[发明专利]一种基于知识图谱和协同过滤的API推荐方法

说明书

本发明公开了一种基于知识图谱和协同过滤的API推荐方法，包括以下步骤：构建服务知识图谱；将知识图谱中的API实体嵌入到低维空间，并计算API之间相似度Sim1；获取目标Mashup使用过的API，基于Sim1将这些API的相似API组成推荐集合RS1；根据Mashup描述提取Mashup之间的功能，利用提取出来的功能计算目标Mashup与其他Mashup间的相似度Sim2；基于Sim2获取目标Mashup的相似Mashup，将相似Mashup使用过的API组合成推荐集合RS2；基于Mashup和API的历史使用关系构建Mashup的使用矩阵和API的使用矩阵，计算Mashup矩阵之间的相似度Sim3和API矩阵之间的相似度Sim4；基于Sim3获得目标Mashup的相似Mashup，并将相似Mashup使用过的API组成推荐列表RS3；获取目标Mashup使用过的API，基于Sim4将这些API的相似API组成推荐列表RS4；最后根据RS1,RS2,RS3,RS4得到最终API推荐结果。

技术领域

本发明涉及面向Mashup的服务推荐领域和知识图谱技术领域，尤其涉及一种基于知识图谱和协同过滤的API推荐方法。

背景技术

随着互联网的高速发展，Web服务正在成为一种主要技术。现如今我们对于API的依赖变得越来越大，单一Web API已经不能满足我们的需求了，这时候往往需要多个API共同工作才能达到我们的最终目的。

近些年来Mashup概念逐渐流行起来，这是一种通过组合现有的Web资源，利用数据和Web api的Web应用。一个Mashup往往结合了两个或者两个以上的Web API，比如名称为sportlogger的Mashup是提供体育博客功能的应用。这个Mashup一共整合了三个API，分别是google maps，twitter，janrain engage。Mashup易于实现最终用户需求，并且可以方便开发人员进行开发工作。由此可见，Mashup的出现和发展，不仅解决了单个Web API功能单一的缺点，同时也使Web API变得可以重用。然而目前的Web API数量庞大，据统计programmeweb上的API已经超过了23000个，这给开发工作者带来了巨大的困扰。在这种情况下，如何为Mashup推荐合适的API已经成为服务领域的热点和难点，一个性能优秀的服务推荐系统将大大提高开发人员的发开的效率。

目前面向Mashup的服务推荐主要是使用的协同过滤算法，但是这不能很好地挖掘Mashup与API之间的深层关系。同时当目标Mashup没有API使用记录的时候，将存在冷启动的问题，即很难给一个没有使用过API的Mashup推荐Web API。除此以外，目前还有很多研究只依赖于API和Mashup的描述信息。但是很多服务的描述信息都不完整或不准确，这极大影响了最终的推荐结果。

发明内容

为了高效准确地为相应Mashup推荐API，本发明提出了一种基于知识图谱和协同过滤的API推荐方法，该方法通过知识图谱挖掘Mashup与API间的深层关系，同时利用混合协同过滤方法解决了数据稀疏的问题。

本发明的目的是通过以下技术方案来实现的：一种基于知识图谱和协同过滤的API推荐方法，该方法包括以下步骤：

(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；