[发明专利]一种基于同源相关性的API推荐方法

权利要求书

1.一种基于同源相关性的API推荐方法，其特征在于，所述方法包括以下步骤：

步骤1)获得相似历史信息，通过余弦相似度计算获得新需求和历史信息之间的相似度值，获取相似度排名前k的历史信息；

步骤2)获得API推荐分数Score1：在排名前k的历史信息中，提取历史信息中的API，根据API出现频率，计算每个API的推荐分数Score1；

步骤3)获得API同源影响分数Score2：根据步骤2)的推荐分数Score1对API进行排序，并标记每个API权重，根据API找到对应第三方库，计算同一第三方库(即同源)中API的总权重，通过归一化得到每个API的同源影响分数Score2；

步骤4)API推荐：将步骤2)得到的API的推荐分数Score1和步骤3)得到的API同源影响分数Score2进行求和得到API推荐分数Score；根据得到的推荐分数Score进行API推荐，推荐分数越高越优先推荐：

公式：Score＝Score1+Score2,

所述步骤1)中，新需求来自用户输入，用符号NewQ表示，NewQ中包含字段{new_description}，new_description代表新需求对应描述，历史信息库来自项目与事务跟踪工具，历史信息的集合{Q₁,Q₂,…,Q_m},Q_i中的字段为{description，methods},(1≤i≤m)，description代表历史信息对应描述，methods代表历史信息对应方法的集合，通过计算new_description和所有历史信息的description之间的余弦相似度，获得相似度排名前k的历史信息，其中，k0，k为整数，k为用户输入；

所述步骤2)中对于名为m的API，其推荐分数Score1(m)的计算方法为：公式：

其中，Count_m表示前k个相似历史信息中m出现的次数，k表示选择相似历史信息的数目；

所述步骤3)中API同源影响分数Score2具体计算流程为：

(a)根据推荐分数Score1从大到小将API进行排序，标记其权重为n,n-1,……(逐次减一)，n为API总个数，如果API对应的Score1相同则权重也标记相同；

(b)计算相同第三方库(即同源)的API权重之和，将得到的所有权重之和进行归一化，得到同源影响分数Score2；

相同第三方库(即同源)的API权重之和计算方法为：

公式：Sum_tt＝∑Weight_tt

其中，Sum_tt表示名为tt的第三方库中API权重之和，Weight_tt表示tt中每个API的权重

同源影响分数Score2计算方法为：

公式：

其中，Score2(m)表示名为m的API的同源影响分数Score2，Sum_libm中libm表示m所在的第三方库，Sum_libm表示该第三方库中API的权重之和，∑Sum_lib表示所有第三方库的总权重。