链接预测是否有助于检测软件产品线中的特征交互?
软件工程
2020-09-17 v1 机器学习
社会与信息网络
摘要
软件产品线需求工程面临的一个持续挑战是预测新的特征(功能单元)组合是否会产生不期望的甚至危险的特征交互。因此,我们力求在开发早期改进并自动化不期望特征交互的预测。在本文中,我们展示了如何将软件产品线中不期望特征交互的检测有效地表示为一个链接预测问题。链接预测使用机器学习算法和图中节点之间的相似度分数来识别可能的新边。我们在此将软件产品线的特征建模为节点,将特征之间的不期望交互建模为边。我们研究了六种基于链接的相似度度量(部分使用图的局部知识,部分使用全局知识)以用于此情境。我们在文献中的一个软件产品线基准上评估了我们的方法,从基于图的相似度数据构建了六个机器学习模型。结果表明,在这项小规模研究中,最佳机器学习算法对特征交互是否为不期望的分类准确率达到 0.75 至 1,且全局相似度度量优于局部相似度度量。该工作展示了链接预测模型如何有助于在开发早期发现缺失的边,这些边代表未记录或未识别的不期望特征交互。
引用
@article{arxiv.2009.07392,
title = {Does Link Prediction Help Detect Feature Interactions in Software Product Lines (SPLs)?},
author = {Seyedehzahra Khoshmanesh and Robyn Lutz},
journal= {arXiv preprint arXiv:2009.07392},
year = {2020}
}