.png){kind=icon}
返回
An API recommendation method fusing context and semantic
.png){kind=icon}
PRE
AI
DOI：10.1016/j.asej.2026.104354.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
在现代软件开发中，API推荐系统在提升开发效率方面发挥着关键作用。基于查询的API推荐更能契合开发者的实际需求，因为开发者通常通过自然语言查询和部分代码上下文来表达编程任务。然而，依赖关键词匹配或静态代码分析的传统方法难以联合捕捉查询语义和编程上下文，可能导致推荐结果不准确或排序不佳。为解决此问题，我们提出了上下文增强的基于查询的API推荐方法（CQARA）。CQARA通过同义词替换丰富查询表达式，构建多维查询-上下文-API三元组张量，应用非负张量分解来恢复稀疏观测下的潜在关联，并使用BLAST算法进行局部上下文序列匹配和API重排序。在真实数据集上的实验表明，CQARA在SuccessRate、Recall、MAP、MRR和NDCG指标上，持续提升了类级和方法级API推荐性能，优于代表性基线方法。
Keyword:
API recommendation
Programming context
Tensor factorization
Context matching
Natural language query
