.png){kind=icon}
返回
CoWAR: A General Complementary Web API Recommendation Framework Based on Learning Model
.png){kind=icon}
PRE
AI
DOI：10.1109/TR.2026.3667714.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
随着服务计算技术的快速发展，互联网上Web应用程序编程接口（APIs）的普及呈指数级增长。然而，从这一庞大的资源池中为Mashup创建选择最合适的APIs对用户构成了重大挑战。为解决此问题，已开发出多种Web API推荐方法，旨在简化复杂的筛选过程。尽管取得了这些进展，但关于互补功能推荐的研宄仍有限。为应对这一状况，我们提出了互补Web API推荐（CoWAR），这是一种基于用户先前已选Web APIs，为Mashup创建量身定制的互补Web API推荐综合框架。具体而言，我们引入了一种数据标注算法，利用从历史Mashup和Web APIs中提取的Mashup-API交互信息生成标注数据集。此外，我们采用Sentence-bidirectional-encoder-representations-from-transformers模型，根据Web APIs的功能描述生成其表示向量。随后，利用标注数据集中的Web APIs表示向量，采用自注意力神经因子分解机模型对CoWAR模型进行训练。CoWAR中集成了注意力机制，用于识别已选Web APIs与候选Web APIs之间变化的互补权重，从而提升推荐性能。据我们所知，这是首次采用基于学习的方法解决互补功能推荐问题的研宄。在真实数据集上的实验验证表明，所提框架的有效性，学习模型在性能上优于传统机器学习模型及多种深度学习模型。
Keyword:
Complementary function
learning model
mashup
service recommendation
web application programming interface (API)
期刊
IF:
5.7
论文数:
2.8K
被引数:
8.5K
机构
引用论文
.png){kind=icon}
Text Preprocessing for Text Mining in Organizational Research: Review and Recommendations组织研究中文本挖掘的文本预处理: 回顾与建议
PREAI
分享收藏Context-aware IoT Service Recommendation: A Deep Collaborative Filtering-based Approach情境感知物联网服务推荐：一种基于深度协同过滤的方法
PREAI
分享收藏
分享收藏分享收藏
查看更多内容