检索结果-内蒙古大学图书馆

软件学报 2025年第5期36卷 1949-1973页

作者：胡强綦浩泉李浩杰杜军威青岛科技大学信息科学技术学院云南省服务计算重点实验室

服务描述中包含的应用场景信息有限,使得以功能相似度计算为主的Mashup服务组件web api推荐与需求预期常存在差异,功能匹配精确度有待进一步提高.部分研究者虽利用web api的协作关联提升推荐兼容性,但忽视了功能关联对Mashup服务创建的... 详细信息

服务描述中包含的应用场景信息有限,使得以功能相似度计算为主的Mashup服务组件web api推荐与需求预期常存在差异,功能匹配精确度有待进一步提高.部分研究者虽利用web api的协作关联提升推荐兼容性,但忽视了功能关联对Mashup服务创建的负反馈影响,从而限制了推荐多样性的提升.为此,提出一种融合潜在联合词与异质关联兼容的Mashup服务的组件web api推荐方法.该方法为Mashup需求和web api提取潜在应用场景联合词并融入到功能向量的生成中,进而提高二者功能相似度的匹配精确度,以获得高质量的候选组件web api集合.将功能关联与协作关联建模为异质服务关联,并利用异质关联兼容替代传统方法中的协作兼容,以提升web api的推荐多样性.相较于对比方法,所提方法在评价指标Recall、Precision和NDCG上分别提升了4.17%–16.05%, 4.46%–16.62%与5.57%–17.26%,多样性指标ILS降低了8.22%–15.23%.冷启动web api推荐的Recall与Precision指标值分别为非冷启动web api推荐的47.71%和46.58%.实验结果表明所提方法不仅提升了web api推荐质量,而且对冷启动web api具有很好的推荐效果.

关键词： Mashup服务异质关联 web api推荐多样性

来源：评论

学校读者我要写书评

暂无评论

融合Mashup内协作关系的图卷积web api推荐

引用

云南大学学报(自然科学版) 2025年第1期47卷 30-40页

作者：杨朝晖武浩徐森龙云南大学信息学院云南昆明650500

为了更好地缓解web api推荐中的数据稀疏问题,提出了一种基于轻量图卷积网络的web api推荐模型***将同一个Mashup内所调用的web api视作具有协作关系,将其挖掘出表示为一个api协作图,作为辅助信息增强推荐性能.首先,在CoNetLGN中,每个... 详细信息

为了更好地缓解web api推荐中的数据稀疏问题,提出了一种基于轻量图卷积网络的web api推荐模型***将同一个Mashup内所调用的web api视作具有协作关系,将其挖掘出表示为一个api协作图,作为辅助信息增强推荐性能.首先,在CoNetLGN中,每个用户和web api的表示通过轻量图卷积层在用户-api交互图中传播,与此同时,api的表示还会在api协作图中传播;然后,设计了一种图融合操作,用于在传播过程中聚合api在两个图中的表示;最后,再用加权和将每一层学习到的表示结合起来.在Programmable web数据集上进行的实验结果表明,提出的CoNetLGN模型在对用户做web api推荐时较其他3种较有代表性的协同过滤方法有更好的表现.

关键词： web api推荐 Mashup 图卷积网络深度学习

来源：评论

学校读者我要写书评

暂无评论

基于特征表示增强的web api推荐

引用

云南大学学报（自然科学版） 2021年第5期43卷 877-886页

作者：段云浩武浩云南大学信息学院云南昆明650500

web api是基于web服务的轻型解决方案,代表可重用的最小组件.通过组合多种web api,能够创建具有高层次功能的组合应用Mashup,实现业务增值的需求.web api数量和种类的快速增长,使得发掘契合的web api进行Mashup创建变得愈发困难.针对此... 详细信息

web api是基于web服务的轻型解决方案,代表可重用的最小组件.通过组合多种web api,能够创建具有高层次功能的组合应用Mashup,实现业务增值的需求.web api数量和种类的快速增长,使得发掘契合的web api进行Mashup创建变得愈发困难.针对此问题,提出一种特征表示增强的web api推荐方法来高效地进行web api推荐,提高Mashup创建的效率.首先,将Mashup的文档描述映射到向量空间进行特征比较,目的是获得与目标Mashup相似的近邻Mashup;然后,利用基于神经网络的特征提取模型对目标Mashup和近邻Mashup的文本特征进行学习,将提取后的特征结合类别特征进行表示增强;最后,基于表示增强后的语义特征进行web api推荐.实验结果表明,该方法能够有效地推荐web api,在多项指标上取得显著的效果.

