融合多维信息的主题自适应Web API推荐方法

如何根据用户的自然语言需求描述自动生成或推荐用于解决问题的Web API服务集合，并辅助构建Mashup，是业务流程管理者和服务组合者关注的热点之一.如何提高推荐的质量，是大家关注的焦点.为此，提出了一种融合多维信息的主题自适应Web API推荐方法HDP-FM（hierarchical Dirichlet processes-factorization machines）为Mashup的创建推荐Web APIs集合.该方法以Web API的描述文档为语料库，利用HDP模型训练每个Web API的主题分布向量；其次，利用已生成的主题模型预测每个Mashup的主题分布向量，用于相似度的计算；最后，将Mashup之间的相似度、WebAPI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，评分排序获取用于推荐的Web APIs集合.为了验证HDP-FM方法的性能，使用从ProgrammableWeb平台上爬取的真实数据进行多组实验，实验结果表明，HDP-FM方法在准确率、召回率、F-measure和NDCG@N等方面具有较好的性能