[发明专利]一种基于WTP-WCD算法的API推荐方法

权利要求书

1.一种基于WTP-WCD算法的API推荐方法，其特征在于，包括如下步骤：

步骤1)、收集API数据集；

步骤2)、对数据集预处理；

步骤3)、建立模型，将数据进行向量化处理；

步骤4)、对生成的词向量进行加权处理；

步骤5)、对需要查询的问题内容同样进行步骤二、三、四处理操作；

步骤6)、进行相似度计算。

2.根据权利要求1所述的基于WTP-WCD算法的API推荐方法，其特征在于，步骤1)的具体步骤如下：

(1-1)收集API数据集来构造数据库：爬虫调用requests库来获取API信息文档的url，然后通过BeautifulSoup库来解析url所在的网站，最后利用正则表达式来获取标签爬取API的对象、API函数方法以及API注释，然后将爬取的内容存储在数据库中；

(1-2)提取问答网站中Java项目的API推荐信息，提取的QA对中要包含Java标签，对提取后的问题进行筛选，首先问题的答案要包含API实体，保证数据的有效性，然后给问题本身的评分设定一个阈值，低于这个阈值的数据就剔除，并且它的答案的分数应为正，最后将提取的数据存储在数据库中。

3.根据权利要求1所述的基于WTP-WCD算法的API推荐方法，其特征在于，步骤2)的具体步骤如下：

(2-1)首先语句之间要进行分句，用标点符号进行分离，使用nltk包中的sent_tokenize方法进行分句；

(2-2)分词中删除标点符号时使用punctuation方法先找出所有的标点符号，然后使用replace方法用空格代替标点符号，并以空格切分字符串，形成单个单词，最后将所有的单词转化为小写；

(2-3)删除频率小于10的低频词和停用词；

(2-4)将缩写形式的单词改写成完整形式；

(2-5)对单词列表进行词性标记，使用nltk包中pos_tag()方法进行标记，并返回标记列表；

(2-6)最后使用snowballstemner()方法，还原在时态下和被动语态中出现的的‘ed’和‘ing’，恢复复数和第三人称单数的‘s’和‘es’，减少重复，并提取相似的词干。

4.根据权利要求1所述的基于WTP-WCD算法的API推荐方法，其特征在于，步骤3)中建立的模型模型结构分为三层：输入层、隐层和softmax层，其中，输入层输入的是onehot向量，在输入层和隐层之间有一个权重矩阵w，将隐层设置为300维特征，权重矩阵w和onehot向量进行相乘会得到一个300维特征向量，再通过wx+b函数，之后softmax，得到概率输出；

模型训练时设置参数如下：embedding_size：100，skip_window：5，num_skips：2，num_steps：100000，num_sampled：64，vocab_size：50000，learning_rate：0.0001，epoch：100，batch_size：100。