公开(公告)号：CN116009953B

公开(公告)日：2025-03-21

申请号：CN202310058508.6

申请日：2023-01-17

Applicant: 重庆邮电大学

Inventor： 桑春艳 ,  邓欣燕 ,  廖世根 ,  易星宇

IPC: G06F8/75 ,  G06F16/335 ,  G06F16/334 ,  G06F40/30 ,  G06N20/00

Abstract: 本发明属于API推荐领域，具体涉及一种基于全文语义挖掘结合对抗训练的API推荐方法，包括：对原始数据进行预处理；利用自然语言处理技术提取需求文档、mashup描述和API描述的全文语义，并计算文本相似度；根据文本相似度计算mashup调用API的概率，根据概率获取mashup和API的特征向量的梯度，并更新特征向量；对更新后的mashup和API的特征向量引入抗性训练，得到数据稀疏性缓解后的特征向量；对数据稀疏性缓解后的mashup和API的特征向量采用贝叶斯概率矩阵分解，得到API推荐列表。本发明有助于API平台有效挖掘开发人员的个性化开发需求，减轻开发人员的工作量，同时提高了推荐精度。

公开(公告)号：CN117743678A

公开(公告)日：2024-03-22

申请号：CN202311570228.X

申请日：2023-11-23

Applicant: 重庆邮电大学

Inventor： 桑春艳 ,  邓欣燕 ,  廖世根

IPC: G06F16/9535 ,  G06F8/70 ,  G06F40/30 ,  G06F18/22 ,  G06F18/213 ,  G06F18/2431 ,  G06F18/25 ,  G06N3/0464

Abstract: 本发明属于API推荐领域，具体涉及一种基于相关性和兼容性融合的Web API推荐方法，包括：根据API功能描述文档和Mashup功能描述文档获取API和Mashup的向量表示；利用API与Mashup的历史调用记录构造的交互矩阵、共现矩阵，并使用API的向量计算余弦相似度并构造相似度矩阵，提取Mashup与API的交互特征向量、API与API的交互特征向量以及API与API的相似度特征向量；对提取的向量进行融合，并进行API推荐；本发明有助于API推荐有效地挖掘Mashup与API之间的功能交互、API与API之间的关系以及API的隐含特征，并优化API推荐结果的准确性与兼容性。

公开(公告)号：CN116541433A

公开(公告)日：2023-08-04

申请号：CN202310590978.7

申请日：2023-05-24

Applicant: 重庆邮电大学

Inventor： 桑春艳 ,  邓欣燕 ,  廖世根

IPC: G06F16/2457 ,  G06F16/901 ,  G06F16/9035 ,  G06F16/9535 ,  G06N5/04

Abstract: 本发明属于API推荐领域，具体涉及一种基于关联图的多样性API推荐方法，包括：构建去流行化的API关联图；采用寻找最小带权子图方式获取满足开发需求的候选API组合；根据每个候选API组合的特征向量构造内核矩阵，采用快速贪婪MAP推理算法求解内核矩阵，从候选API组合里找到能够最大化后验概率的API组合，得到推荐结果。本发明根据API的功能描述关键词以及mashup与API间的历史交互数据构建去流行度的API关联图，在去流行度的API关联图的基础上，将API推荐问题建模为寻找最小带权子图问题来获得满足开发需求、具有兼容性且去流行化的API组合，使推荐结果去流行化并保持兼容性还满足开发需求。

公开(公告)号：CN116009953A

公开(公告)日：2023-04-25

申请号：CN202310058508.6

申请日：2023-01-17

Applicant: 重庆邮电大学

Inventor： 桑春艳 ,  邓欣燕 ,  廖世根 ,  易星宇

IPC: G06F8/75 ,  G06F16/335 ,  G06F16/33 ,  G06F40/30 ,  G06N20/00

Abstract: 本发明属于API推荐领域，具体涉及一种基于全文语义挖掘结合对抗训练的API推荐方法，包括：对原始数据进行预处理；利用自然语言处理技术提取需求文档、mashup描述和API描述的全文语义，并计算文本相似度；根据文本相似度计算mashup调用API的概率，根据概率获取mashup和API的特征向量的梯度，并更新特征向量；对更新后的mashup和API的特征向量引入抗性训练，得到数据稀疏性缓解后的特征向量；对数据稀疏性缓解后的mashup和API的特征向量采用贝叶斯概率矩阵分解，得到API推荐列表。本发明有助于API平台有效挖掘开发人员的个性化开发需求，减轻开发人员的工作量，同时提高了推荐精度。

公开(公告)号：CN115982468A

公开(公告)日：2023-04-18

申请号：CN202310006832.3

申请日：2023-01-04

Applicant: 重庆邮电大学

Inventor： 桑春艳 ,  易星宇 ,  廖世根 ,  邓欣燕

IPC: G06F16/9535 ,  G06F16/9536 ,  G06F16/9537 ,  G06N3/08

Abstract: 本发明属于社交网络兴趣点推荐领域，具体涉及一种结合用户周期性偏好和短期兴趣的兴趣点推荐方法，包括：数据处理，将原始数据处理成模型需要的输入数据；根据用户对兴趣点的访问提取兴趣点历史的非连续时空间隔矩阵以及结合兴趣点类型的访问历史轨迹；将用户历史轨迹访问和非连续时空间隔矩阵输入到基于深度学习的网络结构中，得到用户的行为偏好；根据用户的行为偏好在候选兴趣点列表中选取推荐兴趣点，得到有序推荐集合；在有序推荐集合中选取最优的推荐兴趣点；通过本方法有助于商家掌握用户行为特性分布，分析潜在用户，获得良好的经济、社会效益。