AT528485A2 - Verfahren zur Funktionsanalyse eines Quellsystems - Google Patents

Abstract

Die Erfindung bezieht sich auf ein Verfahren zur Funktionsanalyse eines Quellsystems (1), wobei aus den Programmcodedaten des Quellsystems (1) ein Syntaxbaummodell (3) erzeugt wird. Um ein Verfahren zur Funktionsanalyse eines Quellsystems (1), insbesondere mit umfangreichen Programmcodedaten, vorzuschlagen, welches es ermöglicht, zusammenhängende Funktionseinheiten besser zu erkennen und bei hoher Ergebnisqualität und gleichzeitig geringen Ressourcenanforderungen die Weiterverarbeitung durch ein großes Sprachmodell zu verbessern, sieht die Erfindung vor, dass durch eine Syntaxanalyseeinheit (4) ein Syntaxeinbettungsmodell durch Zerlegen des Syntaxbaummodells (3) in einzelne, je ein Syntaxelement repräsentierende Syntaxelementeinbettungen (5) erzeugt und in einem Syntaxeinbettungsmodellspeicher (6) abgelegt wird und dass durch eine Sprachanalyseeinheit (8) ein Spracheinbettungsmodell durch Zerlegen der Programmcodedaten in einzelne, je ein Sprachelement repräsentierende Sprachelementeinbettungen (9) erzeugt und in einem Spracheinbettungsmodellspeicher (10) abgelegt wird, wonach durch eine Abfrageeinheit (12) aus einer, ein Funktionselement des Quellsystems (1) repräsentierenden Abfrage (11) wenigstens eine Abfrageeinbettung (13) erzeugt und aus dem Syntaxeinbettungsmodellspeicher (6) und dem Spracheinbettungsmodellspeicher (10) jene Syntaxelementeinbettungen (5) und Sprachelementeinbettungen (9) abgerufen werden, die innerhalb eines vorgegebenen Ähnlichkeitsbereichs zur Abfrageeinbettung (13) liegen, wonach die durch die abgerufenen Syntaxelementeinbettungen (5) repräsentierten Syntaxelemente und die durch die abgerufenen Sprachelementeinbettungen (9) repräsentierten Sprachelemente als Ergebniselemente (14) einer Ausgabeeinheit (15) übergeben werden, die daraus einen Funktionsbeschreibungsdatensatz (16) erzeugt und ausgibt.

Description

x bes AT 528 485 A2 2026-01-15

Ss N

Beschreibung

[0001] Die Erfindung bezieht sich auf ein Verfahren zur Funktionsanalyse eines Quellsystems, wobei aus den Programmcodedaten des Quellsystems ein Syntaxbaummodell erzeugt wird.

[0002] Zur automatischen Funktionsanalyse von computerimplementierten Systemen ist es beispielsweise aus der US20220261241A1 bekannt, aus den Programmcodedaten eines Systems einen Syntaxbaum zu erstellen und mithilfe eines neuronalen Netzwerkes einen Funktionsbeschreibungstext in natürlicher Sprache zu erzeugen. Das neuronale Netzwerk wird dabei sowohl anhand bekannter Spezifikationen der eingesetzten Programmiersprache als auch anhand eines Trainingssets von open- source Programmcodedatenbanken trainiert. Nachteilig an einem derartigen Verfahren ist, dass die aus dem Syntaxbaum ableitbaren Informationen bestehende Dokumentation nicht berücksichtigen, inhaltlich zusammenhängende Funktionselemente nur unzureichend erkannt und der Funktionsbeschreibungstext in natürlicher Sprache nur einen geringen Abstraktionsgrad erreicht, sodass eine manuelle Analyse des Programmcodes vielfach erforderlich ist.

[0003] Die US20240020116A1 zeigt ein Verfahren zur Erzeugung natürlicher Sprachelemente basierend auf Programmcodedaten eines Systems. Ein Modell für maschinelles Lernen wird dabei mithilfe von Programmcodedaten mit bekannter Funktion und diesen Programmcodedaten zugeordneten natürlichen Sprachelementen trainiert, wonach natürliche Sprachelemente aus unbekannten Programmcodedaten generiert werden. Auf Basis dieser Ergebniselemente können mithilfe eines großen Sprachmodells Zusammenfassungen, Code Dokumentation oder Übersetzungen erstellt werden. Zusätzlich können aus einer Abfrage in natürlicher Sprache Programmcodedaten generiert werden. Nachteilig an diesem Verfahren ist, dass ausschließlich Sprachelemente mit vorbekannter Funktion erkannt werden können.

