近日,，我校PRiSE研究團(tuán)隊(duì)王勇教授指導(dǎo)的22級(jí)碩士研究生方應(yīng)濤的最新研究成果被《IEEE Transactions on Reliability》（簡(jiǎn)稱TRel）錄用,。TRel創(chuàng)刊于1963年,，是可靠性領(lǐng)域的頂級(jí)期刊,，一年僅出版四期,，已成為國(guó)內(nèi)外可靠性領(lǐng)域的旗艦期刊和可靠性前沿研究的風(fēng)向標(biāo),。目前,，TRel是中科院SCI二區(qū)期刊,，CCF推薦期刊,。該研究成果標(biāo)志我校軟件工程學(xué)科碩士研究生培養(yǎng)取得新進(jìn)展,。

針對(duì)API推薦中用戶無法清晰表述自身實(shí)際意圖的問題，本研究提出了一種擬合查詢與任務(wù)間知識(shí)差異方法（REAPI）,。該方法緩解了現(xiàn)有的API推薦方法中過度依賴于高質(zhì)量用戶查詢語句的問題,。該方法的框架如下圖所示,。

圖1 整體框架圖 

具體來說，首先本研究引入SO作為第三方信息源來重構(gòu)語句,。使用SO中的高質(zhì)量帖子標(biāo)題來重構(gòu)查詢語句不僅可以減少對(duì)用戶查詢語句的依賴,，還可以顯示用戶隱含的意圖信息。用戶可以清楚地看到他們的查詢意圖變體描述語句,。然后,，根據(jù)用戶的反饋信息選中最符合真實(shí)意圖的重構(gòu)語句，利用這個(gè)重構(gòu)語句計(jì)算出相似的SO帖子,。接著,，提取帖子回答中的API實(shí)體信息構(gòu)建候選API列表，并引入官方文檔信息對(duì)候選API列表進(jìn)行重新排序,。最后,，將這個(gè)重排列表中TOP-5 API推薦給用戶。相較于現(xiàn)有的大多方法都致力于改進(jìn)模型以提升推薦的準(zhǔn)確性,，該方法提出了優(yōu)化用戶查詢的研究思路,，具有借鑒作用。

（文/圖：方應(yīng)濤,；審核：王勇）