[发明专利]一种基于对象分类和自适应子图匹配的API推荐方法

权利要求书

1.一种基于对象分类和自适应子图匹配的API推荐方法，首先从GitHub上下载若干项目源代码，使用抽象语法树从方法级别进行语法分析，得到若干API使用模式串；针对API模式串中的每一个API方法，依据其所属的类进行分组，由此便可得到类库中每个类的API方法使用模式串；根据抽取出的属于单个类的API方法模式串建立图库GDB(GraphDataBase)，当开发者开发过程中需要在位置L处进行API方法推荐时，则会从位置L的上文环境中抽取与位置L处待推荐方法同属一个类库的API方法串，建立子图SG(SubGraph)，再使用基于剪枝的自适应子图匹配算法(Pruning-Based Adaptive Subgraph MatchingAlgorithm)在图库GDB中搜索最佳可能匹配结果，从而生成推荐方法列表，呈现给开发人员。

2.根据权利要求1中所述的一种基于对象分类和自适应子图匹配的API推荐方法，其特征是包括以下步骤：

1)根据从GitHub中下载得到的源代码文件，建立抽象语法树AST(Abstract SyntaxTree)，通过语法分析得到方法级别的API方法调用模式串；

2)针对API方法调用模式串中的每一个调用方法，根据其所属的类库进行分组，得到类库中每个类中的API方法使用模式串；

3)根据步骤2)中得到的各个类库的API模式串，进行统计学习，建立图库GDB；

4)当开发人员需要在位置L处进行API方法推荐时，按照步骤1)和步骤2)中所描述的方法从位置L处的上文代码中抽取出与待推荐位置的API方法属于相同类的API方法使用模式串，生成子图SG；

5)按照Pruning-based ASMA模型所描述，首先使用剪枝法对步骤4)中生成的待匹配子图SG进行剪枝，得到子图集合SGs，对于子图集合中的任一子图，先计算其概率Prob1，再使用该子图在步骤3)中建立的图库GDB中进行搜索匹配，得到推荐的结果以及对应的概率Prob2，将Prob1以及Prob2相结合，得到每个结果所对应的概率；

6)通过步骤5)即可得到的推荐API方法以及每个方法对应的概率，将概率从高至低依次排序，得到最终的API方法序列，呈现给开发人员。

3.根据权利要求2中所述的一种基于对象分类和自适应子图匹配的API推荐方法，其特征是将步骤1)中到的API方法使用模式串，根据其中API方法所属的类库进行分组，得到类库中每个类中的API方法使用模式串。其主要步骤是：先从GitHub上下载项目源代码，对于其中的每一个源代码文件，分别建立抽象语法树(Abstract Syntax Tree，简记AST)，进行方法级别的语法分析，得到方法级别的API方法使用模式串，根据API方法使用模式串中的每一个API方法所属的类进行分组，得到属于每一个类的API方法使用模式串。最终使用上述步骤得到的分类后的API方法使用模式串进行统计学习，建立图库GDB。

4.根据权利要求2所述的一种基于对象分类和自适应子图匹配的API推荐方法，其特征是基于剪枝的自适应子图匹配算法Pruning-Based ASMA(Pruning-Based AdaptiveSubgraph Matching Algorithm)。当开发者开发过程中，需要在位置L处进行API方法推荐时，首先会采用同上述步骤2)相同的方法，建立抽象语法树进行语法分析，得到位置L上文中已有API调用方法串，再采取步骤3)中所述的方法进行过滤，得到与位置L处所属类库一致的API方法串，建立子图，Pruning-Based ASMA会自动地对当前子图SG进行剪枝操作，得到若干待匹配的子图集合SGs<SubGraph1，SubGraph2，SubGraph3，……>，针对子图集合中的每个子图(以SubGraph1为例)，先计算子图SubGraph1对应的概率Prob1，，再使用SubGraph1在图库GDB中搜索最佳匹配图，从而得到可能的推荐结果<Res1，Res2，……>，以及对应的概率为<Prob2_1，Prob2_2，……>，再将推荐结果的概率与用于搜索匹配的子图概率相结合，得到最终推荐结果<Res1，Res2，……>，及其相应的概率为<Prob1*Prob2_1，Prob1*Prob2_2，……>。按照此方法，依次计算子图集合中其余子图所得到的结果及概率，将概率按照从高至低的顺序进行排序，便可得到最终的推荐结果列表。