关键词： Mashup web api推荐神经网络表示增强语义特征

来源：评论

学校读者我要写书评

暂无评论

面向Mashup的质量感知web api推荐

引用

云南大学学报（自然科学版） 2022年第4期44卷 688-697页

作者：陈佳佩武浩秦绍伟彭伟乐徐立云南大学信息学院云南昆明 650500

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... 详细信息

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％.

关键词： Mashup web api推荐质量感知推荐深度学习

来源：评论

学校读者我要写书评

暂无评论

基于证据理论的多特征融合web api推荐

引用

计算机应用研究 2020年第S01期37卷 221-223,229页

作者：陈小妹赵华武浩云南大学信息学院昆明650500

在信息化的时代,Mashup的出现使得web应用开发更加便捷。随着越来越多的信息提供者公开自己的web api,而如何提高针对Mashup的api推荐的质量,是目前研究的焦点。为此,提出了一种多特征融合下结合香农熵和D-S证据理论的web api推荐方法... 详细信息

在信息化的时代,Mashup的出现使得web应用开发更加便捷。随着越来越多的信息提供者公开自己的web api,而如何提高针对Mashup的api推荐的质量,是目前研究的焦点。为此,提出了一种多特征融合下结合香农熵和D-S证据理论的web api推荐方法。基于Mashup与web api可用数据记录,提取出多维度的特征并进行融合形成新数据集,使用香农熵和D-S理论的方法实现web api推荐。基于Progammable web数据集的实验表明,无须监督学习,该方法即可获得满意的推荐结果。

关键词： web api推荐 D-S证据理论香农熵多维度特征

来源：评论

学校读者我要写书评

暂无评论

多样性与高效性驱动的兼容web api推荐方法研究

多样性与高效性驱动的兼容Web API推荐方法研究

引用

作者：吴胜琪曲阜师范大学

学位级别：硕士

互联网技术的不断发展促使Mashup等服务开发工作越来越智能化,Mashup开发人员通常通过组合调用各类应用程序编程接口(web Application Programming Interface,web api)来完成Mashup的功能开发工作。同时,为了开发的便捷性,各类服务共享... 详细信息

互联网技术的不断发展促使Mashup等服务开发工作越来越智能化,Mashup开发人员通常通过组合调用各类应用程序编程接口(web Application Programming Interface,web api)来完成Mashup的功能开发工作。同时,为了开发的便捷性,各类服务共享平台(例如Programmable ***)也在不断发布能够实现各类功能的不同的web api。随着web api数量的不断增长以及其功能的不断复杂,开发人员有时难以选择和筛选真正合适和感兴趣的web api。在这种情况下,推荐系统就发挥了重要的作用,各类web api推荐方法也应运而生。然而,目前web api推荐技术仍然面临一些挑战,例如:现有的推荐方法往往忽略推荐的多样性因素,从而导致推荐结果存在冗余、开发人员的选择范围受限;现有的推荐方法往往推荐效率不高,从而导致推荐时间过长、推荐速度慢等问题。针对这些问题和挑战,本文提出了多样性驱动的兼容web api推荐方法PD-WACR以及高效性驱动的兼容web api推荐方法PWAR,具体研究内容如下:(1)本文提出的web api推荐方法PD-WACR,构建了改进的赋权web api关联图,引入群Steiner Tree搜索算法和Simhash算法,是一种综合考虑web api兼容性、流行性与多样性的推荐方法。具体地,首先考虑api之间的兼容性和api自身的流行性因素,利用Mashup和api的历史交互记录,构建改进的赋权web api关联图,之后定义了兼容性和流行性的综合指标;其次结合开发人员的功能需求,利用群Steiner Tree搜索算法,动态搜索兼容性与流行性综合最优的多组候选web api组合;然后引入Simhash算法和汉明距离,计算出web api组合之间的差异性程度,从而筛选出多样性最优的前Top-k个web api组合作为最终推荐结果。最后在真实数据集(PW)上进行了相关实验,实验证明,PD-WACR方法具有广泛的适用性,能够有效提高web api推荐结果的多样性等。(2)本文提出的web api推荐方法PWAR,将群Steiner Tree搜索算法与最小生成树算法相结合,引入了一种高效的渐进式推荐机制,解决了当需求关键词数量较多时,动态搜索效率不高的问题。具体地,首先利用api之间的兼容性信息和功能信息构建了带权web api关联图;然后结合关联图和开发人员的功能需求,利用群Steiner Tree搜索算法和最小生成树算法,快速生成满足需求且兼容的可行解,同时针对搜索过程中产生的中间解进行拓展,持续生成兼容性更好的优化解,直到找到全局最优解;最后通过实验证明,PWAR能够在保证推荐准确度较高的情况下,大大提高推荐的效率,推荐性能明显优于其他方法。

