面向Mashup的质量感知Web API推荐
面向Mashup的质量感知Web API推荐
复制标题
DOI：
10.7540/j.ynu.20210440
复制
发表时间：
2022
期刊：
影响因子：
--
通讯作者：
徐立
中科院分区：
文献类型：
--
作者：
陈佳佩;武浩;秦绍伟;彭伟乐;徐立
近年来,网络中Web API的数量日益增多,如何面向Mashup应用推荐合适的高质量Web API已成为研究的热点问题,现有的方法忽略了Web API质量信息对推荐的影响从而制约了其性能.深度学习技术为进一步提高Web API推荐的准确性提供了新的解决方案,如何利用Web API质量信息并结合深度网络模型进行高精度推荐也成为关键问题.为此,提出了一种Web API质量感知的深度推荐模型.首先,使用BERT预训练模型作为文本编码器对Mashup和Web API的文本描述特征进行提取;然后,借助自注意力机制对Web API的质量信息进行融合,并利用所得的Web API质量增强特征进行推荐.基于真实数据集的实验结果表明,对比基线方法,该模型在Web API推荐任务的top-1准确率、召回率和归一化折损累积增益指标上分别提高了3.97%、3.45%和3.97%.