Mashup

摘要： 近年来,网络中Web API的数量日益增多,如何面向Mashup应用推荐合适的高质量Web API已成为研究的热点问题,现有的方法忽略了Web API质量信息对推荐的影响从而制约了其性能.深度学习技术为进一步提高Web API推荐的准确性提供了新的解决方案,如何利用Web API质量信息并结合深度网络模型进行高精度推荐也成为关键问题.为此,提出了一种Web API质量感知的深度推荐模型.首先,使用BERT预训练模型作为文本编码器对Mashup和Web API的文本描述特征进行提取;然后,借助自注意力机制对Web API的质量信息进行融合,并利用所得的Web API质量增强特征进行推荐.基于真实数据集的实验结果表明,对比基线方法,该模型在Web API推荐任务的top-1准确率、召回率和归一化折损累积增益指标上分别提高了3.97%、3.45%和3.97%.

摘要： Web API是基于Web服务的轻型解决方案,代表可重用的最小组件.通过组合多种Web API,能够创建具有高层次功能的组合应用Mashup,实现业务增值的需求.Web API数量和种类的快速增长,使得发掘契合的Web API进行Mashup创建变得愈发困难.针对此问题,提出一种特征表示增强的Web API推荐方法来高效地进行Web API推荐,提高Mashup创建的效率.首先,将Mashup的文档描述映射到向量空间进行特征比较,目的是获得与目标Mashup相似的近邻Mashup;然后,利用基于神经网络的特征提取模型对目标Mashup和近邻Mashup的文本特征进行学习,将提取后的特征结合类别特征进行表示增强;最后,基于表示增强后的语义特征进行Web API推荐.实验结果表明,该方法能够有效地推荐Web API,在多项指标上取得显著的效果.

摘要： To allow end users to combine different apps for accomplishing various goals,it is desired that they can create mashups of mobile apps in an on-demand fashion.The end user creation of mobile mashups,however,is complicated by the fact that many apps do not expose interfaces for mashup and the lack of user friendly interfaces for end user programming.In this paper,we propose MashReDroid,an end user programming approach for the creation of Android mashups that incorporates the behaviors of backend apps into the execution of a host app.MashReDroid automatically transforms Android apps into mashup enabled apps.It then allows end users to create mashups by recording the interactions between host apps and backend apps and run mashups by replaying the interactions.Our evaluation shows that MashReDroid supports a variety of real scenarios and users can easily create and use mashups with a very low overhead.

摘要： 传统的房产信息仍停留在属性数据库管理阶段,已不能适应现代房产业务的需求.本文基于天地图提供的二次开发接口,并充分应用天地图API接口技术、系统数据整合与关联技术、数据集成应用Mashup技术、房产专题数据库构建技术设计开发了房产信息系统,实现了地图浏览和房产信息查询等一系列功能,为房产管理提供了崭新的方式,取得了良好的应用效果.

摘要： 探索式服务组合是针对复杂问题进行业务构造的一种服务计算模式,在这种半自动的服务组合环境下,准确高效的服务推荐技术是提升用户业务构造体验的重要方法.然而现有的主流服务推荐技术虽然对初始服务推荐具有很好的效果,但不适用于后继服务的推荐.鉴于后继服务的准确推荐对于用户进行业务构造具有的重要影响,提出一种适用于后继服务推荐的即时推荐方法,该方法首先利用Jaccard相似度算法和物质扩散算法对服务关联度进行计算,然后基于关联度来进行后继服务推荐,并在此基础上设计了单步和多步后继服务推荐策略.最后,基于Programmable Web网站的真实数据实验表明,本文提出的即时服务推荐方法能够比较有效的应用于探索式服务组合场景.%Exploratory service composition is a service computing model which aims at resolving complex problems of business construction.Efficient and accurate service recommendation technology is an important way to enhance the users' experience of business construction in the semi-automatic service composition environment.The existing service recommendation technology are good at recommending initial service,but not fit for subsequent service recommendation.The accurate service recommendation for sbusequent service plays an important role in helping users construct business process.Therefore the instant subsequent service recommendation method is researched.The service association relationship is mining out from the real service composition data by Jaccard similarity and Diffusion theory.And then,the one-step and multi-step recommendation strategy is designed based on the service relativity.In the end,we used real data from Programmable Web to do experiment,and the result shows Instant Subsequent service recommendation method works effectively under exploratory service composition.

