algoritmo ipm2 interaction pattern mining aula 21 data mining

Algoritmo IPM2 Interaction Pattern Mining

AULA 21

DATA MINING

Problema de Mineração de Traços de Interação Dados

Conjunto de traços de interação Um critério de qualificação

C= (comp-min, minsup, maxerror, minscore)

Determinar todos os padrões maximais p satisfazendo o critério de qualificação C |p| ≥ comp-min Sup(p) ≥ minsup com relação a maxerror Score(p) ≥ minscore

Algoritmos IPM (Interaction Pattern Mining) Primeiro algoritmo desenvolvido (Mining System-User Interaction

Traces for Use Case Models – IWPC 2002) Padrões não permitem erros de inserção Técnica Apriori

IPMIPM (Recovering Software Requirements from System-user Interaction Traces – SEKE 2002) Utiliza busca em largura Permite erros de inserção

IPM2IPM2 (From Run-time behavior to Usage Scenarios: An Interaction-Pattern Mining Approach – ACM SIGKDD 2002) Utiliza busca em profundidade Evita multiplas varridas no banco de dados, guardando as listas de

localizações (técnica parecida com a do TreeMiner)

Algoritmo IPM2 – Fases principaisAlgoritmo IPM2 – Fases principais Pré-processamentoPré-processamento

Elimina repetições Descoberta de padrões (Mineração)Descoberta de padrões (Mineração)

Minera os padrões sobre o banco de dados pré-processado que verificam o critério de qualificação especificado pelo usuário

Análise dos padrões mineradosAnálise dos padrões minerados Ajuste no critério de qualificação para identificar padrões de

interação que realmente correspondem a requisitos funcionais do sistema legado.

Quanto mais longos os traços de execução e quanto mais estrito o critério c mais provável que os padrões minerados correspondam a requisitos funcionais do sistema legado real.

Um usuário com conhecimento do dominio da aplicação deve decidir quais dos padrões minerados correspondem a funcionalidades do sistema legado.

Fase de Pré-processamento Um traço de interação normalmente contém repetições

4 5 6 6 6 6 6 6 6 6 7 Usuário acessou diversas vezes consecutivamente a tela 6 (por

exemplo, no software de uma biblioteca, acessou diversas vezes a mesma instância da tela de consulta do catálogo)

Repetições podem impedir que certos padrões interessantes sejam detectados 4 5 6 7 não é suportado se o MaxError ≤ 4

Padrão é transformado em 4 5 (8) 6 7

Contador do identificador 6 – armazenadoem separado

Fase de Mineração Geração do conjunto inicial de padrões candidatos

de tamanho 2 Padrão candidato = satisfaz minsup e maxerror Gerados exaustivamente a partir do banco de dados Listas de localização são produzidas

Geração de padrões candidatos mais longos Junta-se padrões de tamanho k com padrões de tamanho 2 Geração é feita em profundidade no espaço dos padrões.

Construção de lista de localização associada a um padrão candidato

S1 = 1 4 5 6 3 3 4 5 6 8 1 9 11 23 34 56 32 32 23 35 56 49 32 4 5 3 6

S2 = 2 3 5 6 2 3 3 4 5 8 6 1 9 11 4 34 5 7 8 6 35 56 49 32 4 5 3 6

α = 2

Geração do conjunto inicial de padrões candidatos de tamanho 2

1 2 3

1 4 ; (s1,1,2)1 5 ; (s1,1,3)1 6 ; (s1,1,4)

4

4 5 ; (s1,2,3)4 6 ; (s1,2,4)4 3 ; (s1,2,5)

5 35 6

Geração do conjunto inicial de padrões candidatos de tamanho 2Input: Um alfabeto A, um critério C= (c,sp,e,sc), um conjunto de sequências S

Output: Todos os padrões candidatos de tamanho 2 (frequentes com relação a (sp, e).

