移动互联网环境下的API发现与聚合研究

Due to the character of loose coupling, cross-platform, and cross-cloud, API is becoming an important Internet technique and thinking model. With the rapid development of mobile Internet, IoT, and cloud computing, there will be a mass of open/private APIs, which not only provide more service choices and better user experience, but also pose challenges to the API oriented discovery and mashup creation. Currently, there are few papers about API research, especially for the scenario in which there are massive APIs, complicated network environment, cold-start, and data sparsity problems. This proposal tries to tackle above problems via the following research: 1) Based on current research of API discovery, we propose to import the API related social media data, for the purpose of improving the accuracy of semantic and functional based API discovery; 2) We propose to import more API related data sources, extract more heterogeneous features, and then predict the service quality of API to tackle the problems caused by cold-start and data sparsity; 3) We propose to utilize manifold learning technique to predict, optimize, and recommend better API mashup to users and developers.

API凭借其松耦合及跨平台跨云的特性，正在成为一种重要的互联网技术和思维模式。随着移动互联网，物联网和云计算技术的迅猛发展，将涌现大量的公用及私有的API, 不仅为用户带来更多的服务选择和更好的用户体验，同时也为面向API的发现和聚合带来了挑战。目前，对于API的研究国内外都刚刚起步，特别是对API数量巨大，网络环境复杂，冷启动及数据稀疏等问题的研究尚未有可靠的解决方案。本项目的研究内容如下：1）在现有的API发现研究基础上，引入社交媒体数据，加强基于语义和功能性的API发现准确率；2）引入API相关的多源数据集，基于从中提取的异构特征，利用回归模型预测API的服务质量（如热门程度等），从而解决大量API涌现所带来的冷启动、数据稀疏等问题；3）研究在移动互联网和海量API环境下的API聚合问题，通过引入流形学习等方法，预测、优化、推荐更好的聚合API给用户和开发者。

本课题围绕移动互联网环境下的API及其相关服务的发现、聚合、推荐等问题进行研究。随着移动互联网，物联网和云计算技术的迅猛发展，互联网中大量的API，不仅为用户带来更多的服务选择和更好的用户体验，同时也为面向API的发现和聚合带来了挑战。我们主要解决API的服务异质，环境复杂，冷启动及数据稀疏等问题。此外，我们将API这种服务方式推广到广义的APP服务以及社会化编程网站GitHub以及在线问答等作为一种服务的场景。四年来的主要研究内容可以归纳为如下五大类：（1）服务API的发现与推荐，包括融入社交媒体信息的API发现，面向聚合的API推荐框架，以及融合标签信息的API聚类；（2）服务APP的发现与推荐，包括基于特征的矩阵分解模型、基于特征交互的多维张量分解模型以及基于深度学习注意力机制的模型来提高在移动互联网环境下APP推荐的准确性；（3）移动服务序列的推荐，由于移动服务环境下的数据的动态性，我们采用深度学习技术，提出基于层次注意力网络以及基于时间感知的的序列服务推荐方法；（4）社区问答服务的专家发现，包括在社会化编程服务的专家发现系统，融合多平台信息的社区问答服务冷启动用户建模，以及基于地理位置信息的社会化编程服务中专家队伍构建方法；（5）API代码的发现与生成，包括基于API的多模态信息，根据API的描述生成开发代码的方法以及在代码库中检索相关的代码。课题在项目预订的计划中针对当前移动互联网环境下对API服务的特性进行扩展，从API、APP、web服务、GitHub源代码等多种不同形态的服务进行了研究，达到了项目预期的目标，并完成了项目的预期研究成果。