一种基于知识图谱和协同过滤的api推荐方法
技术领域
本发明涉及面向Mashup的服务推荐领域和知识图谱
技术领域
，尤其涉及一种基于知识图谱和协同过滤的API推荐方法。背景技术
随着互联网的高速发展，Web服务正在成为一种主要技术。现如今我们对于API的依赖变得越来越大，单一Web API已经不能满足我们的需求了，这时候往往需要多个API共同工作才能达到我们的最终目的。
近些年来Mashup概念逐渐流行起来，这是一种通过组合现有的Web资源，利用数据和Web api的Web应用。一个Mashup往往结合了两个或者两个以上的Web API，比如名称为sportlogger的Mashup是提供体育博客功能的应用。这个Mashup一共整合了三个API，分别是google maps，twitter，janrain engage。Mashup易于实现最终用户需求，并且可以方便开发人员进行开发工作。由此可见，Mashup的出现和发展，不仅解决了单个Web API功能单一的缺点，同时也使Web API变得可以重用。然而目前的Web API数量庞大，据统计programmeweb上的API已经超过了23000个，这给开发工作者带来了巨大的困扰。在这种情况下，如何为Mashup推荐合适的API已经成为服务领域的热点和难点，一个性能优秀的服务推荐系统将大大提高开发人员的发开的效率。
目前面向Mashup的服务推荐主要是使用的协同过滤算法，但是这不能很好地挖掘Mashup与API之间的深层关系。同时当目标Mashup没有API使用记录的时候，将存在冷启动的问题，即很难给一个没有使用过API的Mashup推荐Web API。除此以外，目前还有很多研究只依赖于API和Mashup的描述信息。但是很多服务的描述信息都不完整或不准确，这极大影响了最终的推荐结果。
发明内容
为了高效准确地为相应Mashup推荐API，本发明提出了一种基于知识图谱和协同过滤的API推荐方法，该方法通过知识图谱挖掘Mashup与API间的深层关系，同时利用混合协同过滤方法解决了数据稀疏的问题。
本发明的目的是通过以下技术方案来实现的：一种基于知识图谱和协同过滤的API推荐方法，该方法包括以下步骤：
(1)根据Mashup与已存在API构建服务知识图谱，将知识谱图中的API使用表示学习算法TransH嵌入到低维向量，计算API实体之间的相似度；
(2)获取目标Mashup使用过的API，根据步骤(1)得到目标Mashup使用过的API的相似API构成推荐列表RS1；
(3)根据Mashup的文本描述文档用自然语言处理技术提取目标Mashup与其它Mashup的功能，通过功能计算目标Mashup与其它Mashup之间的相似度；
(4)根据步骤(3)获取目标Mashup的相似Mashup，将相似Mashup使用过的API构成推荐列表RS2；
(5)根据Mashup的API使用记录分别构建Mashup的使用矩阵和API的使用矩阵，然后分别计算Mashup之间的相似度，以及API之间的相似度；
(6)根据步骤(5)获取目标Mashup的相似Mashup，将相似Mashup使用过的API构成推荐列表RS3；
(7)获取目标Mashup使用过的API，根据步骤(5)得到目标Mashup使用过的API的相似API构成推荐列表RS4；
(8)根据RS1和RS4得到基于API的推荐集合AS，具体为：
将RS1和RS4中的推荐API的相似度做归一化处理；
将RS1中的推荐API集合记为set1，将RS4中的推荐API集合记为set2，取set1和set2的并集记为set；首先给RS1中的推荐API赋值评分，遍历set中的每一个API，如果RS1中存在这个API，则RS1中该API的评分就是归一化后的相似度；如果RS1中不存在这个API，则RS1中该API的评分为0；然后用相同的方式给RS4中的推荐API赋值评分；经过以上操作后RS1和RS4的长度相同，且推荐API相同；将处理过的RS1和RS4合并为一个基于API的推荐集合AS，AS中第i个推荐API的评分Sri计算公式如下：
其中s1和s2分别是RS1和RS4中第i个推荐API的评分；
(9)利用步骤(8)中的方法，根据RS2和RS3得到基于Mashup的推荐集合MS；
将RS2和RS3中的推荐API的相似度做归一化处理；
