[发明专利]一种基于异构信息的API标签推荐方法

摘要

本发明公开了一种基于异构信息的API标签推荐方法，其主要采用基于异构信息的随机游走算法，首先根据API、mashup以及mashup标签三者之间的关系建立异构网络，该网络中包括API与mashup间的包含关系，mashup与标签间的对应关系以及三种元素间的同构关系；接着根据异构网络生成对应的转移矩阵，并基于该转移矩阵进行重启动随机游走，从API顶点迭代地转移到mashup层和标签层，最终达到全局稳定的分布从而获得API到各个标签顶点上的概率；最后引入文本处理模型LSI计算API和标签的语义相似度，结合获得的概率，生成最终的标签排序列表为API推荐合适的标签，很大程度上提高了标签推荐的准确率。

主权项

一种基于异构信息的API标签推荐方法，包括如下步骤：(1)构建API之间的相似度矩阵WAA、标签之间的相似度矩阵WTT、mashup之间的相似度矩阵WMM、API与mashup之间的关联矩阵WAM以及mashup与标签之间的关联矩阵WMT；(2)根据步骤(1)中的构建结果建立转移矩阵并对转移矩阵W进行规整化对应得到转移矩阵其中T表示转置；(3)对于待推荐API集合中的任一API，根据转移矩阵计算该API的标签概率向量；(4)根据API的描述信息构建词汇与API之间的相关矩阵Au×n，并确立每个标签的词相关向量；进而通过对相关矩阵Au×n两次奇异值分解得到低维的正交矩阵Uu×c和Vn×c以及对角矩阵Sc×c；(5)利用对角矩阵Sc×c和正交矩阵Uu×c对各标签的词相关向量进行降维；对于待推荐API集合中的任一API，从正交矩阵Vn×c中提取与该API对应的一行横向量，使其与各标签的低维词相关向量进行相似度计算以得到该API与各标签之间的语义相似度，进而将这些语义相似度组成该API的标签语义相似度向量；(6)对于待推荐API集合中的任一API，根据其标签概率向量和标签语义相似度向量通过以下公式计算该API的标签分值向量，将标签分值向量中各分值从高到低排序，进而取最高的前若干个分值所对应的标签推荐给该API；scorei=(1-λ)pit+λsit]]>其中：和scorei分别为待推荐API集合中第i个API的标签概率向量、标签语义相似度向量和标签分值向量且这三个向量均为m维向量，m为mashup集合中各mashup被标记过且非重复的标签总数，mashup集合中的各mashup均由待推荐API集合中的API聚合而成，i为自然数且1≤i≤n，n为待推荐API集合中的API个数，λ为权重系数且λ∈(0，1)。