一种基于门控图神经网络的顺序敏感的API推荐方法

本发明公开一种基于门控图神经网络的顺序敏感的API推荐方法，从项目源代码中抽取API的调用序列，并将调用序列建模成有向图的数据结构，图中的每个节点表示一个API调用；然后使用预训练的word2vec模型初始化每个API节点的语义表示，并使用一个网络层随机初始化每个图节点的ID表示；再使用门控图神经网络模型学习得到每个图节点的向量表示，通过每个方法声明的API序列表示和方法自身的语义表示得到每个方法声明的向量表示；最后根据API推荐点上下文的全局偏好特征和局部偏好特征输出推荐结果。本发明将API序列的调用顺序编码进有向图的数据结构中，并使用了GGNN，解决了API推荐模式中各个API调用的顺序问题，增强了API推荐模式的准确性和实用性，提高了软件开发效率。