fim de atingir seus objetivos: etapa. Etapa 1: Análise das abordagens existentes. Esta etapa visa proporcionar maior familiaridade com conceitos relacionados à recuperação da rastreabilidade de artefatos de software. Para isso será conduzida uma revisão bibliográfica a fim de identificar e caracterizar as abordagens existentes. Tal estudo permitirá explicitar as carências e dificuldades de se recuperar a rastreabilidades de artefatos de software, possibilitando construir hipóteses para uma solução. Etapa 2: Proposta de modelo. O modelo proposto é apresentado detalhando-se todos os seus componentes e como esses atingem os objetivos do trabalho quando integrados. Este tem por finalidade recuperar links de rastreabilidade dos artefatos de software usando técnicas de recuperação de informação. O modelo será enriquecido pelo uso da semântica dos artefatos fornecida pelo usuário durante o processo. Teremos ao fim dessa fase um modelo semi-automático de recuperação da rastreabilidade de artefatos de software. Etapa 3: Implementação de uma ferramenta de auxilio. Após a criação do modelo de recuperação da rastreabilidade de artefatos de software, será desenvolvido um protótipo que aplique as técnicas propostas no modelo e auxilie o usuário a manuseá-lo. Etapa 4: Validação do modelo com estudo de caso. Um estudo de caso será usado na análise da eficácia do modelo proposto, portanto sua escolha é fundamental no projeto. Um fator determinante é a disponibilidade dos artefatos, quanto maior diversidade dos artefatos disponíveis melhor será a qualidade da validação do modelo. Etapa 5: Análise dos resultados obtidos. Posteriormente será realizada uma interpretação dos resultados obtidos a partir da experimentação. As análises aqui feitas tem a finalidade de retroalimentar possíveis melhorias ou então sugerir futuros trabalhos. Por fim, serão produzidos artigos e relatórios divulgando os resultados. Até o momento em que esta proposta foi escrita, o projeto encontra-se em sua segunda 6. Avaliação dos Resultados A avaliação deste trabalho ocorrerá através de um estudo comparativo entre os links de rastreabilidade dos artefatos alçados pelo modelo proposto e os obtidos por recuperação manual da rastreabilidade. Um estudo de caso será realizado, onde os dados coletados serão submetidos a métricas de precisão (precision) e revocação (recall) para a análise estatística e validação das hipóteses do projeto. References Ahern, D. M., Turner, R., and Clouse, A. (2001). CMMI Distilled: A Practical Introduction to Integrated Process Improvement. Addison-Wesley Longman Publishing Co., Inc., Boston, MA, USA.

6 Antoniol, G., Canfora, G., Casazza, G., and de Lucia, A. (2000). Identifying the starting impact set of a maintenance request: A case study. page 227. Antoniol, G.; Canfora, G. C. G. D. L. A. M. E. (Oct 2002). Recovering traceability links between code and documentation. Transactions on Software Engineering, 28(10): Cleland-Huang, J.; Settimi, R. C. D. X. Z. (29 Aug.-2 Sept. 2005). Utilizing supporting evidence to improve dynamic requirements traceability. Requirements Engineering, Proceedings. 13th IEEE International Conference on, pages De Lucia, A.; Fasano, F. O. R. T. G. (21-23 March 2005). Adams re-trace: A traceability recovery tool. Software Maintenance and Reengineering, CSMR Ninth European Conference on, pages Deerwester, S. C., Dumais, S. T., Landauer, T. K., Furnas, G. W., and Harshman, R. A. (1990). Indexing by latent semantic analysis. Journal of the American Society of Information Science, 41(6): Dumais, S. T. (1991). Improving the retrieval of information from external sources. Behavior Research Methods, Instruments and Computers, 23(2): e Anthony Finkelstein, O. G. (1994). An analysis of the requirements traceability problem. International Conference on Requirements Engineering, pages Egyed, A.; Grunbacher, P. (2002). Automating requirements traceability: Beyond the record and replay paradigm. Automated Software Engineering, Proceedings. ASE th IEEE International Conference on, pages Hayes, J.H.; Dekhtyar, A. S. S. H. S. (6-11 Sept. 2004). Helping analysts trace requirements: an objective look. Requirements Engineering Conference, Proceedings. 12th IEEE International, pages IEEE-Std (1990). Ieee standard glossary of software engineering terminology. Technical report, IEEE. Lucia, A. D., Fasano, F., Francese, R., and Tortora, G. (2004a). Adams: an artefact-based process support system. pages Lucia, A. D., Fasano, F., Oliveto, R., and Tortora, G. (2004b). Enhancing an artefact management system with traceability recovery features. pages Lucia, A. D., Fasano, F., Oliveto, R., and Tortora, G. (2006). Can information retrieval techniques effectively support traceability link recovery? pages Lucia, A. D., Fasano, F., Oliveto, R., and Tortora, G. (2007). Recovering traceability links in software artifact management systems using information retrieval methods. ACM Trans. Softw. Eng. Methodol., 16(4):13. Marcus, A. and Maletic, J. I. (2003). Recovering documentation-to-source-code traceability links using latent semantic indexing. pages Murphy, G.C.; Notkin, D. S. K. (Apr 2001). Software reflexion models: bridging the gap between design and implementation. Transactions on Software Engineering, 27(4): Richardson, J. and Green, J. (2004). Automating traceability for generated software artifacts. pages