[发明专利]一种基于超图神经网络的第三方API推荐方法

权利要求书

1.一种基于超图神经网络的第三方API推荐方法，其特征在于，所述方法包括以下步骤：

S1获取用户信息、API信息以及用户与API之间的交互信息；

S2根据所获得的信息构建用户和API之间的异构图和关系矩阵；；

S3将用户信息和API信息转换为稠密的嵌入向量矩阵；

S4将关系矩阵转换为用户超图和多种API超图挖掘共现关系；

S5对多种API超图进行特征融合得到最终的API超图；

S6基于图神经网络，学习融入了语义信息的用户特征向量和API特征向量；

S7将用户特征向量和API特征向量进行点积计算得到用户对API的喜好程度，按照从高到低的排序给用户进行API推荐。

2.根据权利要求1所述的基于超图神经网络的第三方API推荐方法，其特征在于，所述步骤S1中的信息是从第三方API门户网站上爬取用户信息、API信息和关于API的异构信息包括API的类别信息、调用该API的Mashup信息和API的提供商信息。

3.根据权利要求1所述的基于超图神经网络的第三方API推荐方法，其特征在于，所述步骤S2中，将获取到的各种关于用户和API的信息根据它们之间的关系构建出对应的异构图，其中，用户、API、Mashup、类别和提供商五种类型的实体以及四种实体关系为：用户和API之间存在着关注关系；Mashup和API之间存在着调用关系；API和类别之间存在着属于关系；Provider和API之间存在着提供关系。

4.根据权利要求1所述的基于超图神经网络的第三方API推荐方法，其特征在于，根据这四种实体关系构建出API与其他实体之间的关系矩阵，其中，关系矩阵中的值只有0和1两种情况；取1则表示存在关系，取0则表示没有关系。

5.根据权利要求1所述的基于超图神经网络的第三方API推荐方法，其特征在于，所述步骤S3中，使用深度学习中的嵌入层将用户和API的稀疏向量表示转换为特征空间中连续且稠密的嵌入向量矩阵，其中，每个用户u(API a)都被映射成一个嵌入向量e_u∈R^d(e_a∈R^d)，其中d表示嵌入向量的维度；而嵌入向量矩阵可以看成是一个嵌入向量的查找表：

其中E∈R^(N+M)×d为嵌入向量矩阵，M表示用户的总数量，N表示API的总数量，表示用户u₁对应的嵌入向量，表示用户u_M对应的嵌入向量。表示API a₁对应的嵌入向量，表示API a_N对应的嵌入向量。

6.根据权利要求1所述的基于超图神经网络的第三方API推荐方法，其特征在于，所述步骤S5中，其融合公式为：

其中i表示超图中的第i行，⊙表示元素积，即对应维度的元素进行乘积；且通过上式可以得到最终的API超图A_A∈R^N×N。

7.根据权利要求1所述的基于超图神经网络的第三方API推荐方法，其特征在于，所述步骤S6中，通过图卷积方法得到更新后的用户向量和API向量，其计算公式为：

其中H表示图卷积迭代的层数，W表示权重矩阵，σ表示sigmoid激活函数。第H+1层的用户向量和API向量都是由前面第H层的用户向量和API向量进行邻居聚合所更新得到的。更新结束后得到最终的用户特征向量和API特征向量

8.根据权利要求1所述的基于超图神经网络的第三方API推荐方法，其特征在于，所述步骤S7中，将步骤S6得到的用户特征向量和API特征向量进行点积计算出预测分数

经过模型的学习与优化之后，根据模型预测出来的用户对API的喜好分数，将其从高到低进行排序，进而给用户推荐API。