1. 修論発表会発表資料
ソフトウェア再利用に向けた
共通ゴール判別手法の提案
電気通信大学
大学院情報システム学研究科
大須賀・田原研究室
1151025 中村 祐貴

2. 再利用開発
• 既存システムを上手く再利用することで、
効率よく新システムを開発できる[1]
1から開発
非効率
再利用して開発 効率が
いい
1. Klaus Pohl, Gunter Bockle, Frank Van Der Linden: Software Product Line Engineering: Foundations, Principles 1
And Techniques, SpringerVerlag New York Inc 2005.

3. 再利用資産の構築
• 既存システムを再利用し易いように整理する
必要がある
再利用資産
既存システム 新システム
2

4. 共通機能と可変機能に分類[2]
機能1 機能2 機能1 機能2 機能1 機能2
機能3 機能4 機能3 機能4 機能3 機能4
2. Lianping Chen, Muhammad Ali Babar, Nour Ali Lero: Variability Management in Software Product Lines: A 3
Systematic Review, SPLC2009,pp.81-90.

5. 共通機能と可変機能に分類[2]
可変機能 共通機能
顧客の要求に応じて いかなる場合でも
再利用すべき機能 再利用すべき機能
機能1 機能2 機能1 機能2 機能1 機能2
共通機能
2. Lianping Chen, Muhammad Ali Babar, Nour Ali Lero: Variability Management in Software Product Lines: A 4
Systematic Review, SPLC2009,pp.81-90.

6. 要求と機能のギャップ
• 機能モデル[3]から「再利用すべき機能」を特定しづらい
録画したい!! ギャップ どっちが
必要??
録画機能
ブルーレイディスク ハードディスク
機能 ドライブ機能
顧客 機能モデル
3. Czarnecki K, Helsen S, and Eisenecker U: Formalizing: Cardinality-based Feature Models and their Specialization,
Software Process. Improvement and Practice, Vol.10, No.1 2005, pp.7-29. 5

7. ゴールモデルを使うと機能を選べる
• ゴールモデル[4]があると、
要求を辿ることで「再利用すべき機能」に到達できる
録画したい!! 用途に合わせて
番組を録画できる
or
録画して持ち 長時間
運びできる 録画できる
ブルーレイディスク ハードディスクドライブ
で録画できる で録画できる
顧客 ゴールモデル
4. Axel van Lamsweerde: Requirements Engineering, From System Goals to UML Models to Software
Specications, Wiley, 2009.
6

8. ゴールモデルを使うと機能を選べる
• ゴールモデル[4]があると、
要求を辿ることで「再利用すべき機能」に到達できる
そうか、 用途に合わせて 抽象的な
この機能が 番組を録画できる
要求
必要なのか!!
or
録画して持ち 長時間
運びできる 録画できる
具体的な
機能
ブルーレイディスク ハードディスクドライブ
で録画できる で録画できる
顧客 ゴールモデル
4. Axel van Lamsweerde: Requirements Engineering, From System Goals to UML Models to Software
Specications, Wiley, 2009.
7

9. 既存研究
• 結合ゴールモデル[5]から機能モデルを導出[6]し対応付ける
青：共通ゴール
白：可変ゴール
A A
and
A A
and + and
B C or D
or
B
B C B D or
C D C D
ゴールモデル1
E E
NOP
E
ゴールモデル2 結合ゴールモデル 機能モデル
5. Uno K, Hayashi S, Saeki M: Constructing Feature Models using Goal Oriented Analysis, QSIC2009, pp.412-417.
6. Yijun Yu, Alexei Lapouchnian, Sotirios Liaskos, John Mylopoulos, and Julio C.S.P.Leite: From Goals to High-
Variability Software Design, ICIST2008. 8

10. ゴールを選ぶと、短期間・低コストで
要求を満たした派生システムが[7]
A
OR OR
B C D
OR OR OR
派生システム1
顧客1 E F G H I J
機能1 機能2 機能1 機能2 機能1 機能2
機能3 機能4 機能3 機能4
共通機能 機能3 機能4
可変機能 共通機能
7. Mohsen Asadi, Ebrahim Bagheri, Dragan Gaevi,Marek Hatala, Bardia Mohabbati: Goal-Driven Software Product 9
Line Engineering, SAC2011,pp.691-698.