[0004] Darüber hinaus wurde bereits vorgeschlagen, eine Funktionsanalyse von Programmcodedaten direkt durch Inferenz mit einem großen Sprachmodell zu erzeugen. Nachteilig daran sind allerdings einerseits die limitierte Größe des Inferenzdatensatzes und andererseits die für große Sprachmodelle typischen Halluzinationen sowie Ungenauigkeiten in der Funktionsbeschreibung, die die Funktionsanalyse von Quellsystemen mit umfangreichen Programmcodedaten unmöglich machen.

[0005] Der Erfindung liegt somit die Aufgabe zugrunde, ein Verfahren zur Funktionsanalyse eines Quellsystems der eingangs beschriebenen Art, insbesondere mit umfangreichen Programmcodedaten, vorzuschlagen, welches es ermöglicht, zusammenhängende Funktionseinheiten besser zu erkennen und bei hoher Ergebnisqualität und gleichzeitig geringen Ressourcenanforderungen die Weiterverarbeitung durch ein großes Sprachmodell zu verbessern.

[0006] Die Erfindung löst die gestellte Aufgabe dadurch, dass durch eine Syntaxanalyseeinheit ein Syntaxeinbettungsmodell durch Zerlegen des Syntaxbaummodells in einzelne, je ein Syntaxelement repräsentierende Syntaxelementeinbettungen erzeugt und in einem Syntaxeinbettungsmodellspeicher abgelegt wird und dass durch eine Sprachanalyseeinheit ein Spracheinbettungsmodell durch Zerlegen der Programmcodedaten in einzelne, je ein Sprachelement repräsentierende Sprachelementeinbettungen erzeugt und in einem Spracheinbettungsmodellspeicher abgelegt wird, wonach durch eine Abfrageeinheit aus einer, ein Funktionselement des Quellsystems repräsentierenden Abfrage wenigstens eine Abfrageeinbettung erzeugt und aus dem Syntaxeinbettungsmodellspeicher und dem Spracheinbettungsmodellspeicher jene Syntaxelementeinbettungen und Sprachelementeinbettungen abgerufen werden, die innerhalb eines vorgegebenen Ähnlichkeitsbereiches zur Abfrageeinbettung liegen, wonach die durch die abgerufenen Syntaxelementeinbettungen repräsentierten Syntaxelemente und die durch die abgerufenen Sprachelementeinbettungen repräsentierten Sprachelemente als Ergebniselemente einer Ausgabeeinheit übergeben werden, die daraus einen Funktionsbeschreibungsdatensatz erzeugt und ausgibt. Zufolge dieser Maßnahmen können auch sehr umfangreiche Programmcodedaten sowohl hinsichtlich der Programmlogik als auch hinsichtlich etwaiger im Programmcode enthaltener Kommentare und Dokumentationen in natürlicher Sprache in kleinere Funktionselemente zerlegt werden, wobei die Ergebniselemente die Aspekte des jeweiligen Funktionselementes selbst bei

x bes AT 528 485 A2 2026-01-15

Ss N

verteilten Programmcodeteilen so umfangreich charakterisieren, dass trotz reduziertem Ressourcenverbrauch ein vollständiger Funktionsbeschreibungsdatensatz erzeugt werden kann. Die Abfrageeinheit kann aus der Abfrage vorzugsweise zwei Abfrageeinbettungen erzeugen, wobei je eine Abfrageeinbettung für das Spracheinbettungsmodell und eine Abfrageeinbettung für das Syntaxeinbettungsmodell vorgesehen sein kann. Dies ist insbesondere dann erforderlich, wenn die Dimensionen der Einbettungsmodelle voneinander abweichen. Als Einbettungsmodelle können in einfachster Weise Schlüssel-Wert Zuordnungen vorgesehen sein, die Syntax- und Sprachelemente einzelnen Schlüsseln zuweisen. Als Einbettungsmodelle können auch Vektorraummodelle eingesetzt werden, sodass die Sprach- und Syntaxelementeinbettungen dementsprechend als Sprach- und Syntaxelementvektoren erfolgen. Im Fall von Vektorraummodellen als Einbettungsmodelle können die Abfrageeinbettungen als Abfragevektoren vorgesehen sein, wobei die Dimension eines ersten Abfragevektors der Dimension des Sprachvektorraumes entspricht und die Dimension eines zweiten Abfragevektors der Dimension des Syntaxvektorraumes entspricht. Schließlich können als Einbettungsmodelle auch Grapheinbettungsmodelle eingesetzt werden, die einzelne Syntax- und Sprachelemente über ihre Beziehungen zu anderen Syntaxund Sprachelementen abbilden. Der Ähnlichkeitsbereich, insbesondere der Abstand zwischen den Sprach- und Syntaxelementeinbettungen auf der einen und den jeweiligen Abfrageeinbettungen auf der anderen Seite, kann insbesondere in der Ausführungsform von Vektorraummodellen beispielsweise durch deren Kosinus-Ähnlichkeit bestimmt werden. Alternativ können andere Ähnlichkeitsmaße wie beispielsweise die Jaro-Winkler Distanz, die Levenshtein Distanz oder der Jaccard Index zur Bestimmung derjenigen Sprach- und Syntaxelementeinbettungen, die innerhalb eines vorgegebenen Ähnlichkeitsbereichs zu den Abfrageeinbettungen liegen, herangezogen werden. Der Ähnlichkeitsbereich kann beispielsweise auch dadurch bestimmt werden, dass eine Anzahl von nach Ihrer Distanz zur jeweiligen Abfrageeinbettung aufsteigend gereihter Syntaxbzw. Sprachelementeinbettungen vorgeben wird. Die Programmcodedaten können sowohl funktionale Befehle in einer Programmiersprache als auch Dokumentation in natürlicher Sprache umfassen. Die Programmcodedaten können vom Quellsystem abgerufen werden.

