Adaptive hypergraph contrastive learning for cloud API recommendation

doi:10.1016/j.eswa.2026.133144

Adaptive hypergraph contrastive learning for cloud API recommendation

2026-09-29

0

PRE

AI

DOI：10.1016/j.eswa.2026.133144

原文链接

原文求助

摘要

En 中文

云API作为服务交付、数据交换和能力复用的核心载体，已成为当代软件开发和运营中不可或缺的部分。然而，随着云API的激增，开发者面临着高效识别和选择合适API的巨大挑战。大多数现有研究主要关注沿混合应用（Mashup）与云API之间的交互路径传播和聚合信息，以捕捉局部协作信号用于推荐。然而，这些方法存在两个局限性：1）信息的深度传播容易导致过平滑现象，使得混合应用和云API的表示难以区分；2）缺乏对混合应用与云API之间潜在全局依赖关系的探索，难以缓解局部交互建模中的数据稀疏问题。为解决这些局限性，我们提出了一种自适应超图对比学习框架（AHCL），该框架联合建模局部协作关系和全局依赖关系。具体而言，除了局部交互图外，我们还自适应地构建混合应用和云API的超图以捕获全局依赖关系。此外，我们设计了一种基于节点度中心性的增强策略的多层级对比学习机制，以增强局部和全局结构关系的一致性。同时，引入排他性约束以减少功能冗余的云API的聚合，并鼓励互补性API推荐。在两个真实数据集上的广泛实验表明，AHCL在所有指标上均显著优于现有最先进方法。特别是在PWA数据集上，相比最强基线，AHCL将HR@10/NDCG@10提升了7.95%/6.10%；在HGA数据集上提升了4.89%/3.58%，同时在线性交互设置下表现出强大的鲁棒性。实现代码可访问：https://github.com/MengMeng3399/AHCL。

Keyword:

Recommender systems

Cloud API

Contrastive learning

Hypergraph

Adaptive hypergraph contrastive learning for cloud API recommendation

摘要

期刊

机构

引用论文