摘要： In the Web 2.0 era now,tags served as an effective way for web resources management and retrieval,has been a hotspot research topic.Developers usually associate manually several relevant tags to the newly created Mashup,which makes it easy to understand and retrieve for Mashup users,as well as facilitates the classification and management of Mashup resources.However,it is extraordinary time-consuming and tedious to create manual tags for new Mashups.There have not an effective method which can recommend relatively accurate tags for new Mashups automatically so far though it is very important.In this paper we propose a method for Mashup tag recommendation based on a topic model.The model simultaneously takes the description documents for Mashups and Web Application Programming Interfaces (APIs) as well as the composition relationships between them into account.Based on the model,our approach first selects the most similar APIs of the target Mashup.Subsequently,those chosen similar APIs and composed APIs of this Mashup are combined into a single APIs set.We select several most important APIs from this APIs set based on a weighted PageRank algorithm.Finally,tags of these important APIs are recommended to the Mashup.We also design an algorithm to rank tags recommended according to their topic relevance with the target Mashup.The experimental results on a real world dataset collected from ProgrammableWeb prove that our approach obviously outperforms other tag recommendation methods.%Web2.0时代,标签作为Web资源管理和检索的有效方式已成为近年的热点研究对象.开发者通常为新的Mashup人工指定若干与功能性相关的标签,以便于用户理解、检索以及实现Mashup资源的分类管理.然而,手动指定标签十分繁琐且费时,自动生成Mashup标签十分必要但缺乏有效方法,针对该问题,文中提出一种基于主题模型的方法进行Mashup标签的自动推荐.该方法首先建立Mashups与Web Application Programming Interfaces(APIs)的描述文档以及Mashups与APIs之间的组合关系模型,然后寻找与待推荐标签Mashup的描述文档主题分布相似的Web APIs,并将它们与该Mashup直接组合的APIs合并,采用一种带权重的PageRank算法,从中挑选出最重要的APIs,最后将它们已有标签推荐给该Mashup.同时,针对所提方法文中设计实现一种标签排序算法,该算法优先推荐那些与Mashup主题最相关的标签.根据使用从ProgrammableWeb收集的真实数据进行实验可知,文中所提出的方法明显优于其他自动化标签推荐方法.

摘要： 以如何利用Mashup应用综合选择Web2.0工具软件以发挥其优势,帮助大学生进行个人学习环境构建为研究内容,在分析现状和存在问题的基础上,提出利用Mashup的Web2.0代表性软件支持下个人学习环境平台构建的主要方式和基本策略,进一步确定了在终身学习成为普遍共识的当代,Mashup应用下个人学习环境构建对大学生学习的重要意义.

摘要： 由于自然地理条件和历史原因,农村公路普遍存在着技术等级低,路况差等状况,而随着城镇化和农业现代化快速发展,农村公路的交通安全状况显得更为突出。本研究基于Mashup技术,引入智慧交通相关知识理念,采用GIS(地理信息系统)和.NET双核心技术,使用B/S模式,混搭式开发农村公路生命安全防护智慧云平台。使用GPS、ARCGIS和百度API二次开发技术采集公路基础数据和隐患点数据,建立空间数据库,进行数据整合,并导入农村公路生命安全防护智慧云平台,通过地图服务器进行发布交通道路信息,使交通主管部门能够对安全隐患进行动态管理。这对于对于提高农村公路的安全性能、保障人民群众生命财产安全具有重要意义。

摘要： Mashup是一种流行的web2．0应用，由开发者将互联网上多个web数据源的数据进行聚合构建而成。大多数mashup工具支持通过可视化的数据流程设计来开发mashup，但是缺少编程经验的终端用户设计的散据流程可能执行效率很低，当处理较大规模数据时mashup的响应时间会大幅增加。本文研究如何通过数据处理操作的合并拆分、次序交换、并行化等技术实现mashup的数据流程优化，提高mashup的性能及可扩展性。本文提出一种新的mashup性能优化方法，对多样化的mashup组件标注其操作语义特征属性及代价模型，定义适用于mashup的流程变换规则，针对用户设计的mashup数据流程生成所有与其语义等价的流程，并提出算法建立流程之间的代价偏序关系图从而快速选择执行代价最小的流程。文中实现了一个mashup工具，实验表明该方法可以有效提高终端用户设计的mashup的执行效率．

