Семантическая модель языковых объектов для автоматизации процесса сертификации систем критического применения Текст научной статьи по специальности «Компьютерные и информационные науки»

УДК 004.89

Семантическая модель языковых объектов для автоматизации процесса сертификации систем критического применения

© Ю.И. Бутенко, И В. Шостак

Национальный аэрокосмический университет им. Н.Е. Жуковского «ХАИ», Харьков, 61070, Украина

Представлены результаты исследования синтеза обобщенной модели ядра семантической целостности для автоматизации процесса обработки текстов стандартов программного обеспечения (ПО) и технической документации к программным продуктам. Применение данной модели в составе компьютеризированной диалоговой системы поддержки принятия решений при сертификации систем с интенсивным использованием ПО обеспечит повышение эффективности работы сертификационного аудитора в результате сокращения доли рутинного труда при формировании нормативного профиля на ПО, а также снижения рисков принятия неверных решений в процессе анализа текстов технической документации на ПО. Приведены лингвистические основы семантического моделирования языка стандартов и технической документации на ПО. Дано формальное представление обобщенной модели ядра семантической целостности языковых объектов типа «Нормативная база и техническая документация на ПО».

Ключевые слова: программное обеспечение, экспертирование ПО, нормативная база, нормативный профиль, синтаксический анализ, семантическая информация, компрессия текста, набор ключевых слов, ядро семантической целостности.

Введение. Одной из особенностей современного этапа развития техники является распространение систем критического применения, сбои и отказы в работе которых несут потенциальную угрозу природе и человеческому обществу [1]. При этом ключевая роль в обеспечении безопасности принадлежит информационно-управляющим системам (ИУС), выполняющим функции предотвращения, защиты и ликвидации последствий аварийных ситуаций [2].

По результатам исследований, каждый пятый отказ оборудования атомной электростанции связан с неисправностями оборудования ИУС так же, как каждая пятая авария ракетно-космической техники обусловлена неисправностями компьютерной системы управления. Шесть из семи отказов этих систем, которые привели к авариям ракетно-космических комплексов, вызваны дефектами программных средств [3]. Особую важность для ИУС комплексов критического применения представляет сертификация ПО, которая выполняется в целях проверки соответствия программного продукта и процессов

его разработки требованиям международных и национальных нормативных документов [4].

Процедура оценки ПО проводится в специализированных сертификационных центрах сертификационными аудиторами (СА) [5]. Она предполагает решение следующих задач:

• формирование нормативного профиля (НП) — гармонизированной с международными и национальными стандартами совокупности требований, предъявляемых к данному проекту или группе проектов. Это вновь разрабатываемые государственные или отраслевые стандарты, нормативно-методические документы предприятий и общие требования спецификаций ПО;

• реинжиниринг процесса проектирования ПО и его оценка на основе НП;

• статистический анализ исходного текста, заключающийся в определении программных метрик согласно выбранному НП и выполнении семантического анализа;

• динамический анализ ПО: модульное тестирование методом белого и черного ящиков и интервальный анализ исполняемого модуля;

определение степени соответствия исходного кода ПО проектной документации и НП.

В то же время экспертизу ПО можно считать слабо формализованным и слабо структурированным видом профессиональной деятельности СА. Велики роль субъективизма и влияние опытности СА на итоговые оценки. При этом наиболее критичной по отношению к конечному результату в деятельности СА является процедура анализа базы нормативных документов в целях формирования НП, непосредственно относящегося к объекту сертификации.

Анализ иерархической структуры текстов стандартов и технической документации (ТД) целесообразно осуществлять в два этапа [6]. Первый этап связан с анализом композиционной структуры текста, в частности с распознаванием нумерации (маркировки) разделов стандартов. Определение нумерованных (маркированных) фрагментов позволяет более точно установить границы предложений и сформировать их в виде, удобном для последующей компьютеризированной обработки, которая дает возможность на втором этапе определять синтаксическую структуру предложения в целях выявления терминологических единиц [7, 8] и их связей для последующего построения соответствующей онтологии предметной области. Очевидно, реализация второго этапа предполагает использование специальной модели представления в единой форме синтаксической структуры обрабатываемых языковых объектов.

