主页期刊介绍编委会编辑部服务介绍道德声明在线审稿编委办公编辑办公English
2018-2019年专刊出版计划 微信服务介绍 最新一期:2018年第12期
     
在线出版
各期目录
纸质出版
分辑系列
论文检索
论文排行
综述文章
专刊文章
美文分享
各期封面
E-mail Alerts
RSS
旧版入口
中国科学院软件研究所
  
投稿指南 问题解答 下载区 收费标准 在线投稿
李鸿超,刘建勋,曹步清,石敏.融合多维信息的主题自适应Web API推荐方法.软件学报,2018,29(11):3374-3387
融合多维信息的主题自适应Web API推荐方法
Topic-Adaptive Web API Recommendation Method via Integrating Multidimensional Information
投稿时间:2017-07-20  修订日期:2017-09-16
DOI:10.13328/j.cnki.jos.005482
中文关键词:  Web API推荐  HDP (hierarchical Dirichlet process)  因子分解  Mashup创建
英文关键词:Web API recommendation  HDP (hierarchical Dirichlet process)  factorization machine  Mashup creation
基金项目: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)
作者单位E-mail
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 411201  
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 411201 ljx529@gmail.com 
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 411201 buqingcao@gmail.com 
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 411201  
摘要点击次数: 2000
全文下载次数: 1200
中文摘要:
      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.
英文摘要:
      How to automatically generate or recommend a set of Web APIs for Mashup creation according a user's natural language description of requirement is a focus of attention among business process managers and services composition designers. A topic adaptive Web API recommendation method, HDP-FM (hierarchical Dirichlet processes-factorization machine), is proposed in this paper to recommend a set of Web APIs for Mashup creation. This approach firstly makes the Web API description document as a corpus, and trains a topic distribution vector for a Web API by the HDP model. It then predicts a topic distribution vector for a Mashup via the generated model, where the topic distribution vector is used to calculate the similarity. Finally, a factorization model is utilized to score and sort Web APIs by taking the similarity between Mashups, the similarity between Web APIs, the popularity of Web APIs and the co-occurrence of Web APIs as inputs. A Mashup can be created based on these recommended Web APIs. To verify the performance of the HDP-FM method, a series of experiments are conducted on a real dataset crawled from the ProgrammableWeb platform. The results show that the HDP-FM method has a good performance over others in term of precision, recall, F-measure and NDCG@N.
HTML  下载PDF全文  查看/发表评论  下载PDF阅读器
 

京公网安备 11040202500064号

主办单位:中国科学院软件研究所 中国计算机学会
编辑部电话:+86-10-62562563 E-mail: jos@iscas.ac.cn
Copyright 中国科学院软件研究所《软件学报》版权所有 All Rights Reserved
本刊全文数据库版权所有,未经许可,不得转载,本刊保留追究法律责任的权利