将RS2中的推荐API集合记为set3，将RS3中的推荐API集合记为set4，取set3和set4的并集记为set'；首先给RS2中的推荐API赋值评分，遍历set'中的每一个API，如果RS2中存在这个API，则RS2中该API的评分就是归一化后的相似度；如果RS2中不存在这个API，则RS2中该API的评分为0；然后用相同的方式给RS3中的推荐API赋值评分；经过以上操作后RS2和RS3的长度相同，且推荐API相同；将处理过的RS2和RS3合并为一个基于API的推荐集合MS，MS中第i个推荐API的评分Sri计算公式如下：
其中s1和s2分别是RS2和RS3中第i个推荐API的评分；
(10)利用步骤(8)中的方法，将AS和MS合并，得到最终的API推荐结果；
将AS中的推荐API集合记为set5，将MS中的推荐API集合记为set6，取set5和set6的并集记为set”；首先给AS中的推荐API赋值评分，遍历set”中的每一个API，如果AS中存在这个API，则AS中该API的评分就是归一化后的相似度；如果AS中不存在这个API，则AS中该API的评分为0；然后用相同的方式给MS中的推荐API赋值评分；经过以上操作后AS和MS的长度相同，且推荐API相同；将处理过的AS和MS合并为最终的API推荐集合RS，RS中第i个推荐API的评分Sri计算公式如下：
其中s1和s2分别是AS和MS中第i个推荐API的评分。
进一步地，所述服务知识图谱的构建具体为：将API、Mashup以及它们的类别Category和标签Tag作为服务实体，其中API与Mashup之间的关系定义为“used”；API与Category之间，以及Mashup与Category之间的关系均定义为“belong_to”；API与Tag之间，以及Mashup与Tag之间的关系均定义为“Tag”；当API之间文本描述相似度越高时，两者功能就越相似，说明它们可能存在竞争关系，计算API之间的文本描述相似度，然后将每个API相似度最高的前20％的API设置为竞争关系，并且加入到知识图谱中。
进一步地，所述步骤(1)中，API实体之间的相似度计算具体为：
由知识图谱首先提取了实体和关系组成三元组，然后使用表示学习方法TransH将三元组嵌入到低维向量中。TansH是在TansE的基础上做的改进。TransE算法是将三元组中的head向量和relation向量相加尽量等于tail向量。设三元组中的head向量为h，关系向量为r，tail向量为t，则将三元组嵌入到低维向量的时候尽量满足以下公式：
h+r≈t
TransE算法将三元组嵌入到向量空间时是嵌入到单一平面；与TransE一样，TansH也是为了满足三元组中的head向量和relation向量相加尽量等于tail向量。但是和TransE将三元组映射到单一平面不同，TransH是将三元组映射到多平面。
得到API实体的低维向量后，用余弦相似度计算API实体间的相似度，数值越大，说明两个API之间的关联度越大，具体计算公式如下：
其中APIi和APIi′是两个API的低维向量，d是API向量的维度，优选地，d取100。
进一步地，所述步骤(3)中，Mashup之间的相似度计算具体为：
为了挖掘Mashup之间的相似度，提取了所有Mashup的功能。首先使用目前较为流行的自然语言处理工具Stanford Parser将Mashup的描述信息进行分词处理。然后以谓语和宾语组成相对应的依赖关系。比如名为“ordinateur”的Mashup的描述是“Ordinateurhelps Compare and buy computers”，提取出的动宾就是“Comparecomputers”和“buycomputers”，这就是“ordinateur”这个mashup的两个功能。
步骤(3)中目标Mashup与其他Mashup相似度是通过相同功能出现的概率计算的，因此Mashup间功能越相近，则相似度越高。具体的相似度计算公式如下：
其中P和Q分别是两个Mashup的功能集合。
进一步地，所述步骤(5)中的相似度计算具体为：
Mashup使用矩阵的构建方程式如下：
Mashupi＝(API1,API2,...,APIj,...)
其中APIj的值取决于APIj是否被Mashupi使用过，如果被使用过，APIj的值为1，没有被使用过则为0。
API使用矩阵的构建方程式如下：
APIi＝(Mashup1,Mashup2,...,Mashupj,...)