[0007] Um trotz unvollständig dokumentierter Programmcodedaten und über die reinen Programmcodedaten hinausgehender Architekturkonzepte einen vollständigen Funktionsbeschreibungsdatensatz erzeugen zu können, wird vorgeschlagen, dass zumindest abschnittsweise in natürlicher Sprache vorliegende Dokumentationsdaten des Quellsystems durch die SprachanaIyseeinheit in einzelne, je ein Sprachelement repräsentierende Sprachelementeinbettungen zerlegt werden, die dem Spracheinbettungsmodell hinzugefügt und im Spracheinbettungsmodellspeicher abgelegt werden. Dadurch werden die bereits im Spracheinbettungsmodellspeicher vorhandenen und einzelnen Programmcodestellen zuordenbare Sprachelementeinbettungen um zusätzliche Informationen angereichert, die sich zwar nicht aus den Programmcodedaten selbst, aber durch andere Dokumentationsdaten, wie beispielsweise Lasten- oder Pflichtenheften, Projektdokumentation, Fallbearbeitungssystemdaten oder Handbüchern ergeben.

[0008] Um einerseits mögliche Lücken in den Syntax- und Sprachelementen, welche als Ergebniselemente an die Ausgabeeinheit übergeben werden, zu füllen und andererseits zu exakte oder widersprüchliche Informationen aufzulösen, kann die Ausgabeeinheit aus den Ergebniselementen einen Inferenzdatensatz für ein großes Sprachmodell erzeugen und einer Inferenzplattform übergeben, wonach die Inferenzantwort als Funktionsbeschreibungsdatensatz ausgegeben wird. Dies bringt den Vorteil mit sich, dass anhand der Ergebniselemente ein zwar verhältnismäßig kleiner, aber doch sehr spezifischer Inferenzdatensatz erzeugt werden kann, der möglichen, sich aus dem großen Sprachmodell ergebenden Halluzinationen vorbeugt. Dadurch kann die jeweilige Inferenzplattform auf zuverlässigere Weise dazu eingesetzt werden, den Abstraktionsgrad der Ergebniselemente zu verringern sowie mögliche Widersprüche anhand allgemein verfügbarer Informationen aufzulösen oder Lücken hierdurch zu füllen. Weiters kann durch den Inferenzdatensatz die Inferenzantwort als Funktionsbeschreibungsdatensatz an ein mögliches vom Quellsystem in seiner Architektur abweichendes Zielsystem angepasst werden. Als große Sprachmodelle können beispielsweise generative vortrainierte Transformer (GPT) eingesetzt werden.

[0009] Um die Anwendbarkeit des erfindungsgemäßen Verfahrens auf unterschiedliche Quell-

x bes AT 528 485 A2 2026-01-15

Ss N

systeme zu ermöglichen, wird vorgeschlagen, dass das Syntaxbaummodell programmierspracheunabhängig, insbesondere ein Generisches Abstraktes Syntaxbaum-Metamodell (GASTM) ist. Dies hat den Vorteil, dass das Syntaxbaummodell und damit auch der Syntaxeinbettungsmodellspeicher unabhängig von der verwendeten Programmiersprache aufgebaut und weiterverwendet werden kann. Ein Syntaxelement kann ein oder mehrere Knoten des Syntaxbaummodells umfassen, die vorzugsweise funktionell zusammenhängen bzw. eine funktionale Einheit bilden.

