Lekérdezések származtatása gépi tanulással

A modellvezérelt szoftverfejlesztés (model-driven software engineering) technikái a mai modern szoftvermérnöki gyakorlat legfontosabb és leghatékonyabb eszközei közé tartoznak, azonban - összetettségük miatt - nehézségeket okoz elmélyült elsajátításuk.

A probléma megoldására többek között mesterséges intelligencia alapú megközelítéseket javasoltak, melyek lényege, hogy a bonyolult emberi tanulási folyamatot gépi tanulással segítjük, azaz leegyszerűsítjük a lépéseket pl. olyan technikákkal, ahol az emberi felhasználó egy egyszerűbb, magas szintű nyelven leírja a kívánt végeredményt, a konkrét programlépéseket pedig AI algoritmusok számolják ki. Erre egy szép példa a Model Transformation By Example technika, melynek során bonyolult modelltranszformációkat állítunk elő egyszerű példamodellek alapján.

A téma kapcsán alapvetően két kutatási irányon lehet dolgozni:

• A hallgató feladata lesz a tanszéken folyó kutatási munkába bekapcsolódva, annak következő lépéseként egy olyan algoritmus kifejlesztése, mely képes modell-lekérdezéseket (model queries) példák alapján megtanulni.
• Alternatív feladat, hogy módszereket keressünk gyengén tipizált tudásbázisok tartalma alapján szakterület-specifikus modellezési nyelvek szabályrendszerének (metamodelljének) részleges automatikus származtatására. Ez a módszertan a gyakorlatban is kipróbálható majd a Budapest Bankhoz kapcsolódó kutatási projektünkben.

A projekt során a hallgató közreműködik a több nemzetközi tudományos konferencián sikerrel bemutatott EMF-INCQuery inkrementális gráfmintaillesztő keretrendszer fejlesztésében is, a cél egyérteműen a sikeres TDK dolgozat (és később nemzetközi publikáció). A téma a tudományos munka iránt érdeklődő hallgatóknak ajánlott!