(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111667464.4 (22)申请日 2021.12.31 (71)申请人 山东浪潮科 学研究院有限公司 地址 250100 山东省济南市高新浪潮路 1036号S02号楼 (72)发明人 王耀龙　 (74)专利代理 机构 济南信达专利事务所有限公 司 37100 代理人 阚恭勇 (51)Int.Cl. G06F 8/36(2018.01) G06F 9/448(2018.01) G06F 16/951(2019.01) G06K 9/62(2022.01) (54)发明名称 一种根据自然语言描述推荐API的方法 (57)摘要 本发明提供一种根据自然语言描述推荐API 的方法， 属于软件工程领域， 本发明爬取、 分析 Github上的大量Java开源项目， 通过层次聚类挖 掘API使用模式， 实现基于自然语言查询的API推 荐系统， 根据输入的功能描述的自然语言文本， 推荐实现这 一功能所需的API方法。 权利要求书2页 说明书5页 附图1页 CN 114356319 A 2022.04.15 CN 114356319 A 1.一种根据自然语言描述推荐API的方法， 其特 征在于， 利用Scrapy爬虫框架爬取Github上的Java开源项目， 使用代码分析工具对源代码进行 分析和提取； 把相关的API方法放到排序靠前的位置进 行推荐， 并且 经过层次聚类以得到更 好的推荐效果。 2.根据权利要求1所述的方法， 其特 征在于， 分为四个步骤： 1)爬Java开源项目、 2)提取 元数据、 3)挖掘API使用模式、 4)API推荐； 其中， 步骤1)爬取Java开源项目， 是为了在后续步骤中分析与提取API信息以及API推荐提供 数据材料； 步骤2)提取元数据， 根据第三方API库的使用频率， 选择commons ‑io、 commons ‑codec、 commons‑lang、 commons ‑logging、 easymock、 log4j、 slf4j、 servlet ‑api、 junit这9个API库 作为目标库， 从Java开源项目中提取这些第三方API库的API方法调用； 步骤3)从上述步骤中得到的所有元数据中随机选取元数据作为数据集， 使用层次聚类 算法对数据集进行聚类分析， 从中挖掘API使用模式； 步骤4)根据对元 数据经过层次聚类得到的API使用模式进行API推荐。 3.根据权利要求2所述的方法， 其特 征在于， 1)爬取Java开源项目， 详细步骤如下： 步骤S101、 利用GitHub提供的获取Github上的数据API构造出的查询https:// api.github.com/sear ch/repositories？ q＝ stars:2500..100000+language:Java&sort＝ stars&order＝desc &per_page＝100&page＝1作为爬虫爬取的初始 链接； 步骤S102、 查询搜索star数在2500到100000之间的Java项目， 按star数降序排序， 每页 100项条目， 返回结果 为Json格式； 步骤S103、 对爬虫 得到的响应解析后得到 搜索结果中每 个存储库的信息 。 4.根据权利要求3所述的方法， 其特 征在于， 元数据的提取基于 Eclipse JDT中的AST模块实现。 5.根据权利要求 4所述的方法， 其特 征在于， 步骤2)提取 元数据， 详细步骤如下： 步骤S201、 对于MethodDeclaration类型节点， 判断是否存在注释信息， 没有则返回 false， 停止遍历其子节点， 否则提取注释信息和方法名， 并返回t rue继续遍历子节点； 步骤S202、 遍历到MethodDeclaration类型的节点下的MethodInvocation子节点时， 获 取API方法调用信息， 忽略项目内的方法调用， 只保留第三方API方法的调用； 步骤S203、 遍历所有开源项 目中的所有文件， 对于后缀名为.java的Java源代码文件， 通过ASTParser解析为抽象语 法树， 然后利用自定义的ASTVisitor遍历访问抽象语 法树， 就 可以得到这个代码文件中的方法名、 API调用、 注释信息数据。 6.根据权利要求5所述的方法， 其特 征在于， 步骤3)挖掘API使用模式， 详细步骤如下： 步骤S301、 首先定义相似度度量法则， 结合方法名和API调用这两方面来定义元数据之 间的相似度； 步骤S302， 编辑距离， 即Levenshtein距离， 是针对两个字符串的差异程度的量化； 类间权　利　要　求　书 1/2 页 2 CN 114356319 A 2相似度最大作为合并规则， 分别属于两个类的两个元数据之间的最小相似度定义为这两个 类之间的类间相似度； 步骤S303， 使用层次聚类算法对元数据进行层次聚类获得一个以上的簇集， 每个簇集 是相似的元 数据的集 合， 这些簇集 就是不同的API使用模式。 7.根据权利要求6所述的方法， 其特 征在于， 步骤S302中， 停止条件设置为所有类两两之间的类间相似度低于一个阈值， 这里将阈 值设置为0.5； 当所有类的类间相 似度低于0.5时， 认为所有相 似的元数据 都已经聚在一类 中， 已经没有符合条件的足够相似的类了， 停止聚类。 8.根据权利要求6所述的方法， 其特 征在于， 步骤4)API推荐的详细步骤如下： 步骤S401， 层次聚类得到的簇集的注释集合作为API使用模式的描述信息， 将这些描述 信息利用TF ‑IDF权重计算方法转换为向量空间模型中的权 重向量； 步骤S402， 将输入的自然语言查询， 进行文本预处理后， 转换为向量空间模型中的权重 向量； 步骤S403， 分别计算自然语言查询与每个API使用模式之间的余弦相似度， 将计算出的 余弦相似度排序， 最后输出相似度最高的API使用模式作为推荐结果。权　利　要　求　书 2/2 页 3 CN 114356319 A 3