Graph Link-Based Prediction for API Usage Recommendation

Junxia Guo

doi:10.1002/smr.70114

Graph Link-Based Prediction for API Usage Recommendation

2026-05-01

0

PRE

AI

DOI：10.1002/smr.70114

原文链接

原文求助

摘要

En 中文

应用程序接口（API）是一种重要形式，并在软件复用领域的软件项目中得到广泛应用。然而，开发者难以找到适合其编程任务的API，尤其是对于不熟悉的任务。向开发者推荐合适API的技术能提供很大帮助。尽管这些技术使API复用的过程比直接在网络上搜索更为便捷，但推荐性能仍需进一步改进，尤其是在新项目启动时。如何获取尽可能多的信息非常重要。本文关注此问题，并通过融合多源信息有效提升API推荐。在此，我们提出一种新方法，命名为基于图链接的API推荐预测（GLBPAPI），该方法使用图神经网络学习API间的细粒度表示，并基于API相似性归纳预测潜在链接。此外，我们将图链接预测与概率模型结合作为GLBPAPI的推荐引擎，以提高API推荐的有效性。我们在从GitHub和Maven Central提取的2210个开源Java项目上评估了该方法。实验结果表明，该方法在平均精度均值（MAP）方面优于现有方法。

Keyword:

API usage recommendation

graph neural networks

link prediction

probability model

Graph Link-Based Prediction for API Usage Recommendation

摘要

期刊

机构