ارزیابی انطباق معماری نرم افزار

معماری نرم افزار در دهه اخیر اهمیت بسیاری پیدا کرده است. تصمیمات گرفته شده در زمان معماری، تأثیر بسزایی بر نیازهای رفتاری و غیررفتاری نرم افزار پیاده سازی شده دارند تا آنجا که تغییر در آنها هزینه زیادی دربردارد. معماری نرم افزار معمولاً به خوبی مستند نمی شود و یا از طرف برنامه نویسان به خوبی رعایت نمی شود. به همین دلیل، معماران نرم افزار همواره خواهان بررسی انطباق پیاده سازی با معماری هستند. پژوهش هایی درباره روش های بررسی انطباق، توصیف معماری از جنبه های مختلف و نگاشت دستی بین عناصر معماری و پیاده سازی در گذشته انجام شده است. در این پژوهش، روشی برای بررسی انطباق معماری با استفاده از نگاشت خودکار ارائه شده است. در این راهکار از روش های یادگیری ماشین برای ساخت مدل نگاشت عناصر پیاده سازی به معماری استفاده شده است. ما با مطالعه زبان جاوا، برای اولین بار، یازده خصیصه برای یادگیری نحوه نگاشت یک کلاس پیاده سازی به عنصر معماری متناظر یافته ایم. ما با استفاده از 5\% کلاس های پیاده سازی که توسط معمار نرم افزار نگاشته شده بودند، موفق به ساخت درخت تصیمیمی شدیم که با دقت مناسبی توانایی نگاشت کلاس های جدید پیاده سازی را به معماری دارد. با این روش، هم نگاشت خودکار انجام شده است و هم مدلی قابل فهم برای معمار بدست آورده ایم. برای این کار پیمانه ای برای استخراج مقادیر یازده خصیصه یافته شده، تولید شده است. این چهارچوب امکان ردیابی انحرافات معماری را در سطح پیاده سازی برای معمار میسر می سازد. نهایتاً برای نرم افزار جامع بانکداری فناپ به عنوان مطالعه موردی، از روش بررسی انطباق پیشنهادی استفاده کرده ایم. در نهایت، موفق به یادگیری عناصر معماری با دقت مثبت واقعی بالای 95\% و مثبت کاذب کمتر از 0.01\% شده ایم و نرخ انطباق نرم افزار بررسی شده را گزارش کرده ایم.