基于多视图异质图表示学习的 API 使用推荐
软件工程
2022-08-04 v1
摘要
开发者常常需要决定为实现的功能使用哪些 API。随着 API 和库的数量不断增长，开发者越来越难以找到合适的 API，这表明自动 API 使用推荐的必要性。以往研究采用统计模型或协同过滤方法挖掘隐式 API 使用模式以进行推荐。然而，它们依赖 API 的出现频率来挖掘使用模式，因此容易对低频 API 失效。此外，先前研究通常将 API 调用交互图视为同质图，忽略了结构图中的丰富信息（如边类型）。在本工作中，我们提出一种名为 MEGA 的新方法，以提高推荐准确率，尤其是对低频 API。具体而言，除调用交互图外，MEGA 还考虑了另外两种新的异质图：融入 API 频率信息的全局 API 共现图，以及融入项目组件信息的层次结构图。借助这三个多视图异质图，MEGA 能更准确地捕捉 API 使用模式。在三个 Java 基准数据集上的实验表明，MEGA 在 Success Rate@1 指标上显著优于基线模型至少 19%。特别是对于低频 API，MEGA 在 Success Rate@1 上也使基线提升至少 55%。
引用
@article{arxiv.2208.01971,
title = {API Usage Recommendation via Multi-View Heterogeneous Graph Representation Learning},
author = {Yujia Chen and Xiaoxue Ren and Cuiyun Gao and Yun Peng and Xin Xia and Michael R. Lyu},
journal= {arXiv preprint arXiv:2208.01971},
year = {2022}
}