其中当APIi使用过Mashupj时，Mashupj的值为1，如果APIi没有使用过Mashupj，则Maxhupj的值为0。
分别计算Mashup使用矩阵之间和API使用矩阵之间的相似度，由于使用矩阵中的数据只有0和1，因此使用同现相似度计算Mashup之间和API之间的相似度，具体计算公式如下：
其中Mashupx和Mashupy是Mashup的使用矩阵，APIx和APIy是API的使用矩阵。
本发明的有益效果如下：本发明利用知识图谱技术降低了数据稀疏性对推荐结果的影响。同时利用提取Mashup功能解决了冷启动的问题。与现有的服务推荐算法相比，本发明方法在服务推荐的准确性方面有显著的提高。
附图说明
图1是本发明实施例提供的基于知识图谱和协同过滤的API推荐方法流程图；
图2是本发明实施例提供的目标Mashup基本信息及其使用过的API示意图；
图3是本发明实施例构建的部分服务知识图谱示意图；
图4是本发明实施例提供的推荐方法最终推荐结果。
具体实施方式
下面通过实施例并结合附图对本发明的技术方案作进一步详细说明。
如图1所示，本发明实施例提供一种基于知识图谱和协同过滤的API推荐方法，具体步骤如下：
(1)根据Mashup与已存在API构建服务知识图谱。例如按照图2所示的名称为sportlogger的目标Mashup信息构建的部分知识图谱如图3所示。其中Mashup与使用过的API的关系为used，如sportlogger与twitter形成三元组(sportlogger，use,twitte)。目标Mashup与category之间的关系是belong_to。例如sportlogger与Travel形成三元组(sportlogger，belong_to,twitte)。Mashup与tag之间的关系是Tag，如sportlogger与Social形成三元组(sportlogger，belong_to,Social)。将API实体嵌入低维向量，计算API之间的相似度。
(2)获取名称为sportlogger的目标Mashup使用过的API google maps，twitter和janrain engage，基于步骤(1)分别将与这三个API最相似的API组成候选推荐列表RS1。
(3)利用自然语言技术提取目标Mashup与其他Mashup的功能，目标Mashupsportlogger的文本描述信息是“By importing and tagging GPS tracks,usersget a clear view of their sport activities both in space(on a map)and time(ona calendar).”，用Stanford Parser开源工具分词以后得到动语和宾语组成二元组SD(get,sport activities)。然后根据描述文本提取的功能计算Mashup之间的相似度。
(4)基于步骤(3)得到sportlogger这个Mashup的相似Mashup为fonfinder，sneaker store finder，twitterwho，ukoel social jukebox，breaking news headlines，然后将这五个使用过的API组成推荐列表RS2。
(5)获得所有Mashup与API的使用矩阵，矩阵的每一元素公式为：
根据矩阵计算Mashup之间和API之间的相似度。
(6)根据步骤(5)得到的Mashupsportlogger的相似Mashup为destinations，100travel destinations,200towns，cool bars restaurants and clubs和darwin busmap并将这些相似Mashup使用过的API组成推荐列表RS3。
(7)获取sportlogger使用过的APIgoogle maps，twitter和janrain engage，然后根据步骤(5)得到这些API的相似API构成推荐列表RS4。
(8)将RS1和RS4中的推荐API的相似度做归一化处理；
将RS1中的推荐API集合记为set1，将RS4中的推荐API集合记为set2，取set1和set2的并集记为set；首先给RS1中的推荐API赋值评分，遍历set中的每一个API，如果RS1中存在这个API，则RS1中该API的评分就是归一化后的相似度；如果RS1中不存在这个API，则RS1中该API的评分为0；然后用相同的方式给RS4中的推荐API赋值评分；将处理过的RS1和RS4合并为一个基于API的推荐集合AS，AS中第i个推荐API的评分Sri计算公式：
其中s1和s2分别是RS1和RS4中第i个推荐API的评分。
(9)将RS2和RS3中的推荐API的相似度做归一化处理；
将RS2中的推荐API集合记为set3，将RS3中的推荐API集合记为set4，取set3和set4的并集记为set'；首先给RS2中的推荐API赋值评分，遍历set'中的每一个API，如果RS2中存在这个API，则RS2中该API的评分就是归一化后的相似度；如果RS2中不存在这个API，则RS2中该API的评分为0；然后用相同的方式给RS3中的推荐API赋值评分；经过以上操作后RS2和RS3的长度相同，且推荐API相同；将处理过的RS2和RS3合并为一个基于API的推荐集合MS，MS中第i个推荐API的评分Sri计算公式如下：
其中s1和s2分别是RS2和RS3中第i个推荐API的评分。
(10)将AS和MS中的推荐API的评分做归一化处理，然后AS和MS合并后取评分最高的20个API形成最终推荐集合RS。Sportlogger的最终API推荐集合如图4所示。
进一步地，所述步骤(1)，步骤(3)，步骤(5)中的相似度计算具体为：
A)步骤(1)中API实体在低维向量中的相似度计算用的是余弦相似度计算，数值越大，说明两个API之间越关联，具体计算公式如下：
其中APIi和APIi′是两个API的低维向量，d是API向量的维度。
B)步骤(3)中目标Mashup与其他Mashup相似度是通过相同功能出现的概率，因此Mashup间功能越相近，则相似度越高，具体计算公式如下：
其中P和Q分别是两个Mashup的功能集合。
C)步骤(5)分别计算Mashup使用矩阵之间和API使用矩阵之间的相似度，由于使用矩阵中的数据只有0和1，因此使用同现相似度计算Mashup之间和API之间的相似度，具体计算公式如下：
其中Mashupx和Mashupy是Mashup的使用矩阵，APIx和APIy是API的使用矩阵。
以上所述仅为本说明书一个或多个实施例的较佳实施例而已，并不用以限制本说明书一个或多个实施例，凡在本说明书一个或多个实施例的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本说明书一个或多个实施例保护的范围内。
