패턴 기반 모델 간 변환: 선언적 삼중 그래프와 자동 규칙 생성

초록

본 논문은 모델‑대‑모델(M2M) 변환을 선언적 패턴(양·음 조건)으로 기술하고, 이를 삼중 그래프 제약으로 표현한다. 패턴 집합을 자동으로 연산 규칙(Triple Graph Grammar)으로 컴파일하며, 패턴 간 의존성을 추론하는 Deduction 기법을 제시한다. 전·후 변환 및 모델 매핑을 모두 지원하는 형식적 기반을 제공한다.

상세 분석

이 논문은 기존 선언적 M2M 접근법이 갖는 “인과관계 명시 필요”라는 한계를 극복하고자, 삼중 그래프(triple graph) 위에 선언적 패턴을 정의한다. 삼중 그래프는 소스 그래프 Gs, 타깃 그래프 Gt, 그리고 두 그래프를 연결하는 중간 대응 그래프 Gc 로 구성되며, 각각의 정점 사이에 대응 함수 cs, ct 가 존재한다. 패턴은 양(positive) 전조건, 음(negative) 전조건, 음 후조건을 조합한 형태로 정의되며, S‑Pattern(단순), C‑Pattern(복합), N‑Pattern(음) 세 종류가 있다.

패턴 만족도는 전방(forward)과 후방(backward) 두 방향으로 정형화된다. 전방 만족은 소스 그래프에 전조건이 충족되지 않을 경우(즉, 부정 전조건이 존재하지 않을 경우) 자동으로 vacuous satisfaction 으로 간주하고, 전조건이 충족되면 양 그래프 Q 가 존재해야 하며, 동시에 모든 음 후조건이 존재하지 않아야 한다. 후방 만족은 타깃 그래프에 대해 대칭적으로 정의된다. 이러한 이중 만족 정의는 변환이 양방향으로 일관되게 동작하도록 보장한다.

핵심 기여는 두 단계의 컴파일 과정이다. 첫 번째 단계에서는 Deduction 규칙을 이용해 패턴 간 의존성을 자동으로 추출한다. 여기서는 두 패턴의 최대 교집합(MIO, Maximal Intersection Object)을 계산하여, 한 패턴이 다른 패턴의 전조건을 만족시키는 경우 새로운 복합 패턴(C‑Pattern)이나 추가 음 후조건을 생성한다. 예를 들어, 클래스‑테이블(C‑T) 패턴과 속성‑컬럼(A‑Co) 패턴 사이에 “이미 C‑T 관계가 존재하면 A‑Co 를 생성하지 않는다”는 의존성이 자동으로 도출된다.

두 번째 단계에서는 각 (강화된) 패턴을 구체적인 Triple Graph Grammar(TGG) 규칙으로 변환한다. 전방 변환 규칙은 패턴의 양 그래프 Q 를 소스에 매핑하고, 필요 시 타깃 요소를 생성한다. 후방 규칙은 그 반대 방향으로 동작한다. 또한, 두 모델 간 매핑(←→ S)도 동일한 규칙 집합을 이용해 구현한다. 이렇게 생성된 운영 규칙은 선언적 사양과 동등한 의미론을 유지하면서, 실제 변환 엔진에 적용 가능하도록 낮은 수준의 그래프 재작성 형태로 제공된다.

형식적 분석 측면에서는 패턴 집합이 충돌 없이 동시에 만족 가능한지, 혹은 변환이 종료성을 보장하는지 등을 검증할 수 있는 기법을 제시한다. 특히, 음 패턴을 이용해 중복 생성 방지를 명시함으로써, 규칙 적용 순서에 따른 비의도적 중복을 방지한다.

전반적으로 이 접근법은 선언적 사양의 간결함과 운영 규칙의 구체성을 동시에 제공한다. 패턴 의존성 자동 추출과 규칙 생성 과정이 형식적으로 정의되어 있어, 변환 사양의 검증·정형화가 가능하고, 기존 TGG 기반 도구와도 호환될 수 있다.