基于多尺度超图的方法在移动应用开发中实现第三方库推荐

《ACM Transactions on Software Engineering and Methodology》：A Multi-Scale Hypergraph-Based Approach for Third-Party Library Recommendation in Mobile App Development

移动应用开发中第三方库（TPLs）推荐面临高阶交互建模难题，现有方法难以有效捕捉复杂应用库关系。本文提出MsRec多尺度超图神经网络框架，通过分层建模应用库的强度、类别和功能交互，构建精细粒度的超图结构，显著提升推荐准确率和多样性。实验验证其优于现有方法，在真实场景中实现高效且多样的TPL推荐。

　　

摘要

在移动应用开发中，选择合适的第三方库（TPLs）对于提升功能、改善代码质量和加快开发进程至关重要。然而，由于应用与库之间的交互复杂性以及需要捕捉高阶关系，推荐合适的TPLs仍然具有挑战性。现有的方法，如协同过滤和基于图的方法，往往无法充分应对这些复杂性。为了解决这一挑战，我们提出了MsRec，这是一种基于多尺度超图神经网络的创新TPL推荐算法。MsRec利用超图来模拟不同规模群体之间的交互，从而详细表示应用程序与库之间的关系。通过建模每种交互的强度、类别和功能，我们的框架提高了推荐结果的准确性和多样性。多尺度超图结构支持细粒度的关系推理，在这种情况下尤为有效。在真实世界数据集上的广泛实验表明，MsRec的性能优于当前最先进的方法，能够提供相关且多样化的TPL推荐。此外，我们的模型在各种基准测试中表现优异，凸显了其有效处理复杂应用-库交互的能力。