摘要： 本文首先介绍了WEB3.0的源起、特征分析，引出了WEB3.0的核心技术MASHUP概念，接着介绍了MASHUP的发展背景、相关概念以及主要的应用技术。文章的核心内容是MASHUP 在OPAC 中的使用，文章以本馆使用的OPAC为例，从技术和应用角度综合分析了该OPAC系 统中的MASHUP 元素。最后总结了MASHUP 技术在OPAC 中的应用对于LIB 以及WEB的促进，并展望了图书馆在MASHUP理念和技术促进中的角色转变。

摘要： 本文首先介绍了WEB3.0的源起、特征分析，引出了WEB3.0的核心技术MASHUP概念，接着介绍了MASHUP的发展背景、相关概念以及主要的应用技术。文章的核心内容是MASHUP 在OPAC 中的使用，文章以本馆使用的OPAC为例，从技术和应用角度综合分析了该OPAC系 统中的MASHUP 元素。最后总结了MASHUP 技术在OPAC 中的应用对于LIB 以及WEB的促进，并展望了图书馆在MASHUP理念和技术促进中的角色转变。

摘要： 本文首先介绍了WEB3.0的源起、特征分析，引出了WEB3.0的核心技术MASHUP概念，接着介绍了MASHUP的发展背景、相关概念以及主要的应用技术。文章的核心内容是MASHUP 在OPAC 中的使用，文章以本馆使用的OPAC为例，从技术和应用角度综合分析了该OPAC系 统中的MASHUP 元素。最后总结了MASHUP 技术在OPAC 中的应用对于LIB 以及WEB的促进，并展望了图书馆在MASHUP理念和技术促进中的角色转变。

摘要： 本文首先介绍了WEB3.0的源起、特征分析，引出了WEB3.0的核心技术MASHUP概念，接着介绍了MASHUP的发展背景、相关概念以及主要的应用技术。文章的核心内容是MASHUP 在OPAC 中的使用，文章以本馆使用的OPAC为例，从技术和应用角度综合分析了该OPAC系 统中的MASHUP 元素。最后总结了MASHUP 技术在OPAC 中的应用对于LIB 以及WEB的促进，并展望了图书馆在MASHUP理念和技术促进中的角色转变。

摘要： 一种基于Mashup服务功能特征表示与密度峰值检测的聚类方法，包括以下步骤：第一步、对所有需要特征表示的Mashup服务数据进行预处理；第二步、进行功能名词提取操作；第三步、对每个功能名词的语义权重进行语义关联计算；第四步、结合TF‑IDF算法与Word2Vec模型，进行Mashup语义特征向量的表示；第五步、对于所有参与聚类的Mashup语义特征向量，进行密度信息的计算；第六步、从所有Mashup语义特征向量中，筛选出聚类中心的候选点；第七步、进一步筛选出最为合适的K个初始聚类中心，进行K‑means聚类。本发明能够有效表示Mashup服务的功能特征，增强Mashup服务的聚类性能。

摘要： 一种基于密度峰值检测的Mahsup服务聚类方法，所述方法包括以下步骤：第一步、对于所有参与聚类的Mashup服务的特征向量，进行局部密度、向量间距离和较高密度最近距离计算；第二步、基于第一步计算的密度信息，从所有Mashup服务特征向量中，筛选出聚类中心的候选点；第三步、对第二步所得的聚类中心候选点，进一步筛选出最为合适的K个初始聚类中心，进行K‑means聚类。本发明能够有效提升Mashup服务聚类精度，缩小服务搜索空间。

摘要： 一种Web开放环境下基于Mashup服务邻域的Web API推荐方法，包括以下步骤：第一步、构建需求Mashup语义特征向量，匹配Mashup服务类簇；第二步、收集邻域内Mashup服务调用过的Web API数据，构建Web API邻域；第三步、根据邻域中构建好的Web API功能分类，对数据集中剩余的Web API进行功能类别划分；第四步、计算流行度和共现度，并进行排名，得到最终推荐列表。本发明首先初步判定需求的功能类别，明确了Web API的筛选范围，然后对数据集中所有的Web API进行功能类别划分，最后根据流行度、平均共现度的排名做出推荐，推荐的精准度较高和多样性较好。

