申请/专利权人：南京大学

申请日：2024-01-16

公开（公告）日：2024-04-16

公开（公告）号：CN117892014A

主分类号：G06F16/9536

分类号：G06F16/9536;G06F18/2411;G06F18/22

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.05.03#实质审查的生效;2024.04.16#公开

摘要：本发明公开了一种具有隐式反馈机制的上下文感知API推荐方法，基于协同过滤的思想，旨在从相似上下文中的相似方法中获得对每个API调用的评分，根据评分高低进行API推荐，并收集开发人员的隐式反馈信息实现推荐过程的自更新。针对开源软件存储库中存在的大量开源项目，首先选取与当前正在开发的项目最相关的候选项目；然后从相关项目中选择与当前正在编辑实现的方法声明最相似的声明；最后根据这些相似声明的API调用信息建立“用户‑物品”评分共现矩阵，通过计算矩阵缺失值来完成对活动声明的API推荐任务。同时，本发明记录开发人员接收到API推荐列表之后的隐式反馈信息，并根据该信息自更新以上推荐过程，以实现更精准的推荐。

主权项：1.一种具有隐式反馈机制的上下文感知API推荐方法，其特征在于，通过将API视为物品，将方法声明视为用户，将封闭的项目视为上下文，使用协同过滤的方式进行API推荐，并使用隐式反馈机制实现推荐过程自更新；包含以下步骤：步骤1，首先对目标Java项目源代码进行静态分析，抽取出每个项目中声明的方法信息以及API调用序列信息；步骤2，使用TF-IDF算法将每个项目和声明的API调用信息编码为特征向量，并基于特征向量的余弦相似度来选取与活动项目最相关的N个项目；步骤3，使用基于Jaccard系数的方法来计算方法声明之间的相似度，从N个项目中选取与活动声明最相似的M个声明；步骤4，根据相似声明和活动声明的API调用序列，构建“用户-物品”评分矩阵，并基于去中心化协同评分算法计算矩阵缺失项的评分，按照评分从大到小排序输出API推荐列表；步骤5，基于推荐列表和开发人员的隐式反馈信息更新活动声明的特征，并返回步骤3重新执行；根据用户需求，反馈能执行一轮或多轮。

全文数据：

权利要求：

百度查询： 南京大学 一种具有隐式反馈机制的上下文感知的API推荐方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD