APPLYING DATA MINING TECHNIQUES TO SEMI-

AUTOMATICALLY DISCOVER GUIDELINES FOR METAMODELS

{andreza, franklin, patricia, fabiosl}@dsc.ufcg.edu.br

Universidade Federal de Campina Grande

Autores:Andreza Vieira

Franklin RamalhoPatrícia Machado

Fábio Leal

I Workshop Brasileiro de Desenvolvimento de Software Dirigido por Modelos – WB-DSDM,

Salvador – BA

INTRODUÇÃO[MINERAÇÃO DE DADOS]

Mineração de Dados Processo de descoberta de conhecimento a partir

dos dados

Ferramenta para Mineração: Weka [Hall et al., 2009] Bastante utilizada Facilidade de uso Vários algoritmos de Análise de Associação Software livre

2

© Andreza Vieira et al. – WB-DSDM27/09/2010

INTRODUÇÃO[MINERAÇÃO DE DADOS]

3

Processo KDD (Knowledge Discovery in Databases)

27/09/2010 © Andreza Vieira et al. – WB-DSDM

INTRODUÇÃO[DIRETRIZES]

Diretrizes Guias de orientação

Diretrizes para Desenvolvimento de Software Boas práticas de programação em Java Modelagem de um domínio

4

27/09/2010 © Andreza Vieira et al. – WB-DSDM

MOTIVAÇÃO

5

Diretrizes

MDA

Mineração de Dados

27/09/2010 © Andreza Vieira et al. – WB-DSDM

MOTIVAÇÃO

Escopo: Meta-modelos Grande importância em MDA Tarefa não trivial Necessário conhecimento prévio Confusão com modelagem

Há grande necessidade de diretrizes para meta-modelagem

Objetivo: Aplicar a mineração de dados para identificar

diretrizes6

27/09/2010 © Andreza Vieira et al. – WB-DSDM

APLICANDO MINERAÇÃO DE DADOS PARADESCOBERTA DE DIRETRIZES

7

27/09/2010 © Andreza Vieira et al. – WB-DSDM

APLICANDO MINERAÇÃO DE DADOS1. PREPARAÇÃO DA BASE DE DADOS

8

27/09/2010 © Andreza Vieira et al. – WB-DSDM

APLICANDO MINERAÇÃO DE DADOS1. PREPARAÇÃO DA BASE DE DADOS 1. Seleção dos Campos e dos Dados

Meta-modelo de MOF e UML

2. Definição de uma Base de Dados Relacional Uma tabela para cada meta-classe Um campo da tabela para cada atributo da meta-

classe

3. Construção da Base de Dados: Arquivo ARFF Formato de arquivo de dados mais popular ARFF gerado automaticamente

9

27/09/2010 © Andreza Vieira et al. – WB-DSDM

APLICANDO MINERAÇÃO DE DADOS2. MINERAÇÃO DE DADOS

10

27/09/2010 © Andreza Vieira et al. – WB-DSDM

APLICANDO MINERAÇÃO DE DADOS2. MINERAÇÃO DE DADOS Tarefa: Análise de Associação

Algoritmo: Apriori

Resultado: Mais de 50.000 regras de associação Apenas 7 foram úteis para compor uma diretriz

11

27/09/2010 © Andreza Vieira et al. – WB-DSDM

APLICANDO MINERAÇÃO DE DADOS2. MINERAÇÃO DE DADOS Contexto: associação de composição entre meta-

classes

12

class.composition=owned class.isNavigable=true sup: (19%) conf: (100%)

class.composition=owner class.upper=1 sup: (11%) conf: (100%)

class.composition=owned class.isAbstract=false sup: (17%) conf: (87%)

class.composition=owner class.property.isDerived=false sup: (11%) conf: (100%)

27/09/2010 © Andreza Vieira et al. – WB-DSDM

APLICANDO MINERAÇÃO DE DADOS3. INTERPRETAÇÃO E AVALIAÇÃO

13

27/09/2010 © Andreza Vieira et al. – WB-DSDM

APLICANDO MINERAÇÃO DE DADOS3. INTERPRETAÇÃO E AVALIAÇÃO Análise das regras

Características em comum Resultado: uma diretriz formada

Defining Association Member Ends Features O “todo” (owner)

