グラフベース機械学習ソフトウェア工学の研究

基于图的机器学习软件工程研究

基本信息

批准号：
18K11251
负责人：
青山幹雄
金额：
$ 2.83万
依托单位：
Nanzan University
依托单位国家：
日本
项目类别：
Grant-in-Aid for Scientific Research (C)
财政年份：
2018
资助国家：
日本
起止时间：
2018-04-01 至 2021-03-31
项目状态：
已结题

项目摘要

2019年度は次の2つの目標で研究を推進し，それぞれ，機械学習とソフトウェア工学に関するオリジナルな研究成果ならびに，そのソフトウェア開発への応用に関する成果を得た．(1)ソフトウェアシステムとその開発活動を包括的に表現するグラフモデル(SEGM)に基づき，グラフを対象とする新たな機械学習を応用して，ソフトウェアシステムとその開発の構造を明らかにすること．本テーマでは，ソフトウェア構造をSEGMで表現し，SEGMへグラフ機械学習の中のグラフ表現学習を適用し，ソフトウェアの構造の大域的特性として健全性，ならびに，ソフトウェアエコシステムの進化構造を明らかにする方法を提案した．提案方法をオープンソースソフトウェアに適用し，提案方法の有効性，妥当性を示した．さらに，Web APIのキュレーションサイトに公開されている説明記述に対してアテンション付き深層学習を適用し，Web APIの仕様記述を生成する方法を提案し，実際のWeb APIに適用し，提案方法の有効性，妥当性を示した．(2)機械学習モデルの開発方法の提案．本テーマではソフトウェア工学におけるアジャイル開発の概念を応用して，機械学習のモデルを段階的に少量のデータで学習する方法を提案した．提案方法を画像分類に適用し，学習の速度と精度の向上を確認した．さらに，機械学習を組込んだソフトウェアの品質モデルを提案し，その妥当性を実証実験により示した．これらの成果を踏まえ，機械学習ソフトウェア開発の基礎となるフレームワークを提案した．また，応用として機械学習ソフトウェアを組込んだナビゲーションシステムの入力データの変化に対するコンセプトドリフト問題を分析し，その構造を明らかにした．さらに，特許文書の先行事例調査への応用も行った．以上をまとめると，ソフトウェア工学と機械学習の両分野にまたがるオリジナルな研究成果が得られたと言える．

在2019财政年度，研究了以下两个目标的研究，每个目标都获得了与机器学习和软件工程有关的原始研究结果，以及它们在软件开发中的应用。（1）基于全面表达软件系统及其开发活动的图形模型（SEGM），我们将应用新的机器学习定位图形以阐明软件系统及其开发的结构。在此主题中，我们提出了一种使用SEGM表达软件结构的方法，将图形表示学习应用于SEGM中，并阐明软件结构的全局特征以及软件生态系统的进化结构。提出的方法应用于开源软件，并证明了该方法的有效性和有效性。此外，我们提出了一种将基于注意力的深度学习应用于Web API策展网站上发布的描述的方法，并为Web API生成规范，该方法应用于实际的Web API，并证明了所提出方法的有效性和有效性。（2）提出开发机器学习模型的方法。该主题提出了一种使用少量数据在阶段学习机器学习模型的方法，并应用了软件工程中敏捷开发的概念。提出的方法应用于图像分类，以确认学习速度和准确性的提高。此外，我们提出了一个合并机器学习的软件质量模型，并通过演示实验证明了其有效性。考虑到这些结果，我们提出了一个框架，该框架将作为机器学习软件开发的基础。我们还分析了导航系统中输入数据的变化的概念漂移问题，该系统将机器学习软件作为应用程序并揭示了其结构。此外，已将专利文件应用于先前的案例研究。总结以上，可以说已经获得了原始的研究结果，这些研究结果涵盖了软件工程和机器学习的领域。