1. Vec = vetor de tamanho |A| (cada posição i vai armazenar lista de padrões começando por i)

2. Para cada traço s em S

3. Para cada i = 1, ..., (|s| - e – 1)

4. Para j = i + 1, ... , i + e + 1

5. Constrói padrão p = (s[i],s[j])

6. Se p não está na lista de Vec(s[i]),

7. insere p nesta lista

8. Insere (s,i,j) na lista de localizações de p

9. Para cada id ε A

10. Varre os padrões de Vec[i] e elimina aqueles com lista de localizações < sp

Exemplo A = {1, 2, 3, 4} S1 = 2 4 3 2 4, S2 = 1 2 4 2 3, S3 = 3 2 4 2 4 α = 2 , sp = 2

1 2 3 4

2 4 ; (1,1,2)

2 3 ; (1,1,3)2 2 ; (1,1,4)

4 3 ; (1,2,3)4 2 ; (1,2,4)4 4 ; (1,2,5)

3 2 ; (1,3,4)3 4 ; (1,3,5)

1 2 ; (2,1,2)1 4 ; (2,1,3) (2,2,3)

(2,2,4)

(1,4,5)

(2,2,5)

(2,1,4)

Geração de padrões candidatos mais longosEsquema geral1. Results:= ɸ2. Para cada id ɛ A3. Para cada p ɛ Vec(id)4. TempResults = Expand(p)5. Results:= Results U TempResults 6. Results:= Results – {p | p não-maximal}7. Retorna Results

Geração de padrões candidatos mais longos

{1,2} {2,3} {2,5} {3,5}

Expand({1,2}) Expand({2,3}) Expand({2,5}) Expand({3,5})

Results1 Results2 Results3 Results4

Resultados

Elimina não maximais

Expand(p={p1,p2,...ppkk})1. ExtResults:= ɸ

2. Para cada padrão {ppkk a}3. Combina-se p com (pk,a) obtendo novo padrão p34. Constrói-se a lista de localizações de p35. Se p3 é frequente6. TempResults:= Expand(p3)7. ExtResults:= ExtResults U TempResults8. Se sup(p) > sup(p3) % testando se p é maximal% testando se p é maximal 9. Se |p| ≥ comp-min e score(p) ≥ minscore10. Insere p em ExtResults 11. Caso contrário 12. Remove p de ExtResults13. Se p3 não é frequente14. Se |p| ≥ comp-min e score(p) ≥ minscore15. Insere p em ExtResults

Seja erro = kP1 = (a1,...,an) P2 = (an, bb)P1 x P2 = (a1,...,an, b) (i, startp1, endp1) ɛ Loc(P1) (j, startp2, endp2) ɛ Loc(P2)

i = j endp1 = startp2 endp2 ≤ startp1 + erro + tamanho(P1)

Então : (i, startp1, endp2) ɛ Loc(P1 x P2)

Construção de lista de localização associada a um padrão candidato

Construção de lista de localização associada a um padrão candidato

Entre as posições startp1 e endp2 no máximopodemos ter posições para os elementos de P1 epara um número de casas correspondente ao erro máximo

...a1 an

P1 P2

... b

startp1 endp1= startp2 endp2

Seja erro = kP1 = (a1,...,an) P2 = (an, bb)P1 x P2 = (a1,...,an, b)

Exemplos1 = 1 3 7 9 11 2 s2 = 2 1 7 9 8 11 4 2 ERRO = 2

P1 = <1, 7, 11 > (1, 1, 5)

P2 = < 11, 2 > (1, 5, 6)

Testando se (1,1,5) pode ser combinado com (1,5,6) para produzir (1,1,6)

startp1+ |P1| + erro = 1 + 3 + 2 = 6 = endp2

Logo (1, 1, 6) pertence a Loc(<1,7,11,2>)

(2, 2, 6)

(2, 6, 8)

Testando se (2,2,6) pode ser combinado com (2,6,8) para produzir (2,2,8)

startp1+ |P1| + erro = 2 + 3 + erro = 2 + 3 + 2 = 7 < 8 = endp2

Logo (2, 2, 8) não pertence a Loc (<1, 7, 11, 2> )

