融合多维信息的主题自适应Web API推荐方法

来源：软件学报杂志2018年第11期北京时间：

作者：李鸿超,刘建勋,曹步清,石敏

单位：李鸿超，知识处理与网络化制造湖南省普通高校重点实验室(湖南科技大学), 湖南 湘潭 41120111,刘建勋，知识处理与网络化制造湖南省普通高校重点实验室(湖南科技大学), 湖南 湘潭 41120102,曹步清，知识处理与网络化制造湖南省普通高校重点实验室(湖南科技大学), 湖南 湘潭 41120103,石敏，知识处理与网络化制造湖南省普通高校重点实验室(湖南科技大学), 湖南 湘潭 41120104

摘要：如何根据用户的自然语言需求描述自动生成或推荐用于解决问题的Web API服务集合，并辅助构建Mashup，是业务流程管理者和服务组合者关注的热点之一.如何提高推荐的质量，是大家关注的焦点.为此，提出了一种融合多维信息的主题自适应Web API推荐方法HDP-FM（hierarchical Dirichlet processes-factorization machines）为Mashup的创建推荐Web APIs集合.该方法以Web API的描述文档为语料库，利用HDP模型训练每个Web API的主题分布向量；其次，利用已生成的主题模型预测每个Mashup的主题分布向量，用于相似度的计算；最后，将Mashup之间的相似度、WebAPI之间的相似度、Web API的流行度和共现性作为因子分解机模型的输入，评分排序获取用于推荐的Web APIs集合.为了验证HDP-FM方法的性能，使用从ProgrammableWeb平台上爬取的真实数据进行多组实验，实验结果表明，HDP-FM方法在准确率、召回率、F-measure和NDCG@N等方面具有较好的性能.

关键词：Web API推荐;HDP (hierarchical Dirichlet process);因子分解;Mashup创建

基金资助：国家自然科学基金（61872139，61873316，61572187）；国家科技支撑计划（2015BAF32B01）；湖南省自然科学基金（2017JJ2098）