11. ゴールを選ぶと、短期間・低コストで
要求を満たした派生システムが[7]
A
OR OR
B C D
OR OR OR 派生システム2
顧客2 E F G H I J
機能1 機能2 機能1 機能2 機能1 機能2
機能3 機能4 機能3 機能4
共通機能 機能3 機能4
可変機能 共通機能
7. Mohsen Asadi, Ebrahim Bagheri, Dragan Gaevi,Marek Hatala, Bardia Mohabbati: Goal-Driven Software Product10
Line Engineering, SAC2011,pp.691-698.

12. 既存研究
• 結合ゴールモデル[5]から機能モデルを導出[6]し対応付ける
青：共通ゴール
白：可変ゴール
A A
問題：共通ゴールの判別手法
and
A A
and + B C or D
が自明でない
and
or
B
B C B D or
C D C D
ゴールモデル1
E E
NOP
E
ゴールモデル2 結合ゴールモデル 機能モデル
5. Uno K, Hayashi S, Saeki M: Constructing Feature Models using Goal Oriented Analysis, QSIC2009, pp.412-417.
6. Yijun Yu, Alexei Lapouchnian, Sotirios Liaskos, John Mylopoulos, and Julio C.S.P.Leite: From Goals to High-
Variability Software Design, ICIST2008. 11

13. 「共通」と「非共通」と「可変」
AとBは共通ゴール AとBは非共通ゴール
A 共通 B A 非共通 B
Aは可変ゴール
非共通 D
同じゴール 非共通
A B C
非共通
同じじゃないゴール
12

14. 共通ゴールの判別は困難
• 現場の大規模システムのゴール数は膨大
この中から共通ゴールをすべて早く正確に見つけてください
G1 G2
C C
C C C C C C C C
C
C C C C C C C
C
C
C C C C C
C C C
C
C C C C
C C C
C C
C C C C C C C C
C C C C
C C C C
C
C C C C
C C C
C C C
C C
C C
13

15. 提案手法の概要
明らかに共通・
自動で判別（増やしたい） 可変なゴール
明共通 明可変
A と F E J
ゴールモデル 提案手法を
×2 実装したツール B と G
G1 G2
A F
共通ゴール
B C G H ランキング
D E I J 「C」の共通ゴールランキング
1位:「H」
2位:「I」
「D」の共通ゴールランキング
人手で判別（減らしたい） 1位:「I」
2位:「H」
14

16. ツールの内部処理
ゴールモデル
×2 ゴール名の
類似度を計測
+
提案ルールを
適用
明らかに共通
明らかに可変 閾値を基準に
共通ゴール 判別
ランキング ツール 15

17. ツールの内部処理
ゴールモデル
×2 ゴール名の
類似度を計測
+
提案ルールを
適用
明らかに共通
明らかに可変 閾値を基準に
共通ゴール 判別
ランキング ツール 16

18. 類似度のみを用いた場合の問題点
• 「類似度の高い非共通ゴール」
→ ゴール名が似ているため、
共通ゴールと判別されやすい
• 「類似度の低い共通ゴール」
→ ゴール名が似ていないため、
非共通ゴールと判別されやすい
17

19. 解決の方針
• 自然言語処理を利用して解決
– オントロジーで意味を与え、類似度をより繊細に計測する
– デメリット1:ドメインごとにオントロジーを用意する必要が
ある
– デメリット2:「類似度の低い共通ゴール」は見分けられる
が、「類似度の高い非共通ゴール」は困難
採用
• ゴールモデルの構造を利用して解決
– 親子ゴールの情報を使う
– メリット1:ドメインごとに何か準備する必要はない
– メリット2:「類似度の低い共通ゴール」、
「類似度の高い非共通ゴール」共に判別可能
18