Целью работы является описание процесса синтеза семантической модели, которая позволяет отразить в типовой форме (ядра се-

мантической целостности) как фрагменты нормативной базы (НБ), так и языковые конструкции текстов ТД на ПО. В результате последующей машинной обработки полученных результатов может быть сформирован НП требований к объекту сертификации.

Постановка задачи. Исходными данными для формирования обобщенной модели текстов НБ и ТД для сертификации систем с интенсивным использованием ПО служат представительный набор текстов документов из подмножества профилеобразующей базы, непосредственно относящейся к данной предметной области, а также полный комплект ТД к сертифицируемому программному продукту.

Создаваемая модель должна в автоматическом режиме декомпозировать анализируемый текст до простых предложений; находить среди членов простых предложений анализируемого текста подлежащие; путем обращения к терминосистеме выделять среди найденных подлежащих ключевые слова и формировать в пределах анализируемого фрагмента текста набор ключевых слов (НКС); формировать «смысловые вехи» (компрессия текста) путем отыскания в анализируемом тексте сказуемых и связанных с ними ключевых слов; путем сравнения соответствующих «смысловых вех» установить наличие ядер семантической целостности (ЯСЦ) в анализируемых текстах НБ и ТД; формировать запрос к СА в случае невозможности определения ЯСЦ.

Результатом работы модели является набор ЯСЦ с указанием их позиций в анализируемых текстах.

Синтаксический анализ НБ программной инженерии и ТД на ПО. Проведенный синтаксический анализ текстов показал, что синтаксические структуры предложений в текстах стандартов и ТД в большинстве случаев однотипны. Так, был проанализирован стандарт «МЭК 60880. Атомные электростанции. Системы контроля и управления, важные для безопасности. Аспекты программного обеспечения компьютерных систем, выполняющих функции категории А». В основных разделах этого стандарта имеется 513 предложений (вводная часть и приложения не рассматривались), из которых 294 являются простыми предложениями, 220 — сложными, в том числе к сложным предложениям были отнесены и перечисления, которых в тексте стандарта было 59.

Простые предложения могут быть усложнены причастными и деепричастными оборотами, которые модифицируют значение того члена предложения, к которому они относятся. Сложносочиненные предложения встречаются реже, чем сложноподчиненные. Поскольку сложносочиненное предложение состоит из двух простых предложений и более, то их разбор идентичен разбору простых предложений [9].

По структуре простые предложения в составе сложноподчиненных идентичны простому предложению, но следует учитывать особенности подчиненного предложения. В текстах стандартов выявлено три вида придаточных предложений в составе сложноподчиненных, а именно: часть — целое, причина — следствие, условие — причина.

На рисунке приведена обобщенная схема всех видов синтаксических конструкций, представленных в текстах стандартов. В схеме можно выделить три уровня: уровень сложных предложений, уровень простых предложений и уровень членов предложения.

Алгоритмы синтаксического разбора рассмотрены и систематизированы в [10].

Проведенный синтаксический анализ НБ позволяет определить терминологические единицы, а также связи, существующие между ними, что, в свою очередь, создает основу для последующего синтеза машинной процедуры, в которой эти результаты будут использованы для построения онтологической системы.

Лингвистические основы семантического моделирования языка стандартов и ТД на ПО. Все лексемы как языка стандартов, так и языка, на котором написана ТД на ПО, и другие эквивалентные им лексические единицы, в том числе и многословные, подразделяют на два основных типа — предметные и предикатные. Двум разрядам лексики (двум типам толкований) соответствуют две разные семантические классификации языковых единиц — таксономическая и фундаментальная. Первая предназначена для предметных единиц (например, названий объектов живой и неживой природы), а вторая — для предикатных [11].

Для лексического анализа рассматриваемых языковых объектов используем основные положения теории фундаментальной классификации. Как известно, фундаментальной называют такую классификацию, понятия которой имеют универсальный характер, т. е. применяются во всех лингвистических правилах — морфологических (категории вида, залога и наклонения), словообразовательных, синтаксических, семантических, прагматических, сочетаемостных и др. Из них самыми важными являются семантические правила.

