典型文献
面向Mashup的质量感知Web API推荐
文献摘要：
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％.
文献关键词：
Mashup;Web API推荐;质量感知推荐;深度学习
中图分类号：
作者姓名：
陈佳佩;武浩;秦绍伟;彭伟乐;徐立
作者机构：
云南大学 信息学院,云南 昆明 650500
文献出处：
引用格式：
[1]陈佳佩;武浩;秦绍伟;彭伟乐;徐立-.面向Mashup的质量感知Web API推荐)[J].云南大学学报（自然科学版）,2022(04):688-697
A类：
质量感知推荐
B类：
Mashup,API,深度学习技术,深度网络模型,推荐模型,BERT,预训练模型,文本编码,编码器,文本描述,自注意力机制,质量增强,真实数据,比基,推荐任务,top,召回率,折损
AB值：
0.263887
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