20. 「類似度の高い非共通ゴール」を見分ける
• より具体的なゴールから共通ゴールのセットを作り
除外する
抽象的な 抽象的な
ゴール ゴール
類似度:0.9
ゴール 優先
類似度:0.9 具体的な 具体的な 具体的な
ゴール ゴール ゴール
• 「1ゴール1共通」
→ 1つのゴールに対して、共通ゴールは一つまで
• 「下位ゴール優先」
→ 類似度が等しい場合は、より下位のゴールを優先19

21. 「1ゴール1共通」・「下位ゴール優先」の例
1. （1-2）と（2-1）は「類似度の高い非共通ゴール」
2. 下位ゴール（1-2）（1-3）（2-2）（2-3）だけで比較
3. （1-2）（2-2）と（1-3）（2-3）の2セットができる
4. 1ゴール1共通なので、これらを除外
5. （1-2）の共通ゴール候補に（2-1）が出現しない
G1 G2
番組情報や番組説明を 番組の情報を
共通
見ることができる（1-1） 見ることができる（2-1）
AND AND 類似度の高い非共通ゴール AND 0 AND
番組情報を見ること 番組説明を見ること 番組情報を見ること 番組説明を見ること
ができる（1-2） ができる（1-3） ができる（2-2） ができる（2-3）
共通 共通
20

22. 「類似度の低い共通ゴール」を見分ける
• 具体的なゴールの情報を参考に、抽象的なゴール
を判別する
抽象的な 抽象的な
ゴール
判別が困難 ゴール
参考に
具体的な 具体的な 具体的な 具体的な
ゴール ゴール ゴール ゴール
• 「子ゴール共通性の反映」
→ 子ゴールの中に「明らかに共通なゴール」が
一つでもあれば、その親ゴールは
「明らかに可変なゴール」にしない 21

23. 「子ゴール共通性の反映」の例
1. （1-1）と（2-1）は「類似度の低い共通ゴール」
2. （1-2）と（2-2）は明らかに共通
3. 子ゴール共通性を反映し、その親である（1-1）と（2-1）は
明らかに可変にしない
4. （1-1）と（2-1）は共通ゴールランキングに出現
G1 G2
searching in the 類似度の低い searching friends
search field （1-1） 共通ゴール （2-1）
AND AND AND 0 AND
by user name by e-mail address
by words （1-3） by name （2-2）
（1-2） （2-3）
共通 22

24. 評価実験
ドメイン テレビ SNS 就職支援システム カメラ
ゴールモデル名 55X3 55ZX9000 Twitter Facebook リクナビ マイナビ A37 NEX-F3
ゴール数 51 70 31 54 33 84 57 50
正解共通ゴール数 20 9 13 23
企業 同企業 別企業 別企業 同企業
作成者 同作者 同作者 別作者 同作者
言語 日本語 英語 日本語 英語
• 実験1：テレビ、SNS、就職支援システム
→ 提案ルール（ 「1ゴール1共通」、「下位ゴール優先」、「子ゴール共通性の反映」）
の有効性を評価
• 実験2：カメラ
→ 提案手法全体の有効性を評価
23

25. 実験1：実験の方法
G1 G2
ゴールモデル×2
手動で共通ゴールを判別 自作ツールで共通ゴールを判別
共通ゴール 可変ゴール 比較 明らかに共通 明らかに可変
正解データ ツールの出力 24

