Машинне навчання в покращенні візуалізації просторової моделі архітектури програми
Loading...
Date
2025
Authors
Франків, Олександр
Journal Title
Journal ISSN
Volume Title
Publisher
Abstract
Візуальна естетичність та обчислювальна ефективність є однаково важливими аспектами у контексті створення якісного представлення даних для подальшого аналізу. Гармонійне поєднання цих характеристик забезпечує не лише зручність сприйняття, але й оптимізує процеси оброблення даних, що є критично важливим у сучасному програмному забезпеченні. У пропонованій статті розкрито новий комбінований підхід до розміщення графів у просторі. Особливу увагу приділено просторовим моделям архітектури програмного забезпечення, що є ключовим інструментом для візуалізації складних взаємозв'язків між компонентами. Застосування графових нейронних мереж як спеціалізованої евристики – центральний елемент зазначеного підходу. Завдяки використанню методів машинного навчання, запропонований підхід дає змогу поліпшити результати візуалізації та підвищити обчислювальну ефективність. Використання графової нейронної мережі забезпечує адаптивність і здатність моделі враховувати специфічні особливості графу. Це, у комбінації із силовим алгоритмом, сприяє збереженню високого рівня естетичності візуального представлення без значного збільшення ресурсних витрат. Отже, новий метод пропонує практичне рішення для ефективного поєднання візуальної естетики й обчислювальної ефективності, що є важливим кроком у вдосконаленні
аналізу просторових моделей архітектури програмного забезпечення.
Description
Visual aesthetics and computational efficiency are equally important aspects in the context of creating high-quality data representations for further analysis. A harmonious combination of these characteristics not only enhances the ease of perception but also optimizes data processing workflows, which is critically important in modern software systems. This paper proposes a novel combined approach for spatial graph placement. Special attention is given to spatial models of software architecture, which serve as key tools for visualizing complex relationships between components. The use of graph neural networks as a specialized heuristic
forms the central element of this approach. Leveraging machine learning methods, the proposed solution improves visualization outcomes while enhancing computational efficiency. The application of a graph neural network ensures adaptability and enables the model to account for the specific features of the graph. In combination with a force-directed algorithm, this allows for maintaining a high level of visual aesthetics without significant increases in resource consumption. Thus, the new method offers a practical solution for effectively combining visual aesthetics with computational efficiency, representing an important step forward in enhancing the analysis of spatial models in software architecture.
Keywords
нейронна мережа, машинне навчання, граф, графова нейронна мережа, графовий згортковий оператор (GCNConv), архітектура програмного забезпечення, автоматична візуалізація архітектури програмного забезпечення, часова складність алгоритму, стаття, neural network, machine learning, graph, graph neural network, graph convolutional operator (GCNConv), software architecture, automatic visualization of software architecture, time complexity of an algorithm
Citation
Франків О. О. Машинне навчання в покращенні візуалізації просторової моделі архітектури програми / Олександр Франків // Вісник Київського національного університету імені Тараса Шевченка. Фізико-математичні науки. - 2025. - Т. 80, № 1. - C. 164-173. - https://doi.org/10.17721/1812-5409.2025/1.22