基于特征表示增强的Web API 推荐

段云浩，武 浩

(云南大学 信息学院，云南 昆明 650500)

随着服务计算和云计算的快速发展，组合现有的Web 服务应用程序编程接口进行软件开发已经成为一种高效的方法，这使得网络环境中Web API 的数量不断增长[1]，对Web API 进行整理并注册登记的生态系统也随之出现. Mashup 是组合多种Web API 进行复合应用创建的技术，该技术极大地释放了开发者的生产力[2]. 但在Web API 数量持续增长的背景下，如何根据开发需求找到契合的Web API 进行Mashup 创建，已经成为了Mashup这一技术需要面对的下一个难题. Web API 推荐便是解决这一问题的重要方向[3]. 多种推荐方法和模型已经被应用于Web API 推荐中，这些方法可以分为基于协同过滤的推荐[4-6]和基于内容的推荐[7-11]. 基于协同过滤的推荐通过计算相似度，对相似用户或物品进行推荐，这类方法专注于发掘需求的相似性，能够共享相似项目的经验，在数据较稀疏的情况下也能够取得一定的效果. 但这类方法没有给予需求本身足够的关注，也就是说，基于协同过滤的推荐方法缺少对Web API 和Mashup之间的需求匹配，单纯基于相似性进行推荐还有可能导致Web API 推荐的冗余. 基于内容的推荐注重对Mashup 创建时功能描述的挖掘，通过建立开发需求与Web API 之间的关系提高推荐的准确性.这类方法重点关注对Mashup 语义特征的挖掘，因而在很大程度上依赖于描述文档. 但是，如果在描述文档中没有提供足够的信息，推荐结果将无法令人满意. 如何从数据出发，提高Web API 推荐的有效性，仍需结合有……