Классификация представляет собой нестрогую многоуровневую иерархию с пересечениями классов. Из глагольных категорий на материале русского языка к семантическим различиям между классами оказались чувствительны (помимо вида) залог и наклонение. Кроме того, лексемы, относящиеся к разным классам предикатов, различаются синтаксическими и сочетаемостными свойствами, а также структурами многозначности, словообразовательными типами и типами семантических связей с другими лексемами [12].

Уровень сложных предложений

Уровень простых предложений

Уровень

членов

предложения

Сложное предложение

Сложное союзное предложение Сложноподчиненное предложение

Сложное

бессоюзное

предложение

Сложносочиненное предложение

Подчиненное предложение

Главное предложение

Причина-следствие

Условие-причина

Часть-целое

Односоставные

Наличие нескольких Наличие грамматических нескольких

основ грамматических

основ

Двусоставные

Подлежащее, сказуемое, дополнение, обстоятельство

Виды синтаксических структур в текстах стандартов и ТД на ПО

В процессе анализа НБ были выделены следующие верхние классы: действия (подписывать, транспортировать, проверять, производить), деятельности (управлять, руководить, проектировать, разрабатывать), процессы (храниться), положения в пространстве (размещать), параметры (весить).

К морфологическим свойствам глаголов языка стандартов и языка ТД относят: изъявительное наклонение, несовершенный вид, действительный или страдательный залог. В большинстве предложений языка стандартов и ТД глаголы используются в настоящем времени.

Формальное представление обобщенной модели ЯСЦ языковых объектов типа НБ и ТД ПО. Обобщенная модель ЯСЦ должна обладать достаточной универсальностью, в частности быть пригодной для сжатия текстовой семантической информации, являясь основой построения моделей для экспертной системы поддержки принятия решений СА при экспертировании ПО.

Начальный этап создания модели ЯСЦ состоит в выборе множества базовых категорий. К базовым в данном случае необходимо отнести следующие категории: «предмет», «свойства предмета», «отношение предмета к другим предметам».

Анализ базовой категории «предмет». Представим базовую категорию «предмет» в виде множества

е={01, а,..., а},

где — основной предмет; 02, ..., & — вспомогательные (взаимодействующие) предметы.

Представление предмета в виде множества предметов позволяет формулировать сложные запросы одновременно в одном запросе и выражает потребность пользователя в двух, трех и т. д. равных по значимости предметах.

В общем случае наличие нескольких предметов в модели ЯСЦ позволяет формально осуществить поиск по любому из них или по сочетанию нескольких, не отдавая предпочтения тем или иным предметам.

Анализ базовой категории «свойства предмета». Обозначим через J множество свойств предмета. Тогда

J = {Л, J2} ,

где Jl, J2 — качественная и количественная определенности.

Представим качественную определенность предмета в виде множества, состоящего из четырех элементов:

/1 = {М, N2, N3, N4},

где N — функциональное назначение; N 2 — область применения; N 3 — отличительный признак; N 4 — принцип действия (взаимодействие элементов, обеспечивающих выполнение заданной функции).

Совокупность свойств, указывающих на размеры предмета и другие параметры, составляет его количество.

Таким образом, количественную определенность предмета можно характеризовать его структурой и параметрами. Тогда количественная определенность представим в виде множества с двумя элементами:

/2 = {¿1,Я} ,

где — структура предмета; ^ 2 — параметры предмета.

Естественно, что предмет имеет множество параметров

¿2 ={^21,^22, ...] .

Качество и количество неразрывно связаны между собой и образуют меру как определенный диапазон, в котором тот или иной параметр модели ЯСЦ имеет допустимое значение.

Для обеспечения гибкости модели ЯСЦ необходимо включить в ее состав обобщенный аспект дополнительных сведений. С его помощью можно отразить запросы по другим свойствам предмета.

Таким образом, категорию свойства каждого предмета, представленного в модели ЯСЦ, можно записать в виде

/ = {N1, N2, N3, N4, Ц, ¿2, £},

где .О — дополнительные сведения.

Анализ базовой категории «отношение предмета к другим предметам». Как известно, отношение — категория, характеризующая взаимозависимость элементов определенной системы; оно имеет объективный и универсальный характер.

