基于软件网络加权k-核分析的关键类识别方法

识别关键类可以帮助人们尽快理解不熟悉的软件系统.尽管目前已有一些关键类识别方面的工作,但是大部分方法构建的依赖图是无权的,未考虑类之间交互的种类及次数.有鉴于此,提出了一种基于软件网络加权k-核分析的关键类识别方法.首先,用加权类耦合网络抽象类(接口)、类(接口)间的交互及其次数;然后,引入加权k-核分解方法计算类的加权核数;最后,以加权核数作为类重要性的量度指标,降序排列所有类,并通过过滤得到候选关键类.真实软件上的数据实验验证了本文方法的有效性.

基于组合历史的交互式服务推荐方法

随着服务种类和数量的飞速增长,如何发现满足用户需求的服务成为亟待解决的关键问题之一.服务推荐技术被认为是解决服务资源过载问题的有效方法之一.但是,现有的服务推荐方法存在数据难以获取和未考虑所推荐服务的可用性及与已有服务的可组合性等问题.有鉴于此,提出了一种基于服务组合历史的交互式服务推荐方法.该方法使用隶属网抽象服务组合历史(复合服务、原子服务及他们之间的隶属关系),通过单模投影获取服务间的组合关系,并利用骨干网挖掘过滤无效的服务组合关系;使用度和度分布分析服务的使用模式;考虑服务的失效问题,并根据服务的不同使用场景提出了相应的服务推荐算法.最后,使用ProgrammableWeb网站提供的真实服务数据验证了所提方法的正确性和有效性.