[发明专利]基于主题模型聚类的Web API推荐方法

说明书

一种基于主题模型聚类的Web API推荐方法，根据上下文信息计算单词的语义权重信息从而得到文档‑单词语义权重信息矩阵D；统计单词共现信息，从而计算出SPPMI矩阵信息；基于得到Mashup服务文档单词的词频信息矩阵D，单词的上下文SPPMI矩阵M，通过分解M可以得到词嵌入信息矩阵，进一步将上述两种信息进行结合，计算服务的主题信息；将得到的Mashup服务主题特征，作为谱聚类的输入进行聚类，通过对所有数据点组成的图进行切图，让切图后不同的子图间边权重和尽可能的低，子图内的边权重和尽可能的高，达到聚类的目的；结合GBDT和FM方法对Web API服务进行预测推荐。本发明有效实现Web API推荐。

技术领域

本发明涉及到一种针对Mashup服务构建基于主题模型聚类的Web API服务推荐方法。

背景技术

随着互联网技术的不断成熟，服务互联网化成本不断降低，在服务计算“服务化”的思想驱动下，越来越多的公司将数据、资源或者相关业务发布到互联网上，以提高信息的利用率和自身竞争力。然而传统的服务大多数遵循简单对象访问协议，通常针对某一特定领域的业务需求，提供单一功能的服务，此外还存在技术体系复杂、扩展性差等问题，难以适应现实生活中复杂多变的应用场景。因此，对于Web服务提供商而言，如何能够根据现实用户以及自身业务需求的具体变动，快速地对已有的服务资源重新整合，成为一个亟待解决的问题。

为克服传统服务带来的问题，互联网逐渐出现一种以混搭技术为基础的Mashup服务，以缓解传统服务难以适应复杂多变应用环境的问题。Mashup服务能将单一功能的服务和多种数据资源进行整合混搭，构建出综合性的Web应用，从而满足用户多变的技术。Mashup服务开发十分便捷，软件开发人员只需从服务注册平台，直接选取出若干合适的服务或者数据源，并按照相应的指示流程，便可以着手具有相应混合功能的Mashup服务的开发。由于Mashup服务适用性强，灵活度高，而且相对易于开发，Mashup服务逐渐受到企业和开发者的青睐。

然而，随着互联网上Web API服务数量的不断增多，在Web API推荐中，推荐系统需要面对两个问题：一是Mashup服务描述文档通常比较简短、特征稀疏、信息量少，如何有效地根据简短的描述信息提取Mashup服务描述需求的潜在信息，二是Web API服务集合数量众多，大大地增加推荐系统搜索相关联API服务的工作量，如何快速的、有效地确定Web API服务候选集合。

发明内容

为了有效解决Web API推荐中的问题，本发明提出一种基于主题模型聚类的WebAPI推荐方法，该方法首先基于非负矩阵分解(Non-negative Matrix Factorization,NMF)方法提取Mashup服务需求，已有Mashup服务集以及Web API的主题特征，根据采用谱聚类算法对Mashup服务聚类后得到Mashup服务类簇后，将Mashup服务描述需求主题信息与类簇进行相似度计算，选择最相近的Mashup类簇，根据类簇中已有的Mashup服务调用关系，确定推荐Web API的候选集合，最后结合梯度提升决策树(Gradient Boosting Decision Tree，GBDT)和因子分解机(Factorization Machine,FM)方法，对Web API推荐进行预测。

本发明所采用的技术方案是：

一种基于主题模型聚类的Web API推荐方法，所述方法包括如下步骤：

第一步：根据上下文信息计算单词的语义权重信息从而得到文档-单词语义权重信息矩阵D；

第二步：统计单词共现信息，从而计算出SPPMI矩阵信息；

第三步：基于第一步，第二步得到Mashup服务文档单词的词频信息矩阵D，单词的上下文SPPMI矩阵M，通过分解M可以得到词嵌入信息矩阵，进一步将上述两种信息进行结合，计算服务的主题信息；