Limite máximo de multiplicidade: 1 Não possui atributos derivados

A “parte” (owned) Concreta Navegável a partir do todo

14

27/09/2010 © Andreza Vieira et al. – WB-DSDM

APLICANDO MINERAÇÃO DE DADOS3. INTERPRETAÇÃO E AVALIAÇÃO Validação de Meta-modelos

Informações óbvias Regras com alta confiança

15

27/09/2010 © Andreza Vieira et al. – WB-DSDM

class.operation.rule.constraintKind=body

class.operation.isQuery=true sup: (71%) conf: (100%)

class.operation.parameters.direction=return

class.operation.isQuery=true sup: (61%) conf: (100%)

APLICANDO MINERAÇÃO DE DADOS4. IMPLANTAÇÃO DO CONHECIMENTO

16

27/09/2010 © Andreza Vieira et al. – WB-DSDM

APLICANDO MINERAÇÃO DE DADOS4. IMPLANTAÇÃO DO CONHECIMENTO Documentação da diretriz identificada

Defining Association Member Ends Features

Referência para os desenvolvedores

17

27/09/2010 © Andreza Vieira et al. – WB-DSDM

APLICANDO MINERAÇÃO DE DADOSEXEMPLO DE APLICAÇÃO DA DIRETRIZ

18

27/09/2010 © Andreza Vieira et al. – WB-DSDM

APLICANDO MINERAÇÃO DE DADOSFERRAMENTA DE SUPORTE

19

27/09/2010 © Andreza Vieira et al. – WB-DSDM

[MinerMOF, 2009]

APLICANDO MINERAÇÃO DE DADOSFERRAMENTA DE SUPORTE

20

27/09/2010 © Andreza Vieira et al. – WB-DSDM

AVALIAÇÃO

Baseada no método GQM (Goal-Question-Metric)

Finalidade Verificar a aplicabilidade da diretriz

identificada

Conjunto de meta-modelos avaliados QVT e SPEM (OMG) KobrA2 e Java (Outras organizações)

21

27/09/2010 © Andreza Vieira et al. – WB-DSDM

AVALIAÇÃO

Número de aplicações para cada meta-modelo

22

j: Cada um dos meta-modelos

m: Número de Meta-modelos Analisados

AN: Número de Aplicações da Diretriz

KobrA2 Java QVT SPEM

14 103 17 14

27/09/2010 © Andreza Vieira et al. – WB-DSDM

GAA = / m

m

j 1

jAN

Métrica GAA (Guideline Applications Average)

Resultado: 37

CONSIDERAÇÕES FINAIS

Exploração da mineração de dados em MDA Experiência inovadora

Resultados: Identificação de uma diretriz para meta-modelagem Validação de meta-modelos

Avaliação

Trabalhos futuros: Base de dados com outros meta-modelos Identificação de diretrizes manualmente

23

27/09/2010 © Andreza Vieira et al. – WB-DSDM

REFERÊNCIAS

[Hall et al., 2009] Hall, M.; Frank, E.; Holmes, G.; Pfahringer, B.; Reutemann, P.; Witten, I. H.; The WEKA Data Mining Software: An Update. SIGKDD Explorations, Volume 11, Issue 1, 2009.

[Han and Kamber, 2001] Han, J.; Kamber, M. Data Mining: Concepts and Techniques. Academic Press, 2001.

[MinerMOF, 2009] Leal, F., Vieira, A.; Ramalho, F. MinerMOF: Ferramenta de Suporte para Mineração de Dados em Meta-modelos. 2009. Disponível em: <http://code.google.com/p/toolsupport>

[Robin et al., 2009] Robin, J.; Stoll, D.; Atkison, C. Meta-modelo de KobrA2. 2009. Não publicado ainda.

24

27/09/2010 © Andreza Vieira et al. – WB-DSDM

APPLYING DATA MINING TECHNIQUES TO SEMI-

AUTOMATICALLY DISCOVER GUIDELINES FOR METAMODELS

{andreza, franklin, patricia, fabiosl}@dsc.ufcg.edu.br

Universidade Federal de Campina Grande

Autores:Andreza Vieira

Franklin RamalhoPatrícia Machado

Fábio Leal

I Workshop Brasileiro de Desenvolvimento de Software Dirigido por Modelos – WB-DSDM,

Salvador – BA