《Journal of King Saud University Computer and Information Sciences》：MVSDL: a multi-view self-supervised disentangled learning approach for web API recommendation
编辑推荐：
Web API的快速增长使准确的API推荐成为服务组合与软件开发的核心需求。API关联性由ID共现模式与文本语义特征共同驱动，二者存在固有的模态冲突：语义无关的API可能因上下文因素而频繁共现，而语义相关的API未必兼容。加之数据稀疏与冷启动问题，现有方法难以
Web API的快速增长使准确的API推荐成为服务组合与软件开发的核心需求。API关联性由ID共现模式与文本语义特征共同驱动，二者存在固有的模态冲突：语义无关的API可能因上下文因素而频繁共现，而语义相关的API未必兼容。加之数据稀疏与冷启动问题，现有方法难以在推荐准确性、鲁棒性与可解释性之间取得良好平衡。为此，本文提出MVSDL，一种多视图自监督解耦学习框架。首先，通过图注意力网络（GAT）与预训练语言模型将全局API共现结构与细粒度文本语义编码至统一表征空间。其次，设计自监督解耦机制，将ID共现表征与语义表征分离并量化各自贡献。最后，引入反事实启发的监督信号，动态识别主导模态并引导自适应门控，实现上下文感知的模态融合。在两个真实世界数据集上的大量实验表明，MVSDL显著优于当前最先进方法，并在数据稀疏与冷启动场景下展现出更强的鲁棒性与可解释性。
研究背景方面，Web API的迅速增长深刻改变了软件开发范式，使跨异构系统的互操作与功能协同成为可能。API作为系统集成的标准化接口，支撑着通过模块化服务组合构建复杂Mashup应用。因此，有效的API推荐已成为简化集成流程、优化服务编排与提升开发效率的关键基础设施。然而，API数量的持续增长对准确高效的推荐构成严峻挑战，现有方法仍存在两方面主要局限：数据稀疏与冷启动条件下准确性不足，以及推荐依据的可解释性不充分。
现有API推荐方法可大致分为基于ID的方法与基于内容的方法两类。基于ID的方法主要建模Mashup与API之间的调用关系，但严重依赖历史交互，常忽略API共现关系与语义相关性，在稀疏与冷启动场景下性能较弱。基于内容的方法利用文本描述等语义信息度量内容兼容性，虽在一定程度上缓解稀疏性，却常忽略实际共调用依赖，可能带来候选API之间的兼容性风险。传统方法仅从单一视角建模Mashup与API的兼容性，少有方法能有效整合ID共现模式与文本语义特征。在实际场景中，这两类信息遵循不同逻辑并呈现显著矛盾：对真实API调用数据的定量统计分析显示，23%的频繁共现API对语义相关性较弱，而51.2%的语义相似API对因服务竞争与功能替代在实践中很少共现。这种广泛存在的冲突特征制约了单视图推荐方案的性能提升。更根本地，当前技术未能有效整合或解耦这两种视角，从而限制了推荐系统在复杂环境中的准确性、可解释性与适应性。受序列推荐中DIMO工作的启发，研究人员提出MVSDL，一个专为Web API推荐场景设计的多模态解耦学习框架。与DIMO将序列用户行为视为统一信号并施加通用距离相关约束不同，MVSDL针对API生态中DIMO无法处理的两类独特矛盾：（i）语义无关却频繁共现（如旅行Mashup中的天气与支付API）；（ii）语义相似却具竞争排他性（如Google Maps与Bing Maps很少共现）。
研究人员的主要贡献有三方面：（i）提出解耦优先的融合范式，解决API推荐中的模态冲突；（ii）提出基于代理的自监督解耦损失，实现可度量的特征分离；（iii）提出轻量级反事实启发门控机制，实现自适应、因果感知的融合。在两个真实世界数据集上的大量实验表明，MVSDL显著优于当前最先进方法，尤其在数据稀疏与冷启动条件下表现突出。
