Explore-Construct-Filter：一个用于构建丰富且可靠的 API 知识图谱的自动化框架
软件工程
2025-02-20 v1 人工智能
摘要
API 知识图谱（API KG）是一个对 API 实体及其关系进行建模的结构化网络，为 API 推荐、代码生成和 API 误用检测等任务提供重要的语义洞察。然而，构建知识丰富且可靠的 API KG 面临几个挑战。现有的基于模式的方法严重依赖人工标注来设计 KG 模式，导致过多的人工开销。另一方面，无模式方法由于缺乏模式指导，容易引入噪声，降低了 KG 的可靠性。为了解决这些问题，我们提出了 Explore-Construct-Filter 框架，这是一种基于大语言模型（LLM）的自动化 API KG 构建方法。该框架包含三个关键模块：1）KG 探索：LLM 模拟标注员的工作流程，自动设计具有全面类型三元组的模式，最大程度减少人工干预；2）KG 构建：在模式的指导下，LLM 提取实例三元组以构建丰富但不可靠的 API KG；3）KG 过滤：移除无效的类型三元组和可疑的实例三元组，以构建丰富且可靠的 API KG。实验结果表明，我们的方法超越了 state-of-the-art 方法，F1 分数提升了 25.2%。此外，Explore-Construct-Filter 框架被证明是有效的，KG 探索模块将 KG 丰富度提高了 133.6%，KG 过滤模块将可靠性提高了 26.6%。最后，跨模型实验证实了我们框架的泛化能力。
引用
@article{arxiv.2502.13412,
title = {Explore-Construct-Filter: An Automated Framework for Rich and Reliable API Knowledge Graph Construction},
author = {Yanbang Sun and Qing Huang and Xiaoxue Ren and Zhenchang Xing and Xiaohong Li and Junjie Wang},
journal= {arXiv preprint arXiv:2502.13412},
year = {2025}
}