Формальное описание отношений в естественных и искусственных языках для повествовательной формы выражений принято осуществлять предикатами. В обобщенном виде, предикат от п переменных (от п неопределенных терминов или слов) представляется в виде зависимости

Р(х0, Х1, Х2 ,..., Хп ), п > 0.

При n = 0 предикат совпадает с высказыванием; при n = 1 предикат представляет собой свойство в узком смысле (одноместный предикат); при n = 2 — свойство пары (двухместный предикат, или бинарное отношение); при n = 3 — свойство тройки (трехместный предикат или тернарное отношение) и т. д. Выражения «х — оператор программы», «х принадлежит у»; «х — часть у и z» служат соответственно примерами одно-, двух- и трехместного предикатов.

Формальной основой модели является матрица, в которой по вертикали расположены аспекты (категории), количественно отображающие посредством знаков полноту представления семантической информации (далее — полнота), по горизонтали — позиции, количественно отображающие посредством знаков точность представления семантической информации (далее — точность).

Введем для дальнейших рассуждений понятие «аспект» а, характеризующий определенное свойство объекта и не поддающийся дальнейшему смысловому делению. В математической интерпретации аспект представляет собой кортеж знаков (букв, слов, символов и др.), длина которого может быть произвольной. Так, кортежем длины n является запись вида

а = < ai,й2,...,an >,

где а1, а„ — первая и последняя компоненты соответственно.

Применительно к текстовой форме семантической информации аспекты представляются кортежами знаков типа букв, цифр, символов из различных алфавитов: русского, латинского, греческого, специального.

Свойство аспекта быть кортежем подтверждается следующим его свойством:

а = {ai еа : a, ^ R(a,)},

где R(a,) — отношение «быть упорядоченным по местам». При min а = a1, max а = an, i = 1, n.

Vа,(а, е а){Q(а,) v-Q(а,)},

где Q^,) — отношение «быть одинаковыми».

Действительно, в названии аспекта или его значении знаки (буквы, цифры и др.) могут быть одинаковыми и разными.

В информационном плане аспект является элементом слова С:

Vаi: а, еа^ а1 е C.

Каждый аспект характеризуется точностью, т. е. содержит определенное число знаков.

Слово С характеризует предмет, его свойства и отношения. В семантическом плане слово состоит из аспектов. Глубина характеристики объекта определяется количеством аспектов в слове, которое оценивается объемом сведений, необходимым для описания объекта в рамках решаемой задачи. В общем случае число аспектов определяется на основании анализа статистических данных. В частном случае возможно строгое аналитическое определение числа аспектов.

В математической интерпретации слово в общем случае представляет собой кортеж знаков, длина которого может быть произвольной. Выражение вида С =<К],х2,...,хт >, являясь словом, представляет собой кортеж длины т.

Описанные выше элементы модели ЯСЦ транслируются в соответствующие элементы системы онтологий [13-15], а именно: в онтологию верхнего уровня для описания НБ сертификации, в онтологию предметных областей для представления знаний каждого отдельного нормативного документа, в онтологию источника знаний, который описывает терминосистему предметной области сертификации, в онтологию задач и методов. При этом в онтологии задач и методов представлен метод извлечения знаний из нормативных документов, в основу которого положена валентность глаголов. Онтология запроса описывает конкретный запрос пользователя к объекту сертификации, а онтология-приложение — срез онтологии предметной области и онтологии задач и методов к онтологии запроса. Онтологическая система, построенная на основе модели ЯСЦ, является ядром диалоговой системы поддержки принятия решений СА.

Выводы. Описанная модель ЯСЦ языковых объектов из предметной области «Сертификация систем с интенсивным использованием ПО» является формальной основой для создания системы онто-логий, содержащих знания концептуального характера о смысловой структуре НБ и ТД на системы, подвергаемые процедуре сертификации. Применение модели ЯСЦ позволит обеспечивать возможность реализации онтологического среза и формирования на его основе отчетов в ответ на запросы пользователя, которым является СА.

