Mashup-Oriented API Recommendation via Random Walk on Knowledge Graph
Mashup-Oriented API Recommendation via Random Walk on Knowledge Graph
复制标题
通过知识图上的随机游走进行面向混搭的 API 推荐
DOI：
10.1109/access.2018.2890156
复制
发表时间：
2019
期刊：
影响因子：
3.9
通讯作者：
Ching Hsien Hsu
中科院分区：
文献类型：
--
作者：
Xin Wang;Hao Wu;Ching Hsien Hsu
随着Web API经济的日益繁荣，面向mashup的API推荐成为一个重要的需求。基于不同技术原理的各种方法已被用来处理这个问题。近年来，Web API生态系统已经积累了丰富的知识，可以用来增强推荐模型，然而，目前在这方面的关注仍然存在。为了科普这个问题，我们提出了一个基于图的算法框架。面向mashup的API推荐的任务。特别地，我们设计了一个简洁的知识模式graph.to，对mashup特定的上下文进行编码，并使用图形实体对mashup需求进行建模。然后，我们根据知识图，利用重新启动的随机游走来评估mashup需求和Web API之间的潜在相关性。此外，我们还提出了特定查询的加权策略来增强知识图的构建。实验结果表明，该方法在降低计算开销方面具有较好的鲁棒性，并抑制了API推荐中的负面马太效应。
With the growing prosperity of theWeb API economy, mashup-oriented API recommendation.has become an important requirement. Various methods based on different principles of technology have.been used to deal with this issue. In recent years, the Web API ecosystem has accumulated a wealth of.knowledge that can be used to enhance the recommendation models, and however, current concerns in this.regard still remain. To cope with this issue, we present a graph-based algorithmic framework for the task.of mashup-oriented API recommendation. Especially, we design a concise schema of the knowledge graph.to encode the mashup-specic contexts and model the mashup requirement with graphic entities. We then.exploit random walks with restart to assess the potential relevance between the mashup requirement and.the Web APIs according to the knowledge graph. In addition, we propose the query-specic weighting.strategies to enhance the knowledge graph construction. The experimental results demonstrate that our.proposed method is much superior to some state-of-the-art methods, also achieves robust effects on reducing.computational overhead, and suppresses the negative Matthew effect in APIs' recommendation.
登录
查看更多内容
CSCF：一种基于内容相似度和协同过滤的混搭服务推荐方法
DOI：
10.14257/ijgdc.2014.7.2.15
发表时间：
2014-04
影响因子：
--
作者：
Buqing Cao;Mingdong Tang;Xing Huang
通讯作者：
Xing Huang
DOI：
10.1109/icccbda.2018.8386490
发表时间：
2018-04
期刊：
2018 IEEE 3rd International Conference on Cloud Computing and Big Data Analysis (ICCCBDA)
影响因子：
--
作者：
Hao Wang;Zonghu Wang;Weishi Zhang
通讯作者：
Hao Wang;Zonghu Wang;Weishi Zhang
影响因子：
8.1
作者：
Zhiwei Yu;R. Wong;Chi-Hung Chi-Chi-Hung-Chi-36452710
通讯作者：
Zhiwei Yu;R. Wong;Chi-Hung Chi-Chi-Hung-Chi-36452710
影响因子：
8.1
作者：
Bofei Xia;Yushun Fan;Wei Tan;Keman Huang;Jia Zhang;Cheng Wu
通讯作者：
Bofei Xia;Yushun Fan;Wei Tan;Keman Huang;Jia Zhang;Cheng Wu
影响因子：
3.2
作者：
C. Cappiello;F. Daniel;M. Matera;Cesare Pautasso
通讯作者：
C. Cappiello;F. Daniel;M. Matera;Cesare Pautasso