[發(fā)明專(zhuān)利]一種基于WTP-WCD算法的API推薦方法

在審

• 申請(qǐng)?zhí)枺?/td>: 202011078740.9
• 申請(qǐng)日: 2020-10-10
• 公開(kāi)（公告）號(hào): CN112214511A
• 公開(kāi)（公告）日: 2021-01-12
• 發(fā)明（設(shè)計(jì)）人: 文萬(wàn)志;王仕強(qiáng);陳志強(qiáng);陸曉紅;鄭大順;謝忠壤;張斌
• 申請(qǐng)（專(zhuān)利權(quán)）人: 南通大學(xué)
• 主分類(lèi)號(hào): G06F16/245
• 分類(lèi)號(hào): G06F16/245;G06F8/20;G06F40/216
• 代理公司: 北京科家知識(shí)產(chǎn)權(quán)代理事務(wù)所(普通合伙) 11427
• 代理人: 徐思波

本發(fā)明提供一種基于WTP?WCD算法的API推薦方法，包括如下步驟：步驟1)、收集API數(shù)據(jù)集；步驟2)、對(duì)數(shù)據(jù)集預(yù)處理；步驟3)、建立模型，將數(shù)據(jù)進(jìn)行向量化處理；步驟4)、對(duì)生成的詞向量進(jìn)行加權(quán)處理；步驟5)、對(duì)需要查詢(xún)的問(wèn)題內(nèi)容同樣進(jìn)行步驟二、三、四處理操作；步驟6)、進(jìn)行相似度計(jì)算。本發(fā)明主要用于解決在軟件開(kāi)發(fā)中向用戶(hù)推薦API的問(wèn)題，能夠有效輔助軟件開(kāi)發(fā)人員使用API來(lái)完成開(kāi)發(fā)任務(wù)，具有較高的精確率和效率。本發(fā)明不僅可以向用戶(hù)精確推薦API，而且能有效提高API推薦的效率。

技術(shù)領(lǐng)域

本發(fā)明信息檢索的技術(shù)領(lǐng)域，具體涉及一種基于WTP-WCD算法的API推薦方法，主要用于解決在軟件開(kāi)發(fā)中向用戶(hù)推薦API的問(wèn)題

背景技術(shù)

隨著軟件技術(shù)的飛速發(fā)展，各種編程語(yǔ)言中的庫(kù)不斷改進(jìn)，軟件在開(kāi)發(fā)過(guò)程中，越來(lái)越多的開(kāi)發(fā)人員將傾向于使用現(xiàn)有的庫(kù)來(lái)完成開(kāi)發(fā)任務(wù)。因此API是許多開(kāi)發(fā)人員選擇調(diào)用的工具。然而，由于庫(kù)實(shí)現(xiàn)的功能不同以及API的復(fù)雜性和多樣性很難讓開(kāi)發(fā)人員學(xué)習(xí)。在這種情況下，一些有經(jīng)驗(yàn)的開(kāi)發(fā)人員可能知道如何使用API，但是對(duì)于缺乏開(kāi)發(fā)經(jīng)驗(yàn)的開(kāi)發(fā)人員或初學(xué)者非常不友好。同時(shí)，API的類(lèi)型和函數(shù)有上萬(wàn)種，API幫助文檔的內(nèi)容也不盡相同，使用方式也在不斷變化。這些因素使得學(xué)習(xí)和使用API來(lái)提高開(kāi)發(fā)效率變得非常困難。

軟件開(kāi)發(fā)人員更傾向于僅提供需求描述以獲得適當(dāng)?shù)腁PI。現(xiàn)有的關(guān)鍵字檢索方法難以識(shí)別需求描述和API文檔之間的詞法和語(yǔ)法差異，從而導(dǎo)致API推薦效率低下。基于WTP-WCD算法的API推薦方法是一種基于詞嵌入技術(shù)的，這種方法是通過(guò)對(duì)文本進(jìn)行結(jié)構(gòu)化，充分挖掘文本中的語(yǔ)義信息，并計(jì)算出用戶(hù)查詢(xún)問(wèn)題與API文檔中描述信息之間的相似度，為開(kāi)發(fā)人員推薦滿(mǎn)足開(kāi)發(fā)需求的API，以提高開(kāi)發(fā)者的軟件開(kāi)發(fā)效率。

發(fā)明內(nèi)容

本發(fā)明要解決的技術(shù)問(wèn)題是提供一種基于WTP-WCD算法的API推薦方法，能夠有效輔助軟件開(kāi)發(fā)人員使用API來(lái)完成開(kāi)發(fā)任務(wù)，具有較高的精確率和效率。

為解決上述技術(shù)問(wèn)題，本發(fā)明的實(shí)施例提供一種基于WTP-WCD算法的API推薦方法，包括如下步驟：

步驟1)、收集API數(shù)據(jù)集；

步驟2)、對(duì)數(shù)據(jù)集預(yù)處理；

步驟3)、建立模型，將數(shù)據(jù)進(jìn)行向量化處理；

步驟4)、對(duì)生成的詞向量進(jìn)行加權(quán)處理；

步驟5)、對(duì)需要查詢(xún)的問(wèn)題內(nèi)容同樣進(jìn)行步驟二、三、四處理操作；

步驟6)、進(jìn)行相似度計(jì)算。

其中，步驟1)的具體步驟如下：

(1-1)收集API數(shù)據(jù)集來(lái)構(gòu)造數(shù)據(jù)庫(kù)：爬蟲(chóng)調(diào)用requests庫(kù)來(lái)獲取API信息文檔的url，然后通過(guò)BeautifulSoup庫(kù)來(lái)解析url所在的網(wǎng)站，最后利用正則表達(dá)式來(lái)獲取標(biāo)簽爬取API的對(duì)象、API函數(shù)方法以及API注釋?zhuān)缓髮⑴廊〉膬?nèi)容存儲(chǔ)在數(shù)據(jù)庫(kù)中；

(1-2)提取問(wèn)答網(wǎng)站中Java項(xiàng)目的API推薦信息，提取的QA對(duì)中要包含Java標(biāo)簽，對(duì)提取后的問(wèn)題進(jìn)行篩選，首先問(wèn)題的答案要包含API實(shí)體，保證數(shù)據(jù)的有效性，然后給問(wèn)題本身的評(píng)分設(shè)定一個(gè)閾值，低于這個(gè)閾值的數(shù)據(jù)就剔除，并且它的答案的分?jǐn)?shù)應(yīng)為正，最后將提取的數(shù)據(jù)存儲(chǔ)在數(shù)據(jù)庫(kù)中。

其中，步驟2)的具體步驟如下：

(2-1)首先語(yǔ)句之間要進(jìn)行分句，用標(biāo)點(diǎn)符號(hào)進(jìn)行分離，使用nltk包中的sent_tokenize方法進(jìn)行分句；

(2-2)分詞中刪除標(biāo)點(diǎn)符號(hào)時(shí)使用punctuation方法先找出所有的標(biāo)點(diǎn)符號(hào)，然后使用replace方法用空格代替標(biāo)點(diǎn)符號(hào)，并以空格切分字符串，形成單個(gè)單詞，最后將所有的單詞轉(zhuǎn)化為小寫(xiě)；