关键词： web api推荐群Steiner Tree 多样性 Simhash算法渐进式机制

来源：评论

学校读者我要写书评

暂无评论

基于主题模型和因子分解机的web api推荐方法研究

基于主题模型和因子分解机的Web API推荐方法研究

引用

作者：李鸿超湖南科技大学

学位级别：硕士

“根据用户的自然语言需求描述推荐用于解决该问题的web apis任务集合以辅助用户构建Mashup”是本文研究所追求的目标。然而,web apis的数量和种类的快速增加,web服务描述文档非结构化,以及存在许多功能相似但性能差异较大web api等一... 详细信息

“根据用户的自然语言需求描述推荐用于解决该问题的web apis任务集合以辅助用户构建Mashup”是本文研究所追求的目标。然而,web apis的数量和种类的快速增加,web服务描述文档非结构化,以及存在许多功能相似但性能差异较大web api等一系列问题,使得这一目标的实现变得越发困难。考虑到,主题模型技术能够帮助更好的理解Mashup服务需求文本中所包含的功能信息,以获取其潜在主题分布向量,进而挖掘Mashup服务需求文本与web api描述文档之间的潜在语义关系。因子分解机模型能够在其模型中加入各种补充信息,因此该模型能够有效降低传统协同过滤算法与矩阵分解方法中web api历史调用矩阵的稀疏性,进而优化特征组合的方式。基于以上的分析,本文提出融合主题模型和因子分解机模型推荐方法,推荐Top-N web apis辅助目标Mashup的创建。本文的主要研究方法如下:(1)融合标签、主题、流行度、共现性的web api推荐方法(TR-FM)。该方法首先对web服务(Mashup或web api)的标签进行扩充,并计算扩充后的每一个标签对于相应的web服务的重要性权重,以此计算标签层的相似度。接着利用RTM主题模型导出web服务描述文档主题的分布向量,以计算文本层的相似度。利用web api的category信息辅助web api的历史调用次数来计算web api的流行度,采用经典的Jaccard相似系数来计算web api的共现性。最后利用因子分解机模型融合以上特征推荐Top-N web api集合。实验结果表明,该方法在准确率,召回率和F-measure等方面具有良好的性能。(2)基于HDP主题模型与因子分解机的web api推荐方法(HDP-FM)。该方法探索HDP主题模型导出web服务(Mashup或web api)的最优主题分布向量,接着利用增强余弦相似度公式度量web服务之间的相似度。最后将Mashup之间的相似度,web api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,通过评分排序获取用于推荐的web apis集合。该方法在真实的web服务数据集(爬取自Programmableweb平台)上进行了一系列实验,结果显示该方法在准确率,召回率,F-measure和NDCG@N等方面具有优越性。

关键词： web api推荐 Mashup创建主题模型因子分解机标签扩充

来源：评论

学校读者我要写书评

暂无评论

隐私感知的web api推荐方法研究

隐私感知的Web API推荐方法研究

引用

作者：张若苇曲阜师范大学

学位级别：硕士

随着物联网技术的不断发展与广泛应用,企业逐渐倾向于将业务流程转化为远程访问的web api,以支持更灵活和高效的业务操作。在当前的软件开发实践中,通过集成多个api来创建功能丰富的Mashup应用程序已成为一种流行趋势。随着api分享社区... 详细信息

