买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉东北大学申请的专利一种基于开发者历史代码的个性化API推荐方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN116450936B 。

龙图腾网通过国家知识产权局官网在2025-08-05发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202310325757.7，技术领域涉及：G06F16/9535；该发明授权一种基于开发者历史代码的个性化API推荐方法是由伍盈欣;苑格格;王莹;于海;朱志良设计研发完成，并于2023-03-30向国家知识产权局提交的专利申请。

本一种基于开发者历史代码的个性化API推荐方法在说明书摘要公布了：本发明提供一种基于开发者历史代码的个性化API推荐方法，涉及网络推荐技术领域。本发明通过搜集的训练样本不仅包括符合大众开发者的编程习惯的大量开发者共同开发的项目，而且另外收集开发者个人历史项目代码来进行个性化API推荐；使用数据增强来处理训练样本向量，通过在GREAT模型中加入样本加权的模块以实现开发者个人历史代码数据增强的实现。通过基于开发者历史项目的个性化推荐，模型会学习到开发者特有的个性化API偏好特性，可以更好考虑到开发者在编写代码时的API使用的个人偏好。在推荐过程中考虑到开发者的个人喜好，开发者更有可能接受推荐的API，从而使得产生的推荐结果的准确性得到大幅度的提高。

本发明授权一种基于开发者历史代码的个性化API推荐方法在权利要求书中公布了：1.一种基于开发者历史代码的个性化API推荐方法，其特征在于：所述方法通过在训练集中强化开发者的个人代码数据来重新设计深度学习神经网络模型，以学习开发者对库API的偏好； 搜集的训练样本包括符合大众开发者编程习惯的大量开发者共同开发的项目和开发者个人历史项目代码，用于进行个性化API推荐； 使用数据增强增加开发者个人代码数据对深度学习神经网络模型训练的影响度，即通过样本加权的方式提高开发者个人历史项目样本数据在训练模型中的重要性，以加强深度学习神经网络模型对开发者使用的API及其使用序列的学习程度； 如果开发者个人历史项目数据中的某个APItoken在爬取的语料中出现的次数少，则该APItoken反映出开发者独特的编程偏好，因此训练时该APItoken的权重应更高； 使用公式1计算某个APItoken的权重； Weightx＝TotalNumCountx1 其中，Countx是某个APItoken在总的语料库中出现的次数，如果它的值为0，则将其修正为1；TotalNum是某个APItoken在开发者个人的语料库中出现的次数； 深度学习神经网络模型的设计中，结合图关系嵌入注意力模型和代码指针转化模型，即GREAT模型和TOCOPO模型，用于API推荐问题； 所述方法按以下步骤进行： 步骤1：爬取GitHub上的多开发者项目代码和开发者个人历史代码； 步骤2：预处理训练样本； 步骤3：构造直接使用代码结构和文本信息的深度学习神经网络；具体包括以下步骤： 步骤3.1：构建用于API推荐的GREAT模型编码器，具体方法为： 步骤3.1.1：GREAT模型的嵌入层将AST路径图中的每个节点所表示的API转换成一个128维向量； 步骤3.1.2：样本加权，更改开发者历史项目中的代码APItoken的权重，按公式1计算某个APItoken的权重； 步骤3.1.3：通过多头注意力机制学习所有向量的全局信息； 步骤3.1.4：将多头注意力机制模块的输出向量输出到前馈网络层，进行过层归一化后输入到TOCOPO模型； 步骤3.2：构建用于API推荐的TOCOPO模型解码器，具体方法为： 步骤3.2.1：TOCOPO模型通过嵌入层将输入的每一个代码token转换成一个128维的向量； 步骤3.2.2：将步骤3.2.1得到的向量输入到掩码多头注意力机制中得到一个128维向量； 步骤3.2.3：掩码多头注意力机制模块的输出向量和GREAT模型的输出向量一起输入到多头注意力机制模块中得到一个128维输出向量； 步骤3.2.4：步骤3.2.3得到的128维输出向量再输入到TOCOPO模型中的前馈神经网络，最终得到候选APItoken得分； 步骤4：对深度学习神经网络模型进行训练； 步骤5：使用训练好的深度学习神经网络模型进行代码推荐。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人东北大学，其通讯地址为：110819 辽宁省沈阳市和平区文化路三号巷11号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。