ЛИТЕРАТУРА

[1] Харченко В.С., Ястребинецкий М.А., Васильченко В.Н. Нормирование и оценка безопасности информационных и управляющих АЭС: регулирующие требования к программному обеспечению. Ядерная и радиационная безопасность, 2002, № 1, с. 18—33.

[2] Конорев Б.М., Сергиенко В.В., Чертков Г.Н., Алексеев Ю.Г. Доказательная независимая верификация и оценка скрытых дефектов критического программного обеспечения на основе диверсифицированного измерения инвариантов. Радиоэлектронные и компьютерные системы, 2009, № 7, с. 192—199.

[3] Харченко В.С., Скляр В.В., Тарасюк О.М. Анализ рисков аварий для ракетно-космической техники: эволюция причин и тенденций. Радиоэлектронные и компьютерные системы, 2003, № 3, с. 135—149.

[4] Тарасюк О.М. Методы и инструментальные средства метрико-вероят-ностной оценки качества программного обеспечения информационно-управляющих систем критического применения. Дис. ... канд. техн. наук. Харьков, 2004, 204 с.

[5] Шостак И.В., Шостак И.В., Бутенко Ю.И., Шостак Е.И. Знание-ориентированные методы формирования нормативных профилей к системам критического применения на основе онтологий. Радиоэлектронные и компьютерные системы, 2010, № 5, с. 104—108.

[6] Шостак И.В., Бутенко Ю.И. Подход к автоматизации процесса формирования нормативного профиля при сертификации программных продуктов. Системы обработки информации, 2010, № 8 (89), с. 122—126.

[7] Даниленко В.П. Лексические требования к стандартизуемой терминологии. Терминология и норма. Москва, Наука, 1972, с. 5—32.

[8] Даниленко В.П. Русская терминология. Опыт лингвистического описания. Москва, Наука, 1977, 246 с.

[9] Нелюбин Л.Л. Перевод и прикладная лингвистика. Москва, Высш. шк., 1983, 207 с.

[10] Ахо А., Ульман Дж. Теория синтаксического анализа, перевода и компиляции. Москва, Мир, 1978, 616 с.

[11] Апресян Ю.Д. Исследования по семантике и лексикографии. Т. 1: Парадигматика. Москва, Языки славянских культур, 2009, 568 с.

[12] Апресян Ю.Д. Избранные труды. В 2 т. Т. 1. Лексическая семантика (синонимические средства языка). Москва, Восточная литература, 1995, 472 с.

[13] Лукашевич Н.В. Тезаурусы в задачах информационного поиска. Москва, Изд-во Моск. ун-та, 2011, 512 с.

[14] Левашова Т.В., Пашкин М.П., Смирнов А.В. Управление онтологиями (базами знаний). Ч. I. Известия РАН. Сер. Теория и системы управления. 2003, № 4, с. 132—146.

[15] Левашова Т.В., Пашкин М.П., Смирнов А.В. и др. Управление онтологиями. Ч. II. Известия РАН. Сер. Теория и системы управления, 2003, № 5, с. 89—101.

Статья поступила в редакцию 05.07.2013

Ссылку на эту статью просим оформлять следующим образом:

Бутенко Ю.И., Шостак И.В. Семантическая модель языковых объектов для автоматизации процесса сертификации систем критического применения. Инженерный журнал: наука и инновации, 2013, вып. 12. URL: http://engjournal.ru/ catalog/appmath/hidden/ 1165.html

Бутенко Юлия Ивановна родилась в 1987 г., окончила Национальный аэрокосмический университет им. Н.Е. Жуковского «ХАИ» в 2009 г. Аспирантка кафедры «Инженерия программного обеспечения» Национального аэрокосмического университета им. Н.Е. Жуковского «ХАИ». Автор 10 работ в области искусственного интеллекта и прикладной лингвистики. e-mail: iuliiabutenko@yandex.ru

Шостак Игорь Владимирович родился в 1961 г., окончил Харьковский институт радиоэлектроники в 1983 г. Д-р техн. наук, профессор кафедры «Инженерия программного обеспечения» Национального аэрокосмического университета им. Н.Е. Жуковского «ХАИ». Автор около 150 научных работ в области искусственного интеллекта и информационных технологий. e-mail: iv_shostak@rambler.ru