摘要： 一种基于功能语义关联计算的Mashup服务特征表示方法，所述方法包括以下步骤：第一步、对所有需要特征表示的Mashup服务数据进行预处理；第二步、基于预处理后的Mashup服务数据，进行功能名词提取操作；第三步、对于每条Mashup服务的功能名词集合FS，对每个功能名词的语义权重进行语义关联计算；第四步、基于第三步的语义权重计算结果，结合TF‑IDF算法与Word2Vec模型，进行Mashup语义特征向量的表示。本发明能够有效提升Mashup服务的匹配精度，以及服务搜索效率。

摘要： 本发明实施例提供了一种实现Mashup业务的方法、装置和设备，涉及通信技术领域，用于支持多种类型的数据源的Mashup业务。本发明实施例提供的实现业务聚合Mashup业务的方法包括：对数据源的组件进行注册并按照统一的第一格式为所述组件生成业务提供接口；根据业务请求者的业务请求消息，在已注册的所述组件中查询所需的组件，并按照统一的第二格式为所述所需的组件生成业务请求接口，将所述业务提供接口和所述业务请求接口进行匹配；利用所述业务请求接口接收所述业务请求消息，利用所述业务提供接口向所述所需的组件调用业务，利用所述业务请求接口将生成的Mashup业务应答消息发送至业务请求者。

摘要： 一种面向NLP基于GSDPMM和主题模型的Mashup服务谱聚类方法，包括以下步骤：第一步：通过GSDPMM方法计算出Mashup服务数量的主题个数；第二步：根据上下文信息和服务标签信息计算单词的语义权重信息从而得到文档‑单词语义权重信息矩阵D；第三步：统计单词共现信息，计算出SPPMI矩阵信息；第四步：基于文档‑单词语义权重信息矩阵D和SPPMI矩阵M，通过分解M得到词嵌入信息矩阵，将上述两种信息进行结合，计算服务的主题信息；第五步：得到的Mashup服务主题特征作为谱聚类的输入进行聚类。本发明融合优化的词嵌入和单词语义权重计算方法来缓解短文本带来的稀疏性问题，找到更优的解集。

摘要： 一种基于功能语义关联计算的Mashup服务特征表示方法，所述方法包括以下步骤：第一步、对所有需要特征表示的Mashup服务数据进行预处理；第二步、基于预处理后的Mashup服务数据，进行功能名词提取操作；第三步、对于每条Mashup服务的功能名词集合FS，对每个功能名词的语义权重进行语义关联计算；第四步、基于第三步的语义权重计算结果，结合TF‑IDF算法与Word2Vec模型，进行Mashup语义特征向量的表示。本发明能够有效提升Mashup服务的匹配精度，以及服务搜索效率。

摘要： 一种基于Mashup服务功能特征表示与密度峰值检测的聚类方法，包括以下步骤：第一步、对所有需要特征表示的Mashup服务数据进行预处理；第二步、进行功能名词提取操作；第三步、对每个功能名词的语义权重进行语义关联计算；第四步、结合TF‑IDF算法与Word2Vec模型，进行Mashup语义特征向量的表示；第五步、对于所有参与聚类的Mashup语义特征向量，进行密度信息的计算；第六步、从所有Mashup语义特征向量中，筛选出聚类中心的候选点；第七步、进一步筛选出最为合适的K个初始聚类中心，进行K‑means聚类。本发明能够有效表示Mashup服务的功能特征，增强Mashup服务的聚类性能。

摘要： 一种Web开放环境下基于Mashup服务邻域的Web API推荐方法，包括以下步骤：第一步、构建需求Mashup语义特征向量，匹配Mashup服务类簇；第二步、收集邻域内Mashup服务调用过的Web API数据，构建Web API邻域；第三步、根据邻域中构建好的Web API功能分类，对数据集中剩余的Web API进行功能类别划分；第四步、计算流行度和共现度，并进行排名，得到最终推荐列表。本发明首先初步判定需求的功能类别，明确了Web API的筛选范围，然后对数据集中所有的Web API进行功能类别划分，最后根据流行度、平均共现度的排名做出推荐，推荐的精准度较高和多样性较好。

摘要： 本发明属于推荐领域，具体是根据用户输入的需求，推荐符合用户需求的web API服务，提高推荐的准确性与个性化。主要分为四个步骤：A.mashup聚类；B.User链路预测算法；C.基于链路预测的协同过滤算法；D.web API的流行度预测。E.Web API推荐模型。本发明将链路预测与协同过滤结合，提高推荐的准确性的同时也提高了推荐的个性化，推荐使结果更加符合用户的实际需求。