[发明专利]一种基于图神经网络的Web API关联模式挖掘方法

说明书

本发明公开了一种基于图神经网络的Web API关联模式挖掘方法，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。

技术领域

本发明属于计算机技术领域，具体涉及一种基于图神经网络的Web API关联模式挖掘方法。

背景技术

随着互联网的飞速发展，人与计算机的关系越来越密切，网络应用的数量也在不断增加。对于开发者来说，API(应用程序编程接口)调用已经成为软件开发中必不可少的方式，API通常是预定义的函数，它为应用程序和开发人员提供基于软件或硬件的访问一组例程，而无需访问源代码。使用API，开发人员不必了解软件内部工作机制的细节。随着越来越多的API服务在互联网上发布，如何向开发者推荐感兴趣且可信度高的API以构建高质量、可靠的软件系统成为一个具有挑战性的问题。

推荐系统的出现试图解决如何推荐API的问题。目前应用最广泛的推荐算法是基于协同过滤的推荐和基于内容的推荐。基于协同过滤(CF)的推荐用于预测和推荐。CF通过用户的历史行为分析用户的偏好，从而向用户推荐与用户口味相近的物品。协同过滤可以分为两类，一类是基于用户的协同过滤(user-based CF)，它向用户推荐与其兴趣相似的感兴趣的物品。基于用户的CF的推荐结果反映了用户兴趣组中的热门项目。另一种是基于物品的协同过滤(item-based CF)，它推荐与用户之前关注的物品相似的物品。这两种算法都反映了用户的偏好，但并没有挖掘出了API之间更多的潜在关系。

发明内容

针对现有技术中的上述不足，本发明提供的一种基于图神经网络的Web API关联模式挖掘方法解决了不能挖掘出了Web API之间更多的潜在关系以用于用户推荐的问题。

为了达到上述发明目的，本发明采用的技术方案为：一种基于图神经网络的WebAPI关联模式挖掘方法，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。

进一步地：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、WebAPI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-WebAPI。

进一步地：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WebAPI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。

上述进一步方案的有益效果为：通过bag-of-words可以将Web API的介绍文档进行统计，从而构造出这些文档的词典，并筛选出这些文档中出现的高频词汇，接下来，通过筛选每个Web API的介绍文档中是否存在词典中的高频词汇，从而将每篇文章与对应的词汇联系起来，建立起高频词汇与文档之间的矩阵。本发明分别将Web API与用户、Web API与公司以及Web API与高频词汇联系起来，作为节点特征表示。