[0010] Eine vollständige Abbildung für das Quellsystem relevanter Funktionen kann erreicht werden, wenn eine Generatoreinheit aus dem Syntaxbaummodell Funktionselemente des Quellsystems anhand vorgegebener Regeln auswählt und je Funktionselement eine Abfrage zur Übergabe an die Abfrageeinheit erzeugt. Zufolge dieser Maßnahmen werden die einzelnen Funktionselemente des Quellsystems aufgrund ihrer Syntaxelemente systematisch aus dem Syntaxbaummodell ausgewählt, wobei die vorgebbaren Regeln beispielsweise auf bestimmten Ablaufmustern in der Aufruf- und Stapelverfolgung oder auf anderen syntaktischen Zusammenhängen beruhen können. Der Einsatz solcher Regeln ermöglicht es, unterschiedliche Quellsysteme einer gemeinsamen Systematik folgend hinsichtlich ihrer Funktion zu analysieren und für die einzelnen Funktionselemente Funktionsbeschreibungsdatensätze zu erzeugen.

[0011] Obwohl es grundsätzlich ausreichend sein kann, in einer bevorzugten Ausführungsform im Funktionsbeschreibungsdatensatz maschinenlesbare Informationen in einer Auszeichnungssprache vorzusehen, kann eine einfache Portierung zwischen verschiedenen Systemarchitekturen mithilfe des erfindungsgemäßen Verfahrens verbessert werden, wenn die Funktionsbeschreibungsdatensätze Programmcodedaten für ein vom Quellsystem in seiner Architektur abweichendes Zielsystem umfassen. Zufolge dieser Merkmale wird durch die Ausgabeeinheit ein Funktionsbeschreibungsdatensatz in einer maschinenlesbaren Sprache zur Verfügung gestellt, welcher vorzugsweise direkt auf dem Zielsystem ausführbar ist und in einem Programmcodespeicher des Zielsystems abgelegt wird. Zu diesem Zweck können die im Funktionsbeschreibungsdatensatz enthaltenen Programmcodedaten an das Zielsystem übertragen werden.

[0012] In der Zeichnung ist der Erfindungsgegenstand beispielsweise dargestellt, und zwar in einem schematischen Blockdiagramm.

[0013] Ein erfindungsgemäßes Verfahren umfasst ein Quellsystem 1, aus dessen Programmcodedaten mithilfe eines Syntaxbaumgenerators 2 ein Syntaxbaummodell 3 erzeugt wird. Durch Zerlegung des Syntaxbaummodells 3 können durch eine Syntaxanalyseeinheit 4 mehrere, je ein Syntaxelement repräsentierende Syntaxelementeinbettungen 5 erzeugt werden, welche in einem Syntaxeinbettungsmodell in einem Syntaxeinbettungsmodellspeicher 6 abgelegt werden. Parallel können sowohl aus den Programmcodedaten des Quellsystems 1 als auch aus in natürlicher Sprache vorliegenden Dokumentationsdaten 7 des Quellsystems 1 in einer Sprachanalyseeinheit 8 Sprachelementeinbettungen 9 generiert werden, welche in einem Spracheinbettungsmodell in einem Spracheinbettungsmodellspeicher 10 abgelegt werden.

[0014] Basierend auf einer Abfrage 11 können in einer Abfrageeinheit 12 mehrere Abfrageeinbettungen 13 erzeugt werden, deren Dimension in einer bevorzugten Ausführungsform jeweils der Dimension des Sprach- bzw. Syntaxeinbettungsmodells entspricht. Aus dem Syntaxeinbettungsmodellspeicher 6 und dem Spracheinbettungsmodellspeicher 10 werden anschließend diejenigen Syntaxelementeinbettungen 5 und Sprachelementeinbettungen 9, welche innerhalb eines vorgegebenen Ähnlichkeitsbereichs, insbesondere in einem vorgegebenen Abstand, zu den Abfrageeinbettungen 13 liegen, abgerufen und als Ergebniselemente 14 an eine Ausgabeeinheit 15 übergeben. In der Ausgabeeinheit 15 wird daraufhin aus den Ergebniselementen 14 ein Funktionsbeschreibungsdatensatz 16 erzeugt.

