[发明专利]一种基于知识图谱和协同过滤的API推荐方法

权利要求书

1.一种基于知识图谱和协同过滤的API推荐方法，其特征在于，包括以下步骤：

(1)根据Mashup与已存在API构建服务知识图谱，将知识谱图中的API使用表示学习算法TransH嵌入到低维向量，计算API实体之间的相似度；

(2)获取目标Mashup使用过的API，根据步骤(1)得到目标Mashup使用过的API的相似API构成推荐列表RS1；

(3)根据Mashup的文本描述文档用自然语言处理技术提取目标Mashup与其它Mashup的功能，通过功能计算目标Mashup与其它Mashup之间的相似度；

(4)根据步骤(3)获取目标Mashup的相似Mashup，将相似Mashup使用过的API构成推荐列表RS2；

(5)根据Mashup的API使用记录分别构建Mashup的使用矩阵和API的使用矩阵，然后分别计算Mashup之间的相似度，以及API之间的相似度；

(6)根据步骤(5)获取目标Mashup的相似Mashup，将相似Mashup使用过的API构成推荐列表RS3；

(7)获取目标Mashup使用过的API，根据步骤(5)得到目标Mashup使用过的API的相似API构成推荐列表RS4；

(8)根据RS1和RS4得到基于API的推荐集合AS，具体为：

将RS1和RS4中的推荐API的相似度做归一化处理；

将RS1中的推荐API集合记为set1，将RS4中的推荐API集合记为set2，取set1和set2的并集记为set；首先给RS1中的推荐API赋值评分，遍历set中的每一个API，如果RS1中存在这个API，则RS1中该API的评分就是归一化后的相似度；如果RS1中不存在这个API，则RS1中该API的评分为0；然后用相同的方式给RS4中的推荐API赋值评分；将处理过的RS1和RS4合并为一个基于API的推荐集合AS，AS中第i个推荐API的评分Sr_i计算公式：

其中s₁和s₂分别是RS1和RS4中第i个推荐API的评分；

(9)利用步骤(8)中的方法，根据RS2和RS3得到基于Mashup的推荐集合MS；

(10)利用步骤(8)中的方法，将AS和MS合并，得到最终的API推荐结果。

2.根据权利要求1所述的一种基于知识图谱和协同过滤的API推荐方法，其特征在于，所述服务知识图谱的构建具体为：将API、Mashup以及它们的类别Category和标签Tag作为服务实体，其中API与Mashup之间的关系定义为“used”；APl与Category之间，以及Mashup与Category之间的关系均定义为“belong_to”；API与Tag之间，以及Mashup与Tag之间的关系均定义为“Tag”；计算API之间的文本描述相似度，将每个API相似度最高的前20％的API设置为竞争关系，并且加入到知识图谱中。

3.根据权利要求1所述的一种基于知识图谱和协同过滤的API推荐方法，其特征在于，所述步骤(1)中，API实体之间的相似度计算具体为：

由知识图谱首先提取了实体和关系组成三元组，然后使用表示学习方法TransH将三元组嵌入到低维向量中；得到API实体的低维向量后，用余弦相似度计算API实体间的相似度，具体计算公式如下：

其中API_i和API_i′是两个API的低维向量，d是APl向量的维度。

4.根据权利要求1所述的一种基于知识图谱和协同过滤的API推荐方法，其特征在于，所述步骤(3)中，Mashup之间的相似度计算具体为：

首先使用自然语言处理工具Stanford Parser将Mashup的描述信息进行分词处理，然后以谓语和宾语组成相对应的依赖关系；目标Mashup与其他Mashup相似度通过相同功能出现的概率计算，具体计算公式如下：

其中P和Q分别是两个Mashup的功能集合。

5.根据权利要求1所述的一种基于知识图谱和协同过滤的API推荐方法，其特征在于，所述步骤(5)中的相似度计算具体为：

Mashup使用矩阵的构建方程式如下：

Mashup_i＝(API₁，API₂，...，API_j，...)

其中API_j的值取决于API_j是否被Mashupi使用过，如果被使用过，API_j的值为1，没有被使用过则为0；

API使用矩阵的构建方程式如下：

API_i＝(Mashup₁，Mashup₂，...，Mashup_j，...)

其中当API_i使用过Mashup_j时，Mashup_j的值为1，如果API_i没有使用过Mashup_j，则Mashup_j的值为0；

使用同现相似度计算Mashup之间和API之间的相似度，具体计算公式如下：

其中Mashup_x和Mashup_y是Mashup的使用矩阵，API_x和API_y是API的使用矩阵。