.png){kind=icon}
返回
Implicit Supervision-Assisted Graph Collaborative Filtering for Third-Party Library Recommendation
.png){kind=icon}
PRE
AI
DOI：10.1109/TSC.2025.3562349.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
第三方库（TPL）在软件开发中扮演着关键角色。利用TPL推荐系统能够帮助软件开发者快速找到有用的TPL。已提出多种TPL推荐方法，其中基于图神经网络（GNN）的推荐方法最受关注。然而，GNN方法通过多次卷积聚合生成节点表示，容易引入噪声，导致过平滑问题。此外，由于标记数据的高稀疏性，节点表示在实际场景中可能存在偏差。为解决这些问题，本文提出了一种名为隐式监督辅助图协同过滤（ISGCF）的TPL推荐方法。具体而言，它将应用-TPL交互关系作为输入，并采用流行度去偏方法生成去噪的应用和TPL图，这减少了图卷积过程中引入的噪声并缓解了过平滑问题。同时，它还采用了一种新颖的隐式监督损失函数来利用标记数据学习增强的节点表示。在大型真实世界数据集上的广泛实验表明，ISGCF在召回率（Recall）、归一化折扣累积增益（NDCG）和平均精度均值（MAP）指标上显著优于其他最先进的TPL推荐方法。实验还验证了ISGCF在缓解过平滑问题方面的优越性。
Keyword:
Third-party library
recommender system
graph neural network
collaborative filtering
implicit supervision
期刊
IF:
5.8
论文数:
2.2K
被引数:
6.5K
机构
引用论文
.png){kind=icon}
CrossRec: Supporting software developers by recommending third-party librariesCrossRec: 通过推荐第三方库来支持软件开发人员
PREAI
分享收藏分享收藏
查看更多内容