在关键技术方法上，研究人员首先构建仅基于训练集的全局API共现图，采用3层图注意力网络（GAT）学习多尺度结构信息并进行均值池化聚合，再通过高阶图矩阵传播细化ID嵌入，并设计共现约束损失增强ID嵌入判别性；其次利用BERT-base编码API标题与标签等文本特征，经均值池化获得统一特征嵌入，并以自注意力层分别编码ID与特征两个模态的子序列；随后以余弦相似度比值构造基于代理的解耦损失，配合L2正则化实现可度量的模态分离；最后依据目标API是否属于会话共现集合构建反事实启发监督信号，通过Sigmoid门控动态分配模态权重并完成预测，整体以多任务学习联合优化。实验数据来源为ProgrammableWeb（PW）数据集（6,198个Mashup与13,425个API）与Huawei AppGallery（HAG）数据集（1,542个移动应用与8,433个云API），均按8:1:1划分训练、验证与测试集。
研究结果方面，第一，数据集统计分析（RQ1）：通过对真实API调用数据的统计验证了ID共现模式与语义特征之间的矛盾，发现23%的频繁共现API对缺乏直接语义相关性，51.2%的语义相似API对很少共同出现，证明单视图建模难以适应复杂实际规则，说明构建多模态解耦学习框架融合两类特征信息的必要性。第二，整体性能比较（RQ2）：在PW与HAG两个数据集上，MVSDL在Hit@K、MRR@K与Recall@K（K∈{5,10,20}）全部指标上显著优于七个主流基线模型。在PW数据集上，相较最强基线L-MTRA，Hit@5、Hit@10、Hit@20分别提升7.14%、7.84%、10.17%，MRR@5、MRR@10、MRR@20分别提升9.09%、8.33%、12.00%，Recall@5、Recall@10、Recall@20分别提升7.32%、8.00%、8.20%；在更稀疏的HAG数据集上，Hit@5、Hit@10、Hit@20分别提升8.11%、8.89%、9.43%，MRR@5、MRR@10、MRR@20分别提升10.53%、9.52%、13.64%，Recall@5、Recall@10、Recall@20分别提升8.33%、9.09%、11.32%。随着K从5增至20，MVSDL与基线的性能差距整体呈扩大趋势，且在HAG上MRR指标的相对提升更大，表明其在更稀疏场景下仍能将相关API排在靠前位置。第三，消融实验（RQ3）：移除多模态融合模块导致最显著性能下降（PW上Hit@20由0.65降至0.51，相对下降21.5%）；移除解耦损失亦造成较大退化（Hit@20下降16.9%）；反事实启发模块贡献18.5%的提升；同时移除融合与解耦的变体性能更差（Hit@20为0.46），揭示各模块间存在协同效应，且两数据集上贡献模式一致。第四，解耦分析（RQ4）：通过对ID嵌入与特征嵌入标准化后分别进行主成分分析（PCA）并投影至二维空间可视化，发现两类嵌入被分离至不同区域，模态嵌入较为集中而ID嵌入相对分散，这与ID共现不携带API语义、其分布主要取决于用户行为数据的长尾特性有关，再次体现ID与模态解耦的合理性。第五，冷启动性能分析（RQ5）：在API冷启动（ACS）、Mashup/App冷启动（MACS）与交互冷启动（ICS）三类代表性场景下开展系统受控实验，除常规排序指标外引入性能衰减率（PAR）定量衡量鲁棒性，PAR越低表明模型面对数据稀疏时性能退化越小。
讨论部分指出，现有方法普遍依赖单模态建模或朴素特征拼接融合，无法解耦ID共现模式与文本语义特征之间的冲突信号，且缺乏因果推理机制以在多样上下文中自适应识别主导模态信息。与常规的增量模块堆叠策略不同，MVSDL框架通过反事实引导的解耦优先融合范式填补了这一研究空白。研究结论为：Web API的快速增长使准确推荐成为服务组合与软件开发的核心需求，API关联性由ID共现模式与文本语义特征共同驱动且存在固有模态冲突，叠加数据稀疏与冷启动问题，现有方法难以兼顾准确性、鲁棒性与可解释性；为此提出的MVSDL多视图自监督解耦学习框架，先以GAT与预训练语言模型将全局共现结构与细粒度文本语义编码至统一表征空间，再以自监督解耦机制分离并量化两类表征贡献，最后以反事实启发监督动态识别主导模态并引导自适应门控实现上下文感知融合；两个真实数据集上的大量实验证明MVSDL显著优于当前最先进方法，并在数据稀疏与冷启动场景下展现出更强的鲁棒性与可解释性。