Exemplo

1 2 3 4

<1,2> (1,1,3)<1,3> (1,1,2) (2,4,6)

<2,1> (2,3,5)<2,2> (2,1,3)<2,3> (1,3,4) (2,1,2)<2,4> (1,3,5) (2,3,4)

A = {1,2,3,4}, S = {s1,s2}. S1 = <1,3,2,3,4,3>, s2 = <2,3,2,4,1,3>, compmin= 3, minsup=2,maxError = 1, minscore = 0

<3,2> (1,2,3) (2,2,3)<3,3> (1,2,4) (1,4,6)<3,4> (1,4,5) (2,2,4)

<4,3> (1,5,6)(2,4,6)<4,1> (2,4,5)

<1,3> <2,3> <2,4> <3,2>

<3,2>,<3,3>

<3,4>

<1,3,2> <1,3,3> <1,3,4>

(1,1,3) (1,1,4)

Exemplo (Continuação)<2,3>

<3,2><3,3>

<3,4>

<2,3,2>(2,1,3)

<2,3,3>(1,3,6)

<2,3,4>(1,3,5)(2,1,4)

<4,3>

<2,3,4,3>(1,3,6)

Densidade (<2,3,4>) = 0,86 score(<2,3,4>) = 1,36

(1,3,4) (2,1,2)

s1 = <1,3,2,3,4,3>

s2 = <2,3,2,4,1,3>

Exemplo (Continuação)<2,4>

<4,3>

<2,4,3>(1,3,6)(2,3,6)

<2,4,3,2> <2,4,3,3> <2,4,3,4>

<3,4><3,3>

<3,2>

(1,3,5) (2,3,4)

s1 = <1,3,2,3,4,3>

s2 = <2,3,2,4,1,3>

Exemplo (Continuação)<3,2>

<2,3> <2,4>

<3,2,3>(1,2,4)

<3,2,4>(1,2,5)(2,2,4)

<4,3>

<3,2,4,3>(1,2,6)(2,2,6)

<3,2,4,3,2>

<3,2>

<3,2,4,3,3>

<3,3>

<3,2,4,3,4>

<3,4>

Densidade(<3,2,4,3>) = 0,80, score(<3,2,4,3>) = 1,60

(1,2,3) (2,2,3)

s1 = <1,3,2,3,4,3>

s2 = <2,3,2,4,1,3>

Pós MineraçãoIdentificação de funcionalidades nos padrões minerados

Ajuste dos critérios de qualificação – novas execuções de IPM2Quanto mais longos forem os traços de interação e mais estrito o critério de qualificação, maior a possibilidade dos padrões minerados corresponderem a funcionalidades do sistema.

Compactação: remoção de padrões que são subpadrões de outros (minerados) Necessidade de um usuário com conhecimento do domínio da aplicação para

decidir quais dos padrões minerados correspondem efetivamente a cenários de uso, a funcionalidades da interface.

A lista de localização dos padrões dentro dos traços de interação são analisadas a fim de se construir o modelo da funcionalidade correspondente ao padrão minerado.

Estudo de caso realizadoSistema legado : LOCIS (Library of Congress

Information System http://www.loc.gov 4 traços de interação com o mesmo usuário

|s1| = 454, |s2| = 185, |s3| = 369, |s4| = 410 |A| = 26 (26 identificadores de telas) Critério de qualificação (6, 9, 1, 7)

Comp-min = 6, minsup = 9 , maxerror = 1, minscore = 7

Referências M. El-Ramly, E. Stroulia, P. Sorenson:

From Run-time behavior to Usage Scenarios: An Interaction-Pattern Mining Approach

ACM SIGKDD 2002. Cypher, A. :

Watch What I do: Programming by Demonstration, MIT Press, Cambridge, MA, 1993.

Kapoor, R. Stroulia, E. : Simultaneous Legacy Interface Migration to Multiple Platforms. Proc. 9th Int. Conf. On Human-Computer Interaction., Vol. 1, 51-55, 2001.