Automatically learning shape specifications
Automatically learning shape specifications
复制标题
自动学习形状规格
DOI：
--
复制
发表时间：
2016
期刊：
影响因子：
--
通讯作者：
S. Jagannathan
中科院分区：
文献类型：
--
作者：
He Zhu;G. Petri;S. Jagannathan
本文提出了一种新的自动化过程中发现复杂的功能数据结构的表达形状规格。我们的方法基于任意用户定义的归纳数据类型的构造函数的定义来提取潜在的形状谓词，并使用轻量级的数据驱动学习过程将这些谓词组合在表达性的一阶规范语言中。值得注意的是，这种技术不需要程序员注释，并配备了一个基于类型的决策过程，以验证所发现的规范的正确性。实验结果表明，我们的实现是高效和有效的，能够自动合成复杂的形状规格在一系列复杂的数据类型，远远超出了现有的解决方案的范围。
This paper presents a novel automated procedure for discovering expressive shape specifications for sophisticated functional data structures. Our approach extracts potential shape predicates based on the definition of constructors of arbitrary user-defined inductive data types, and combines these predicates within an expressive first-order specification language using a lightweight data-driven learning procedure. Notably, this technique requires no programmer annotations, and is equipped with a type-based decision procedure to verify the correctness of discovered specifications. Experimental results indicate that our implementation is both efficient and effective, capable of automatically synthesizing sophisticated shape specifications over a range of complex data types, going well beyond the scope of existing solutions.
从测试到证明
DOI：
10.1007/s10009-012-0267-5
发表时间：
2013
影响因子：
1.5
作者：
Ashutosh Gupta;Rupak Majumdar;Andrey Rybalchenko
通讯作者：
Andrey Rybalchenko