混搭已经成为允许开发人员组合现有的API(服务)以创建新的或增值服务的有前途的方法。 随着Internet上发布的服务数量Swift增加,用于自动混搭创建的服务推荐获得了巨大的动力。 由于mashup本质上需要具有不同功能的服务,因此推荐结果应包含各种类别的服务。 但是,大多数现有的推荐方法仅将所有候选服务放在一个列表中,这有两个缺陷。 首先,在不考虑服务所属类别的情况下对服务进行排名可能会导致无意义的服务排名并影响推荐准确性。 其次,mashup开发人员并不总是清楚他们需要哪些服务类别以及哪些类别中的服务可以更好地协作以创建mashup。 如果没有明确建议与混搭创建相关的服务类别,混搭开发人员仍然难以在混合排名列表中选择适当的服务,这会降低推荐的用户友好度。 为了克服这些缺陷,提出了一种新颖的类别感知服务聚类和分布式推荐方法,用于自动混搭创建。 首先,引入了基于主题模型潜在狄利克雷分配的Kmeans变体(vKmeans)方法,以增强服务分类并为推荐提供基础。 其次,在vKmeans之上,开发了一种结合了机器学习和协作过滤的服务类别相关性排名(SCRR)模型,以分解混搭需求并明确预测相