[发明专利]一种基于图神经网络的Web API关联模式挖掘方法

权利要求书

1.一种基于图神经网络的Web API关联模式挖掘方法，其特征在于，包括以下步骤：

S1、收集Web API数据集，并将其转化为异构图，将异构图输入图神经网络；

S2、基于输入图神经网络的异构图，通过图神经网络进行多通道卷积操作得到若干第一图结构；

S3、将若干第一图结构进行拼接堆叠，得到第二图结构；

S4、将第二图结构输入图卷积神经网络得到分类结果，并根据分类结果对用户进行推荐，完成Web API关联模式的挖掘。

2.根据权利要求1所述的基于图神经网络的Web API关联模式挖掘方法，其特征在于，所述步骤S1中，异构图包括节点和边；所述节点的类型包括用户、Web API和公司；所述边的类型包括Web API-用户、用户-Web API、Web API-公司、公司-Web API。

3.根据权利要求2所述的基于图神经网络的Web API关联模式挖掘方法，其特征在于，所述步骤S1中，将Web API数据集转化为异构图的方法具体为：

通过bag-of-words将Web API数据集中Web API的介绍文档进行统计，进而构造出文档词典，并筛选出文档词典中的高频词汇，根据Web API与用户、Web API与公司以及Web API与高频词汇建立节点特征表示，根据节点特征表示构建异构图；

所述异构图A＝(V,E)，其中V为节点的集合，E为边的集合。

4.根据权利要求1所述的基于图神经网络的Web API关联模式挖掘方法，其特征在于，所述步骤S2中，多通道卷积中的每个通道均为1×1卷积，所述第一图结构具体为元路径的邻接矩阵；

得到第一图结构Q的表达式具体为：

Q＝Φ(A；softmax(W_Φ))

式中，Φ为多通道卷积的卷积层，W_Φ为卷积层参数，softmax(·)为第一激活函数，A为异构图。

5.根据权利要求4所述的基于图神经网络的Web API关联模式挖掘方法，其特征在于，所述步骤S3具体为：将构成第一图结构的元路径的邻接矩阵进行拼接堆叠，得到第二图结构，其中，第二图结构中元路径的邻接矩阵A_p的表达式具体为：

式中，T^e为边类型的集合，为边类型t_l第l层转换层的权重，为第一图结构的元路径的邻接矩阵，l为神经网络的图转换层序数，下标P为第二图结构中元路径序数。

6.根据权利要求5所述的基于图神经网络的Web API关联模式挖掘方法，其特征在于，所述步骤S4包括以下分步骤：

S41、将第二图结构输入图卷积神经网络，学习第二图结构元路径的邻接矩阵，得到节点表示；

S42、根据节点表示对节点进行分类，得到分类结果，根据分类结果对用户进行推荐，完成Web API关联模式的挖掘。

7.根据权利要求6所述的基于图神经网络的Web API关联模式挖掘方法，其特征在于，所述步骤S41中，计算节点表示Z的表达式具体为：

式中，∏为连接操作符，i为第二图结构中通道序数，c为第二图结构中通道总数，为第二图结构中第i个通道的中间矩阵，其表达式具体为为的度矩阵，为第二图结构中第i个通道的邻接矩阵，I为单位矩阵，X为第二图结构的特征矩阵，W为跨通道共享的可训练权重矩阵，σ(·)为第二激活函数。