Resumen

Recientemente, Mashup se está convirtiendo en un método prometedor de desarrollo de software en el entorno de computación de servicios móviles, que permite a los desarrolladores de software componer servicios móviles existentes para crear una nueva aplicación web compuesta RESTful o con valor agregado. Debido al rápido incremento de servicios móviles en Internet, es difícil encontrar los servicios más adecuados para construir una aplicación Mashup deseada por el usuario. En este artículo, integramos incrustaciones de palabras mejoradas con el proceso jerárquico de Dirichlet y máquinas de factorización para recomendar servicios móviles para construir una aplicación Mashup de alta calidad. Este método, en primer lugar, extiende los documentos de descripción de las aplicaciones Mashup y los servicios móviles utilizando la herramienta Word2vec y deriva temas latentes de los documentos de descripción extendidos de Mashup y servicios móviles mediante la explotación del proceso jerárquico de Dirichlet. En segundo lugar, se aplica la máquina de factorización para entrenar estos temas latentes y predecir la probabilidad de servicios móviles invocados por Mashup y recomendar servicios móviles de alta calidad para el desarrollo de Mashup. Finalmente, se evalúa exhaustivamente el rendimiento del método propuesto. Los resultados experimentales indican que en comparación con los métodos de recomendación existentes, el método propuesto tiene mejoras significativas en MAE y RMSE.

• Materias:Comunicación inalámbrica Blockchain Comunicaciones vehiculares Enrutamiento Redes centradas
• Subjects:Wireless communication Blockchain Vehicular communications Routing Focused networks
• Palabras claves:Servicios móviles; Aplicación Mashup; Desarrolladores de software; Métodos de recomendación; Máquinas de factorización; Proceso Dirichlet jerárquico
• Keywords:Mobile services; Mashup application; Software developers; Recommendation methods; Factorization machines; Hierarchical Dirichlet process