26. 実験1：テレビの結果
The process of identifying clearly common goals The process of identifying clearly variable goals
（テレビ） （テレビ）
100.00% 100.00%
80.00% 90.00%
60.00%
80.00%
40.00%
20.00% 70.00%
（threshold） （threshold）
0.00% 60.00%
0.0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1.0 0.0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1.0
Before After precision Before After precision
precision precision
100.00% 100.00%
80.00% 80.00%
60.00% 60.00%
40.00% 40.00%
20.00% 20.00%
（threshold） （threshold）
0.00% 0.00%
0.0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1.0 0.0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1.0
Before recall After recall Before recall After recall
• 明らかに共通
– 提案ルール適用前：0.00%の共通ゴールを判別
– 提案ルール適用後：40.00%の共通ゴールを判別 （40.00%向上）
• 明らかに可変
– 提案ルール適用前：34.57%の可変ゴールを判別
– 提案ルール適用後：34.57%の可変ゴールを判別 （変化なし） 25

27. 実験1：SNSの結果
The process of identifying clearly common goals The process of identifying clearly variable goals
（SNS） （SNS）
100.00% 100.00%
80.00% 90.00%
60.00%
80.00%
40.00%
20.00% 70.00%
（threshold） （threshold）
0.00% 60.00%
0.0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1.0 0.0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1.0
Before After precision Before After precision
precision precision
100.00% 100.00%
80.00% 80.00%
60.00% 60.00%
40.00% 40.00%
20.00% 20.00%
（threshold） （threshold）
0.00% 0.00%
0.0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1.0 0.0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1.0
Before recall After recall Before recall After recall
• 明らかに共通
– 提案ルール適用前：77.78%の共通ゴールを判別
– 提案ルール適用後：77.78%の共通ゴールを判別 （変化なし）
• 明らかに可変
– 提案ルール適用前：16.42%の可変ゴールを判別
– 提案ルール適用後：91.04%の可変ゴールを判別 （74.62%向上） 26

28. 実験1：就職支援システムの結果
The process of identifying clearly common goals The process of identifying clearly variable goals
（就職サイト） （就職サイト）
100.00% 100.00%
80.00% 80.00%
60.00% 60.00%
40.00% 40.00%
20.00% 20.00%
0.00% （threshold） 0.00% （threshold）
0.0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1.0 0.0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1.0
Before After precision Before After precision
precision precision
100.00% 100.00%
80.00% 80.00%
60.00% 60.00%
40.00% 40.00%
20.00% 20.00%
0.00% （threshold） （threshold）
0.00%
0.0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1.0 0.0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1.0
Before recall After recall Before recall After recall
• 明らかに共通
– 提案ルール適用前：38.46%の共通ゴールを判別
– 提案ルール適用後：53.85%の共通ゴールを判別 （15.39%向上）
• 明らかに可変
– 提案ルール適用前：23.66%の可変ゴールを判別
– 提案ルール適用後：23.66%の可変ゴールを判別 （変化なし） 27

29. 実験1：考察
• テレビでは「類似度の高い非共通ゴール」が、
SNSでは「類似度の低い共通ゴール」が出現し、
それらを見分けられたことで精度が上がった
• 就職支援システムでは「類似度の低い共通ゴール」を見分け
られていない
→ 原因：ゴールモデルの作者が別作者
– 最下位ゴールの分解粒度が粗い
– 最下位ゴールの分解粒度が統一されていない
「子ゴール共通性の反映」は最下位ゴールの
分解粒度が細かく、かつ統一されている場合に有効
28

30. 実験2：実験の方法（チームA）
G1 G2
ゴールモデル×2
手作業で共通ゴールを判別
共通ゴール 可変ゴール 作業時間
29

31. 実験2：実験の方法（チームB）
G1 G2 「C」の共通ゴールランキング
C C
C C C C C C
1位:「H」
C C C C C C
2位:「I」
C C C C C
C
C
C C
C
C
C
「D」の共通ゴールランキング 手作業で共通ゴールを判別
1位:「I」
C C C
2位:「H」
ゴールモデル×2
明共通 共通ゴール
明可変 可変ゴール
ツール
共通ゴール 可変ゴール
作業時間 30

