DDASR: Deep Diverse API Sequence Recommendation

doi:10.1145/3712188

DDASR: Deep Diverse API Sequence Recommendation

2025-07-03

0

PRE

AI

DOI：10.1145/3712188

原文求助

摘要

En 中文

在软件开发中，推荐API序列至关重要，可节省开发者的时间和精力。然而，以往研究主要关注准确性，倾向于推荐热门API，却往往忽视了低频或“尾部”API。这种疏忽通常源于历史数据有限，进而降低了推荐系统的多样性。本文提出DDASR框架，用于推荐包含热门API和尾部API的序列。为准确捕捉开发者意图，我们利用最新的大型语言模型学习查询表示。为更好地理解尾部API，DDASR将功能相似的尾部API进行聚类，并用聚类中心生成伪真实标签。此外，基于学习排序方法定义了损失函数，以在准确性与多样性之间取得平衡，因为二者存在固有权衡。为评估DDASR，我们在Java和Python开源数据集上进行了大量实验。结果表明，DDASR在保持准确性的前提下显著实现了最佳多样性。与七种最新方法相比，在Java数据集上，DDASR将BLEU、ROUGE、MAP和NDCG等准确性指标分别提升了108.28%、67.30%、88.59%和45.83%，并将多样性指标覆盖率提升了45.83%；在Python数据集上，这些指标分别提升了9.83%、2.45%、8.06%和8.03%。

Keyword:

API recommendation

diversity

tail APIs

large language models

learning-to-rank

DDASR: Deep Diverse API Sequence Recommendation

摘要

期刊

机构

引用论文