[发明专利]基于JAVA Doc知识图谱的多维评估推荐方法

说明书

本发明公开了一种基于Java Doc知识图谱的多维评估推荐方法，属于数据库推荐技术领域。通过对Java Doc文档的爬取以及分析建立Java类知识图谱；对类与外界的关系分析实体间的路径关系，建立推荐函数对数据进行挖掘，再通过类和类之间的关系确定推荐的推荐域；选用基于K‑means聚类方法进行类之间的聚类，将聚类结果作为基于知识图谱挖掘的推荐域的补集；再对推荐域的类进行多维量化评分，将多个维度同构模型进行相似度量化评分，最终将推荐域中的类的量化评分返回给用户。本发明实现了使用者能够接触新的JAVA内置类并且了解JAVA内置类相互的区别，达到使用更合适的API函数的目的。

技术领域

本发明属于数据库推荐技术领域，特别是涉及一种基于JAVA Doc知识图谱的多维评估推荐方法。

背景技术

知识图谱是Google用于增强其搜索引擎功能的知识库。其主要特点是可以将知识形式化的表述出来，并建立知识之间的关联拓扑结构。知识图谱的基本单位是实体-关系-实体的RDF(Relational Data Forma)三元组。目前，已经出现一大批知识图谱，其中代表性的有KnowItAll、YAGO、DBpedia、Freebase、NELL、Probase。由于其将数据存贮为图结构使得搜索等相关操作不再局限于字符串的匹配，而是转向了语义以及实体的上下文联系。通过对知识图谱进行知识推理可以更加直观的发现实体间存在的内在联系。

语法和语义定义了一个语言，应用程序接口(API)使得语言使用更加简便，当前大部分的软件都依赖于API来实现。JAVA语言是一个被应用在很多场合的面向对象编程语言。具有句法简单、性能稳定、封装、继承以及多态的特性，使得软件变得更加容易维护以及便于扩展。不断更新的JAVA软件开发工具包(JDK)提供了许多内置并且功能强大的基本数据结构以及相关操作JAVA内置类，是软件开发中大量重复使用的部分。JDK在软件开发中扮演着不可替代的角色，随着JDK的不断更新，JAVA内置类变得越来越多样化，并且每个函数的功能变得更加具体和具有针对性。由于JDK包含了上百个内置的数据结构以及接口，类与类之间和类与接口之间的关系极为复杂，使得人们没有机会和能力去一点一点学习类与类之间的关系以及区别，许多更适合的JAVA内置类以及数据结构并没有被使用者发现并运用。人们在使用JAVA内置类的时候多数都是选择自己熟悉的JAVA内置类来进行使用，但是往往这些JAVA内置类都被引用在不适合的场合。

因此，亟需一种基于JAVA Doc知识图谱的多维评估推荐方法，实现使用者能够接触新的JAVA内置类并且了解JAVA内置类相互的区别，达到使用更合适的API函数的目的，充分发挥出JAVA内置类的能力；同时有助于java API开发者对自己的代码库进行全面的分析和改进。

发明内容

本发明的目的在于提供一种基于JAVA Doc知识图谱的多维评估推荐方法，以实现接触新的JAVA内置类及内置类之间的确区别，达到使用更合适的API函数的目的。

本发明所采用的技术方案是，提供一种基于Java Doc知识图谱的多维评估推荐方法，其特征在于，包括以下步骤：

S1，通过对Java Doc文档的爬取以及分析建立一个Java类知识图谱；

S2，根据已经建立好的Java Doc知识图谱，通过类与外界的关系分析实体间的路径关系，建立推荐函数对数据进行挖掘，通过类和类之间的关系确定推荐的推荐域；

S3，选用基于文本的K-means聚类方法来进行类之间的聚类，将聚类结果作为基于知识图谱挖掘的推荐域的补集；

S4，基于Java语言特性的评分标准对推荐域的类进行多维量化评分；

S5，通过S4的各项评分，建立综合量化评分模型，将多个维度同构模型进行相似度量化评分，为每一个推荐域的候选项进行评分，并将推荐域中的类的量化评分返回给用户。

进一步地，所述S1中建立一个Java类知识图谱包括以下步骤：