32. 実験2：実験結果
• 提案手法を用いた方が…
– 作業時間：53.5分→39.25分（ 7割の作業時間で）
– 適合率：81.69%→92.43%（約10%向上）
– 再現率：69.75%→91.30%（約20%向上）
提案手法を用いた方が、
早く正確に多くの共通ゴールを判別できる
31

33. 研究の課題
シナリオ：同一企業内のシステムで
共通ゴールを判別し再利用する
しかし、もし…
• 別企業のシステムと共通ゴールを判別する場合
– オントロジーを用いて類似度計測手法の精度を上げる
– 最下位ゴールの分解粒度が統一されていない箇所を
自動で見つけ統一する
ことが必要
32

34. まとめ
再利用開発では、
顧客の要求を既存システムの機能に反映できるモデルが必要
既存研究ではゴールモデルを用いて
それを実現しようしているが、
共通ゴールの判別手法が自明でない
本研究で、ゴールモデルの構造に基づいた
共通ゴール判別手法を提案した
実験により、提案ルールが有効な場合とそうでない場合を
明確化し、有効な場合は作業の効率化に貢献することがわかった33

35. 研究成果
• 論文誌：
中村祐貴, 本田耕三, 中川博之, 田原康之, 大須賀昭彦
"ソフトウェア再利用に向けた共通ゴール判別手法の提案“
日本ソフトウェア科学会誌「コンピュータソフトウェア」「ソフトウェア工学」
特集2013（投稿中）.
• 国内査読付きシンポジウム：
中村祐貴, 本田耕三, 中川博之, 田原康之, 大須賀昭彦
"ゴールモデルの構造に基づいた共通ゴール判別手法の提案"
第19 回ソフトウェア工学の基礎ワークショップ2012（FOSE2012）
(2012.12)．
• その他研究発表：
中村祐貴, 本田耕三, 中川博之, 田原康之, 大須賀昭彦
"ソフトウェア再利用に向けた共通ゴール判別手法の提案“
ウインターワークショップ2013 (2013.1). 34

36. ここから、質問対応用
35

37. ゴール名の類似度（一般的な既存手法[8]を使用）
• ゴール名を構成する名詞と動詞が一致する割合を算出
（動詞は基本形に変換してから）
類似度 = | X ∩ Y | / | X ∪ Y |
共通要素数 少なくとも一方にある要素数
例）「見たい番組を探すことができる」と
「見たい番組を番組表で探すことができる」の場合…
| X ∩ Y |は「見る」「番組」「探す」の3単語
| X ∪ Y |は「見る」「番組」「番組表」「探す」の4単語
→ 類似度は 3 / 4 = 0.75
8. Muhammad Ilyas , Josef Kung: A Similarity Measurement Framework for Requirements Engineering,
ICCGI2009, pp.31-34. 36

38. 非共通ゴールを共通と判別すると…
明らかに共通
• 本来なくてもいい機能
可変 共通 共通 共通
1 • ユーザビリティが低下
• 手戻り
閾値1
A A
B C B C
37

39. 共通ゴールを可変と判別すると…
明らかに可変
• 必要な機能がない
• ユーザビリティが低下 可変 可変 可変 共通
• 手戻り 0
閾値2
A A
C B C B
38

40. 類似度と閾値
• 類似度+提案ルールに閾値（基準）を設定し、
それに従ってツールが共通・可変を判別する仕様に
明らかに可変 共通ゴール 明らかに共通
ランキング
似てない 0 1 似ている
類似度
閾値2 + 閾値1
提案ルール
閾値1・閾値2の値はいくらにしよう…?? 39

41. 最適な閾値を求めるために1
最適な閾値（共通ゴールのみ・可変ゴールのみを
正しく判別できる閾値）をどうやって見つけよう
• 閾値の値はゴールモデルによって違う
• 正解の共通ゴールが分からないと、最適な閾値もわ
からない
• ゴールモデルの一部だけを使って、手作業で正解
の共通ゴールを判別するのは??
• そしてその部分で閾値を出せばいいのでは??
40

