[发明专利]面向长尾分布特征的多样化API序列推荐方法及装置

权利要求书

1.一种面向长尾分布特征的多样化API序列推荐方法，其特征在于，所述面向长尾分布特征的多样化API序列推荐方法包括：

S1：获取原始数据集，对原始数据集进行分析及数据预处理，将原始数据集中切分成单词和符号片段的API合成完整的API，统计API的出现频率，得到API的长尾分布，基于长尾API的名字相似度及描述文档相似度，对长尾API进行聚类，使用聚类中心替换原始数据集中的长尾API，形成重新打标签后的数据集；

S2：构建编码器，对于自然语言的开发者需求，逐单词利用词嵌入技术生成词向量后输入到编码器中，编码为基于时间步的编码器隐藏状态；

S3：构建解码器，按基于时间步的编码器隐藏状态基于注意力机制生成解码器隐藏状态，解码器隐藏状态经融合学习排序方法的损失函数评估序列得分后利用集束搜索后处理生成多样化API序列。

2.如权利要求1所述的面向长尾分布特征的多样化API序列推荐方法，其特征在于，所述将原始数据集中切分成单词和符号片段的API合成完整的API，统计API的出现频率，得到API的长尾分布，基于长尾API的名字相似度及描述文档相似度，对长尾API进行聚类，使用聚类中心替换原始数据集中的长尾API，形成重新打标签后的数据集包括：

S1.1：从获取的原始数据集中提取所有的需求-API序列对，对需求进行去停用词，对API序列使用启发式规则将API单词和符号片段合成为完整的API作为推荐的最小单元；

S1.2：遍历原始数据集中经处理后的所有API，统计其出现的频率，得到API的长尾分布，获取到长尾API的集合；

S1.3：下载Java SE 8文档，使用启发式规则解析每个API的HTML网页提取API及其描述信息，挖掘具有继承关系的API的描述信息互相作为描述信息的补充，形成API的描述信息集合；

S1.4：对于所有的API描述信息，构建描述信息词IDF逆文档频率字典，计算公式为：

其中，IDF_word表示单词word的IDF值，|D|表示描述信息的数量，D_i表示第i条描述信息；

S1.5：根据步骤1.4得到的描述信息的IDF字典，利用BM25算法计算长尾API的两段描述信息之间的相似度，其计算公式为：

其中表示第i条描述信息中单词的数量，L_avg表示所有描述信息中单词的平均长度，k₁,b,k₃为可调参数，根据经验取值，表示单词w在描述信息D_i中的词频，表示单词w在描述信息D_i中出现的次数；

S1.6：根据步骤1.3得到的每个长尾API的描述信息集合，第一条为长尾API自身的功能描述信息，其他为具有继承关系的描述信息，设立信号量，将自身的描述信息信号量设为1，由继承关系获取到的描述信息信号量设为0.8，两个长尾API之间的描述信息相似度由两个API之间的所有描述信息相似度最大值得到，计算公式如下：

S1.7：两个长尾API之间的名字相似度根据最小编辑距离来计算，其计算公式如下：

其中表示第i个长尾API的名字长度；

S1.8：将步骤1.6和步骤1.7分别得到的两个长尾API之间的描述信息相似度和名字相似度，经归一化并设定最小阈值后，分为给予不同的权重，求得两个长尾API的相似度分数，其计算公式如下：

其中α和β为权重，δ₁和δ₂为阈值，均根据实际需要进行设置；

S1.9：根据步骤1.8得到的长尾API间的相似度分数，利用谱聚类算法将长尾API进行聚类，并把聚类中心替换掉长尾API，形成重新打标签后的数据集。

3.如权利要求2所述的面向长尾分布特征的多样化API序列推荐方法，其特征在于，所述对原始数据集进行分析及数据预处理包括：

删除原始数据集中重复的需求-API序列对以及存在错误的需求-API序列对。