随着物联网技术的不断发展与广泛应用,企业逐渐倾向于将业务流程转化为远程访问的web api,以支持更灵活和高效的业务操作。在当前的软件开发实践中,通过集成多个api来创建功能丰富的Mashup应用程序已成为一种流行趋势。随着api分享社区中api数量的快速增长和功能的多样化,如何在海量候选api中高效准确地找到感兴趣的api成为Mashup开发者面临的重要问题,因此轻量级推荐技术被广泛应用于api的推荐过程中。然而,传统的web api推荐算法面临两大挑战。首先,这些算法通常过分强调推荐准确性,却忽视了隐私泄露的风险,这将导致开发者降低共享api信息的意愿,从而影响了 api社区的健康发展和信息共享。其次,数据隐私性与数据可用性之间存在固有的权衡,特别是在使用脱敏数据进行推荐计算时,这种权衡会导致推荐结果的准确性受到影响,进一步增加了推荐算法设计的复杂性。针对上述问题和挑战,本文提出了基于迭代量化的隐私感知web api推荐方法WARecITQ和基于球哈希的隐私感知web api推荐方法WARecSH,具体研究内容如下: (1)提出了 web api推荐方法WARecITQ。该方法主要是通过使用迭代量化哈希实现对调用数据的隐私加密,进而完成api的推荐,主要分为三个步骤,第一步,使用迭代量化技术(Iterative Quantification,ITQ)将敏感的Mashup-api调用数据转换为低敏感的Mashup索引码;第二步,使用余弦相似度寻找出目标Mashup的相似Mashup集合;第三步,生成Top-k个web api的推荐列表。为了证明WARecITQ方法的有效性,从***网站爬取了一个真实的Mashup-api调用信息数据集,并在该数据集上设计了一组实验进行性能评估。通过实验结果分析可得知,在严格保证数据隐私性的前提下,WARecITQ方法在Precision、Recall以及MAP等关键指标上均取得了令人满意的性能表现。这充分证明了 WARecITQ方法不仅能够有效保护用户数据的隐私性,同时也保证了推荐结果的准确性。 (2)提出了基于球哈希的隐私感知web api推荐方法WARecSH。该方法可以在确保数据隐私性的基础上,显著提高推荐结果的准确性,具体来说,在低隐私索引的构建过程中,WARecSH方法主要使用球哈希技术(Spherical Hashing,SH),即引入超球面产生更加符合原始数据特征的哈希码,然后整合不同平台的子索引码,产生Mashup的低隐私索引,最后,引入协同过滤推荐方法实现精准推荐,产生Top-k个api推荐列表。实验数据表明,WARecSH方法在保护数据隐私的同时,在多个评价指标上均展现出优异的效果。具体而言,在Precision、Recall、F1-score以及MAP等关键指标上,WARecSH方法均表现出明显的优势,有效提升了推荐的准确性。

关键词： web api推荐 Mashup构建隐私保护迭代量化球哈希

来源：评论

学校读者我要写书评

暂无评论

基于多维信息与DeepFM的web api推荐

基于多维信息与DeepFM的Web API推荐

引用

作者：王佳伟云南大学

学位级别：硕士

web api基于HTTP协议用于实现客户端与服务端之间的数据交互,web api的出现为开发人员提升了效率,通过集成多个web api形成的应用程序称为基于web api系统(web api Based System,简称WBS)。但是,随着web api数量的迅速增长,用户从大量... 详细信息

