論文の概要: Diversity-aware Web APIs Recommendation with Compatibility Guarantee
- arxiv url: http://arxiv.org/abs/2108.04389v1
- Date: Tue, 10 Aug 2021 00:20:34 GMT
- ステータス: 処理完了
- システム内更新日: 2021-08-11 14:13:51.285094
- Title: Diversity-aware Web APIs Recommendation with Compatibility Guarantee
- Title（参考訳）: 互換性保証を備えた多様性対応web apiレコメンデーション
- Authors: Wenwen Gonga, Yulan Zhang, Xuyun Zhang, Yucong Duan, Yawei Wang, Yifei
Chena and Lianyong Qi
- Abstract要約: 多様性を意識した互換性駆動型Web APIレコメンデーションアプローチであるDivCARを提案する。
DivCARは、事前構築された相関グラフ上にランダムウォークサンプリング手法を用いて、多様な相関グラフを生成する。
多様な相関グラフを用いて、互換性のあるWeb APIレコメンデーション問題を最小グループSteiner木探索問題としてモデル化する。
- 参考スコア（独自算出の注目度）: 5.9601266637512085
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: With the ever-increasing prevalence of web APIs (Application Programming
Interfaces) in enabling smart software developments, finding and composing a
list of existing web APIs that can corporately fulfil the software developers'
functional needs have become a promising way to develop a successful mobile
app, economically and conveniently. However, the big volume and diversity of
candidate web APIs put additional burden on the app developers' web APIs
selection decision-makings, since it is often a challenging task to
simultaneously guarantee the diversity and compatibility of the finally
selected a set of web APIs. Considering this challenge, a Diversity-aware and
Compatibility-driven web APIs Recommendation approach, namely DivCAR, is put
forward in this paper. First, to achieve diversity, DivCAR employs random walk
sampling technique on a pre-built correlation graph to generate diverse
correlation subgraphs. Afterwards, with the diverse correlation subgraphs, we
model the compatible web APIs recommendation problem to be a minimum group
Steiner tree search problem. Through solving the minimum group Steiner tree
search problem, manifold sets of compatible and diverse web APIs ranked are
returned to the app developers. At last, we design and enact a set of
experiments on a real-world dataset crawled from www.programmableWeb.com.
Experimental results validate the effectiveness and efficiency of our proposed
DivCAR approach in balancing the web APIs recommendation diversity and
compatibility.
- Abstract（参考訳）: スマートなソフトウェア開発を可能にするWeb API(Application Programming Interfaces)の普及により、ソフトウェア開発者の機能的ニーズを企業的に満たすことのできる既存のWeb APIのリストを、経済的かつ便利な方法で開発するための有望な方法となった。
しかしながら、候補となるWeb APIの膨大な量と多様性は、最終的に選択されたWeb APIセットの多様性と互換性を同時に保証することが困難なタスクであることが多いため、アプリ開発者のWeb API選択決定にさらに負担をかけます。
この課題を考慮すると、多様性を意識し、互換性を指向したweb apiレコメンデーションアプローチであるdivcarが本論文で提案されている。
まず、divcarは、予め構築された相関グラフにランダムウォークサンプリング技術を用いて、多様な相関部分グラフを生成する。
その後、多様な相関グラフを用いて、互換性のあるWeb APIレコメンデーション問題を最小グループSteiner木探索問題としてモデル化する。
最小グループSteinerツリー検索の問題を解決することで、互換性のあるさまざまなWeb APIの多様体セットがアプリケーション開発者に返される。
最後に、www. ProgrammableWeb.comからクロールした実世界のデータセット上で、一連の実験を設計、実施する。
Web APIの多様性と互換性のバランスをとる上で,提案したDivCARアプローチの有効性と効率を実験的に検証した。
関連論文リスト
- FairDiverse: A Comprehensive Toolkit for Fair and Diverse Information Retrieval Algorithms [87.76363121804235]
情報検索(IR)における公平性と多様性を考慮したアルゴリズム評価のためのオープンソースで標準化されたツールキットであるFairDiverseを提案する。
FairDiverseは、IRパイプラインのさまざまな段階において、前処理、内処理、後処理技術を含む公正で多様なメソッドを統合するためのフレームワークを提供する。
