一种基于超图神经网络的第三方API推荐方法技术

本发明专利技术公开了一种基于超图神经网络的第三方API推荐方法，所述方法包括以下步骤：获取用户信息、API信息以及用户与API之间的交互信息；根据所获得的信息构建用户和API之间的异构图和关系矩阵；将用户信息和API信息转换为稠密的嵌入向量矩阵；将关系矩阵转换为用户超图和多种API超图挖掘共现关系；对多种API超图进行特征融合得到最终的API超图；基于图神经网络，学习融入了语义信息的用户特征向量和API特征向量；将用户特征向量和API特征向量进行点积计算得到用户对API的喜好程度，按照从高到低的排序给用户进行API推荐。本发明专利技术克服了现有方法无法充分利用用户和API数据中的隐含特征信息，导致推荐性能不高的问题。导致推荐性能不高的问题。导致推荐性能不高的问题。

【技术实现步骤摘要】
一种基于超图神经网络的第三方API推荐方法


[0001]本专利技术涉及服务计算以及数据分析
，具体涉及一种基于超图神经网络的第三方API推荐方法。

技术介绍

[0002]API是指独立于平台、基于可编程的应用程序。随着Web2.0的快速发展，越来越多的第三方API被发布到互联网上，例如比较流行的Twitter API和Google Maps API等。API用户(即开发人员，以下简称为用户)可以根据自己的需求直接调用以及组合这些API来开发新的应用，从而简化API的复用过程，极大地提高应用开发的效率。据最大的第三方API门户网站ProgrammableWeb.com统计，截止至2022年11月，ProgrammableWeb平台上第三方API的数量已经多达24700多个，并且这个数量还在快速增长。数量庞大的API让用户在寻找满足自己需求的API时面临着严重的信息过载问题。因此，将推荐系统运用到服务计算领域上是非常有必要的。给用户推荐API不仅一定程度上缓解了信息过载问题，并且给用户推荐一些意想不到的API有助于用户开发创新型的应用，从而推本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于超图神经网络的第三方API推荐方法，其特征在于，所述方法包括以下步骤：S1获取用户信息、API信息以及用户与API之间的交互信息；S2根据所获得的信息构建用户和API之间的异构图和关系矩阵；；S3将用户信息和API信息转换为稠密的嵌入向量矩阵；S4将关系矩阵转换为用户超图和多种API超图挖掘共现关系；S5对多种API超图进行特征融合得到最终的API超图；S6基于图神经网络，学习融入了语义信息的用户特征向量和API特征向量；S7将用户特征向量和API特征向量进行点积计算得到用户对API的喜好程度，按照从高到低的排序给用户进行API推荐。2.根据权利要求1所述的基于超图神经网络的第三方API推荐方法，其特征在于，所述步骤S1中的信息是从第三方API门户网站上爬取用户信息、API信息和关于API的异构信息包括API的类别信息、调用该API的Mashup信息和API的提供商信息。3.根据权利要求1所述的基于超图神经网络的第三方API推荐方法，其特征在于，所述步骤S2中，将获取到的各种关于用户和API的信息根据它们之间的关系构建出对应的异构图，其中，用户、API、Mashup、类别和提供商五种类型的实体以及四种实体关系为：用户和API之间存在着关注关系；Mashup和API之间存在着调用关系；API和类别之间存在着属于关系；Provider和API之间存在着提供关系。4.根据权利要求1所述的基于超图神经网络的第三方API推荐方法，其特征在于，根据这四种实体关系构建出API与其他实体之间的关系矩阵，其中，关系矩阵中的值只有0和1两种情况；取1则表示存在关系，取0则表示没有关系。5.根据权利要求1所述的基于超图神经网络的第三方API推荐方法，其特征在于，所述步骤S3中，使用深度学习中的嵌入层将用户和API的稀疏向量表示转换为特征空间中连续且稠密的嵌入向量矩阵，其中，每...

【专利技术属性】
技术研发人员：谢芬方，麦嘉晋，唐明董，
申请(专利权)人：广东外语外贸大学，
类型：发明
国别省市：