web api基于HTTP协议用于实现客户端与服务端之间的数据交互,web api的出现为开发人员提升了效率,通过集成多个web api形成的应用程序称为基于web api系统(web api Based System,简称WBS)。但是,随着web api数量的迅速增长,用户从大量的候选web api中快速选择合适的web api成为一个新的挑战。近年来,web api推荐成为一个研究热门,该技术是一种辅助用户寻找所需web api的过程。通过用户所提基于web api的系统需求描述文本,为用户推荐一系列的web api,最后形成推荐列表。为了解决这一挑战,本文提出一个基于多维信息与DeepFM的web api推荐算法,该web api推荐算法分为两个阶段:web api相似度计算与基于web api的系统相似度计算阶段和web api推荐阶段。在web api相似度计算与基于web api系统相似度计算阶段,为了捕获web api之间的相似性,本文根据web api之间的分类信息作为关联关系构建图结构,基于web api功能文本信息,在图上进行随机游走,得到最后web api之间的相似度。通过基于web api系统与web api集成关系,引入web api相似度,并融合基于web api系统之间的功能文本信息、分类信息、内容提供商信息,综合得到基于web api系统之间的相似度。在web api推荐阶段,将开发者输入的基于web api系统功能描述需求,分配至与该需求语义最相似的基于web api系统类中。利用上述web api相似度、基于web api系统相似度、web api隐含的多QOS属性信息(web api隐含的受欢迎程度,web api之间共同出现的信息)生成web api得分,最后排序生成推荐列表。本文的主要贡献如下:(1)本文通过Word Mover's Distance算法,更好的衡量基于web api系统之间与web api之间的语义相似度。基于图随机游走算法,通过web api之间的影响力,得到更好的web api相似度。基于web api系统多维信息,例如基于web api系统的集成web api相似度,相同类的相似度,以及语义相似度和相同内容提供商相似度,通过Bayesian Personalized Ranking(BPR)算法,得到更好的基于web api系统相似度。(2)本文利用Hierarchical Dirichlet Process(HDP)算法,结合Self-Origanizing Maps(SOM)进行聚类,以提高聚类效果,减少不相似的基于web api系统的干扰。(3)本文基于DeepFM,结合web api多特征信息,得到最后的web api得分。该方法综合web api相似度、基于web api系统相似度、web api隐含的多QoS属性信息等特征,生成web api得分。

关键词：图结构 web api推荐 HDP 重启随机游走 DeepFM

来源：评论

学校读者我要写书评

暂无评论

基于近邻增强和多任务学习的混合web api推荐

基于近邻增强和多任务学习的混合Web API推荐

引用

作者：段云浩云南大学

学位级别：硕士

Mashup是通过重用web应用编程接口(web api)来创建高级功能丰富的应用程序的方法。随着网络环境中可用web api的数量持续增加,手动选择适合于Mashup创建的api变得越来越不可行。为了解决这一问题,研究者们提出了web api推荐的概念,并提... 详细信息

Mashup是通过重用web应用编程接口(web api)来创建高级功能丰富的应用程序的方法。随着网络环境中可用web api的数量持续增加,手动选择适合于Mashup创建的api变得越来越不可行。为了解决这一问题,研究者们提出了web api推荐的概念,并提出了多种算法以匹配Mashup创建的要求。但以协同过滤和内容分析为主导的现有方法在特征融合和利用方面仍然较弱,难以满足多维度的推荐需求。为此,本文从Mashup数据的利用和特征数据的增强两个角度,提出了两种深度推荐模型,并将两种模型从结构层面进行融合,取得了更好的推荐效果。针对web api推荐中模型特征利用不全面的问题,提出了混合多任务web api推荐(Hybrid Multi-Task Recommendation,HMTR)模型。HMTR基于Mashup文档描述,利用基于Text CNN的语义编码模块生成Mashup需求及文档的特征表示,并结合特征交互模块对Mashup特征表示与web api嵌入之间交互建模。引入Mashup类别预测作为辅助任务,使HMTR具有多任务学习的能力。通过反向传播算法优化模型参数,输出推荐序列实现混合web api推荐。针对web api推荐中数据特征缺乏的问题,提出了近邻增强web api推荐(Near Neighbor Reinforcement Recommendation,NNRR)模型。NNRR基于文档描述与类别标签,利用近邻选择模块筛选近邻Mashup,通过特征增强模块以挖掘利用文档特征和经过嵌入后的类别特征,从特征表示的维度对特征进行复合以达到增强的效果。基于增强特征,NNRR将web api推荐问题转化为多标签学习问题,使用二元交叉熵损失函数优化模型,输出推荐序列来实现web api推荐。此外,从模型结构上融合HMTR与NNRR提出增强混合多任务web api推荐(Reinforcement Hybrid Multi-Task Recommendation,RHMTR)模型,通过相同方式进行模型调整训练,实现更为高效的web api推荐。基于来自现实场景的数据集合,利用多种方式对本文模型进行了定量及定性分析。实验结果表明,本文提出的方法能够准确推荐web api,并能够通过融合达到提升web api推荐性能的目的。

关键词： web api推荐 TextCNN 特征交互多任务学习近邻增强

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：