[0015] Vorzugsweise kann die Ausgabeeinheit 15 aus den erhaltenen Ergebniselementen 14 vorerst einen Inferenzdatensatz 17 für ein großes Sprachmodell generieren und einer Inferenzplattform 18 übergeben. Die Inferenzantwort 19 kann schließlich in der Ausgabeeinheit 15 zur Erstellung des Funktionsbeschreibungsdatensatzes 16 dienen, insbesondere den Funktionsbeschreibungsdatensatz 16 bilden.

417

x bes AT 528 485 A2 2026-01-15

Ss N

[0016] In der gezeigten Ausführungsform kann die Abfrage 11 in einer Generatoreinheit 20 auf Basis der Funktionselemente des Syntaxbaummodells 3 erstellt werden.

[0017] Der aus dem Verfahren resultierende Funktionsbeschreibungsdatensatz 16 kann Programmcodedaten für ein vom Quellsystem 1 in seiner Architektur abweichendes Zielsystem 21 umfassen.

Claims (6)

x bes AT 528 485 A2 2026-01-15 Ss N Patentansprüche

1. Verfahren zur Funktionsanalyse eines Quellsystems (1), wobei aus den Programmcodedaten des Quellsystems (1) ein Syntaxbaummodell (3) erzeugt wird, dadurch gekennzeichnet, dass durch eine Syntaxanalyseeinheit (4) ein Syntaxeinbettungsmodell durch Zerlegen des Syntaxbaummodells (3) in einzelne, je ein Syntaxelement repräsentierende Syntaxelementeinbettungen (5) erzeugt und in einem Syntaxeinbettungsmodellspeicher (6) abgelegt wird und dass durch eine Sprachanalyseeinheit (8) ein Spracheinbettungsmodell durch Zerlegen der Programmcodedaten in einzelne, je ein Sprachelement repräsentierende Sprachelementeinbettungen (9) erzeugt und in einem Spracheinbettungsmodellspeicher (10) abgelegt wird, wonach durch eine Abfrageeinheit (12) aus einer, ein Funktionselement des Quellsystems (1) repräsentierenden Abfrage (11) wenigstens eine Abfrageeinbettung (13) erzeugt und aus dem Syntaxeinbettungsmodellspeicher (6) und dem Spracheinbettungsmodellspeicher (10) jene Syntaxelementeinbettungen (5) und Sprachelementeinbettungen (9) abgerufen werden, die innerhalb eines vorgegebenen Ähnlichkeitsbereichs zur Abfrageeinbettung (13) liegen, wonach die durch die abgerufenen Syntaxelementeinbettungen (5) repräsentierten Syntaxelemente und die durch die abgerufenen Sprachelementeinbettungen (9) repräsentierten Sprachelemente als Ergebniselemente (14) einer Ausgabeeinheit (15) übergeben werden, die daraus einen Funktionsbeschreibungsdatensatz (16) erzeugt und ausgibt.

2. Verfahren nach Anspruch 1, dadurch gekennzeichnet, dass zumindest abschnittsweise in natürlicher Sprache vorliegende Dokumentationsdaten (7) des Quellsystems (1) durch die Sprachanalyseeinheit (8) in einzelne, je ein Sprachelement repräsentierende Sprachelementeinbettungen (9) zerlegt werden, die dem Spracheinbettungsmodell hinzugefügt und im Spracheinbettungsmodellspeicher (10) abgelegt werden.

3. Verfahren nach einem der Ansprüche 1 oder 2, dadurch gekennzeichnet, dass die Ausgabeeinheit (15) aus den Ergebniselementen (14) einen Inferenzdatensatz (17) für ein großes Sprachmodell erzeugt und einer Inferenzplattform (18) übergibt, wonach die Inferenzantwort (19) als Funktionsbeschreibungsdatensatz (16) ausgegeben wird.

4. Verfahren nach einem der Ansprüche 1 bis 3, dadurch gekennzeichnet, dass das Syntaxbaummodell ein Generisches Abstraktes Syntaxbaum-Metamodell ist.

5. Verfahren nach einem der Ansprüche 1 bis 4, dadurch gekennzeichnet, dass eine Generatoreinheit (20) aus dem Syntaxbaummodell Funktionselemente des Quellsystems (1) anhand vorgegebener Regeln auswählt und je Funktionselement eine Abfrage (11) zur Übergabe an die Abfrageeinheit (12) erzeugt.

6. Verfahren nach einem der Ansprüche 1 bis 5, dadurch gekennzeichnet, dass der Funktionsbeschreibungsdatensatz (16) Programmcodedaten für ein vom Quellsystem (1) in seiner Architektur abweichendes Zielsystem (21) umfassen.

Hierzu 1 Blatt Zeichnungen