MCBA：基于Matroid约束的复合服务推荐方法，考虑兼容性与多样性
软件工程
2024-09-04 v1
摘要
随着微服务的流行，许多公司正将其业务流程封装为Web API进行远程调用。这些轻量级Web API为 mashup开发者提供了高效实现复杂功能的途径，无需从零开始。然而，这也带来了挑战，如开发者搜索结果集中于热门API，限制了多样性；以及难以验证API兼容性。亟需一种方法，从大量候选API中推荐满足 mashup功能需求且兼容性和多样性兼备的组合服务。为此，本文引入一种基于Matroid约束的复合服务推荐方法（MCBA），包括两个阶段：侧重兼容性的API组合发现，侧重多样性的Top-k组合推荐。在第一个阶段，将API组合问题形式化为最小组Steiner树（MGST）问题，并通过“压缩-求解”算法予以解决。在第二个阶段，采用基于分区Matroid约束的最大边际相关性方法（MMR-PMC），以确保推荐的多样性。针对真实数据集进行的全面实验表明，MCBA在准确性、兼容性、多样性和效率方面均优于多个最先进的方法。
引用
@article{arxiv.2409.01600,
title = {MCBA: A Matroid Constraint-Based Approach for Composite Service Recommendation Considering Compatibility and Diversity},
author = {Ying Sun and Xiao Wang and Hanchuan Xu and Zhongjie Wang},
journal= {arXiv preprint arXiv:2409.01600},
year = {2024}
}
备注
12 pages, 4 figures