42. 閾値の求め方（予備実験の方法）
G1 C
G2 C
C C C C C C C C
C C C C C C
C
C
C C C C C
C
C C C
C C C
C C
C C C C C C C
C C C
C C C C
C
C C
C C C
C C C
C C
C C
専門家 自作ツール
共通ゴール 可変ゴール 正解データだけで
正解データ 最適な閾値を算出 41

43. テレビ、SNSのゴール例
テレビ
• 共通ゴール：チャンネルを選ぶことができる
画面を二画面で見ることができる など
• 可変ゴール： 3D映像を楽しむことができる（テレビ1）
降雨対応放送を利用できる（テレビ2） など
SNS
• 共通ゴール： signing up account
uploading profile picture など
• 可変ゴール： adding hash tags （twitter）
using wall tab （Facebook） など
42

44. 就職支援システム、カメラのゴール例
就職支援システム
• 共通ゴール：企業をフリーワードで検索できる
企業を本社や勤務地の場所から検索できる など
• 可変ゴール： １週間以内に説明会が開催される企業を検索
できる（リクナビ）
企業を採用実績校で検索できる（マイナビ） など
カメラ
• 共通ゴール： recognizes the scene
Installing the software など
• 可変ゴール： hold the camera （A37）
Using the self-timer （NEX-F3） など43

45. 実験2：実験の方法（チームB-ステップ1）
G1 G2 G1 G2
C C
C C C C C C
C C C C C C
C C C C C
C C
C C C
C C
C C C
ゴールモデル×2 ゴールモデルの一部×2
手作業で共通ゴールを判別
ツール
共通ゴール 可変ゴール
閾値 作業時間1 44

46. 提案ルールが上手く機能しない場合の例
「企業を詳細な業種で複数選択し検索できる」
（リクナビ）
と
「業種を小分類で検索できる」
（マイナビ）
は、類似度の低い共通ゴール
しかし、これ以上分解されていないため
子ゴール共通性を反映できない 45

47. フィーチャロケーション[9]
• フィーチャとコードを対応付ける
必須フィーチャ：スタック
任意フィーチャ：ロック
9. Dapeng Liu , Andrian Marcus , Denys Poshyvanyk , Vclav Rajlich:Feature Location via Information Retrieval
based Filtering of a Single Scenario Execution Trace, ASE2007, pp.234-243.
46

48. コードのモジュール化[10]
• #define,ifdef,endifで
ロックを付け替え可能に
10. Jorg Liebig, Sven Apel, Christian Lengauer, Christian Kstner, Michael Schulze: An Analysis of the Variability in
Forty Preprocessor-Based Software Product Lines,ICSE2010, pp.105-114.
47

49. ゴールモデルの入力
• テキスト形式で入力
番組情報や番組説明を見ることができる（1-1）
（タブ）番組情報を見ることができる（1-2）
（タブ）番組説明を見ることができる（1-3）
番組情報や番組説明を
見ることができる（1-1）
AND AND
番組情報を見ること 番組説明を見ること
ができる（1-2） ができる（1-3）
• ゴールNo:ツールに入力した順に振られる
• ゴール名：ゴールの名前
• レイヤNo：タブの数で判別
• 親ゴールNo：タブの数で判別 48

50. 提案手法に至るまで
共通ゴールの判別手法が自明でない
全自動で共通ゴールを判別したい
全自動・高精度で判別は難しい
なら、半自動・高精度を目指そう
手動の部分もできるだけ楽にしよう
49

51. 提案ルールに至るまで
類似度の高い非共通ゴールと
類似度の低い共通ゴールを正しく見分けられない
自分なら、どうやって見分けるだろう??
親子ゴールの情報を参考にするだろうな…
アルゴリズム化して実装しよう
ヒューリスティックな手法だけど、上手くいったな 50