このツールキットは、16のベースモデルにまたがる28のフェアネスと多様性のアルゴリズムの評価をサポートし、2つのコアIRタスクをカバーする。
論文 参考訳（メタデータ） (2025-02-17T15:11:09Z) - PAFFA: Premeditated Actions For Fast Agents [23.363582411971567]
PAFFAは、再利用可能な、検証済みのブラウザインタラクション関数のAction API Libraryを通じて、Webインタラクション機能を強化するように設計されたフレームワークである。
Webサイト構造が進化しても、堅牢なパフォーマンスを維持しながら、推論コールを87%削減する。
このフレームワークはマルチページタスクの実行を加速し、自律的なWebエージェントの研究を進めるためのスケーラブルなソリューションを提供する。
論文 参考訳（メタデータ） (2024-12-10T22:51:31Z) - The BrowserGym Ecosystem for Web Agent Research [151.90034093362343]
BrowserGymエコシステムは、Webエージェントの効率的な評価とベンチマークの必要性の高まりに対処する。
大規模なマルチベンチマークWebエージェント実験を初めて実施する。
結果は、OpenAIとAnthropicの最新モデルの大きな相違点を浮き彫りにしている。
論文 参考訳（メタデータ） (2024-12-06T23:43:59Z) - Beyond Browsing: API-Based Web Agents [58.39129004543844]
APIベースのエージェントはWebArenaの実験でWebブラウジングエージェントを上回っている。
ハイブリッドエージェント(Hybrid Agents)は、タスク全体にわたって、ほぼ均一にパフォーマンスを向上する。
結果から,APIが利用可能であれば,Webブラウジングのみに依存するという,魅力的な代替手段が提示されることが強く示唆された。
論文 参考訳（メタデータ） (2024-10-21T19:46:06Z) - MCBA: A Matroid Constraint-Based Approach for Composite Service Recommendation Considering Compatibility and Diversity [9.17544142889514]
本稿では,複合サービスレコメンデーションのためのMatroid Constraint-Based Approach (MCBA)を提案する。
第1段階では、API合成問題は最小グループスタイナーツリー(M GST)問題として定式化される。
第2段階では, 分割マトロイド制約(MMR-PMC)の下でのMarginal Relevance法を用いて, 推薦の多様性を確保する。
論文 参考訳（メタデータ） (2024-09-03T04:46:02Z) - FANTAstic SEquences and Where to Find Them: Faithful and Efficient API Call Generation through State-tracked Constrained Decoding and Reranking [57.53742155914176]
APIコール生成は、大規模言語モデルのツール使用能力の基盤となっている。
既存の教師付きおよびコンテキスト内学習アプローチは、高いトレーニングコスト、低いデータ効率、APIドキュメントとユーザの要求に反する生成APIコールに悩まされる。
本稿では,これらの制約に対処するため,FANTASEと呼ばれる出力側最適化手法を提案する。
論文 参考訳（メタデータ） (2024-07-18T23:44:02Z) - APICom: Automatic API Completion via Prompt Learning and Adversarial
Training-based Data Augmentation [6.029137544885093]
APIレコメンデーションは、開発者が多数の候補APIの中で必要なAPIを見つけるのを支援するプロセスである。
これまでの研究では、主にAPIレコメンデーションをレコメンデーションタスクとしてモデル化していた。
ニューラルネットワーク翻訳研究領域に動機づけられたこの問題を生成タスクとしてモデル化することができる。
提案手法は,プロンプト学習に基づく新しいアプローチAPIComを提案し,そのプロンプトに応じてクエリに関連するAPIを生成する。
論文 参考訳（メタデータ） (2023-09-13T15:31:50Z) - Evaluating Embedding APIs for Information Retrieval [51.24236853841468]
ドメインの一般化と多言語検索における既存のセマンティック埋め込みAPIの機能を評価する。
BM25の結果をAPIを使って再ランク付けすることは、予算に優しいアプローチであり、英語でもっとも効果的である。
非英語検索では、再ランク付けは結果を改善するが、BM25のハイブリッドモデルは高いコストで機能する。
論文 参考訳（メタデータ） (2023-05-10T16:40:52Z) - UKP-SQUARE: An Online Platform for Question Answering Research [50.35348764297317]
我々は、研究者向けのオンラインQAプラットフォームであるUKP-SQUAREを紹介した。
UKP-SQUAREでは、ユーザフレンドリーなWebインターフェースと統合テストを通じて、モダンスキルの大規模なコレクションをクエリし、分析することができる。
論文 参考訳（メタデータ） (2022-03-25T15:00:24Z) - Towards API Testing Across Cloud and Edge [1.6930453121661675]
APIエコノミーは、ハイブリッドクラウドとエッジ環境におけるビジネスアプリケーションのデジタルトランスフォーメーションを推進している。
この課題に対処するため、Distributed Software Test Kit(DSTK)というテストフレームワークを構想しています。
論文 参考訳（メタデータ） (2021-09-06T15:27:36Z) - FrugalMCT: Efficient Online ML API Selection for Multi-Label
Classification Tasks [27.35907550712252]
OCRなどのマルチラベル分類タスクは、サービス産業としての機械学習の成長の主要な焦点です。
ユーザの予算を尊重しつつ、異なるデータに適応的に利用するAPIをオンライン方式で選択する原則化されたフレームワークであるFrugalMCTを提案する。
マルチラベル画像分類、シーンテキスト認識、名前付きエンティティ認識などのタスクに対して、Google、Microsoft、Amazon、IBM、TencentなどのML APIを使用した体系的な実験を行う。
論文 参考訳（メタデータ） (2021-02-18T02:59:58Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。