Pendekatan Rekomendasi API Android Berdasarkan Pembelajaran Jalur Ketergantungan API

ABSTRAK
Pengembangan perangkat lunak memainkan peran penting dalam domain aplikasi seluler modern, yang mencerminkan signifikansinya melalui aplikasi yang tersebar luas. Dengan evolusi berkelanjutan dan banyaknya API Android, pengembang perlu menginvestasikan upaya yang cukup besar dalam mempelajari cara menggunakan berbagai API yang sesuai untuk proyek mereka. Sayangnya, sebagian besar metode rekomendasi saat ini, ketika merepresentasikan program sebagai urutan kode sumber, pohon sintaksis abstrak, atau jalur panggilan API, sering kali hanya berfokus pada hubungan kontekstual sambil mengabaikan informasi berharga dalam hubungan ketergantungan API. Selain itu, model urutan yang ada (seperti RNN, LSTM) sering kali gagal membuat prediksi yang benar untuk metode API frekuensi rendah dengan sufiks frekuensi tinggi, karena model ini cenderung menangkap pola urutan API yang paling umum, yang menyebabkan API frekuensi rendah tetapi berpotensi lebih berlaku ini diabaikan. Untuk mengatasi masalah ini, kami mengusulkan metode rekomendasi API Android berbasis jalur ketergantungan API, DPAPIRec. Pendekatan ini menggabungkan analisis program dengan pembelajaran mendalam, yang pertama-tama mengekstrak metode API dan hubungan ketergantungan aliran data dan aliran kontrolnya dari sejumlah besar APP Android melalui teknik analisis program dan kemudian memperoleh repositori jalur ketergantungan API yang komprehensif. Akhirnya, metode pembelajaran mendalam diterapkan untuk mempelajari dan merepresentasikan hubungan ketergantungan ini guna meningkatkan akurasi rekomendasi API. Lebih jauh, untuk mengekstraksi hubungan ketergantungan dengan lebih baik, kami menggunakan model LSTM berbasis perhatian yang ditingkatkan dengan arsitektur kerugian baru, yang meningkatkan hubungan ketergantungan global antara API melalui kerugian campuran tertimbang, sehingga memperkuat bobot simpul awal dan mengurangi masalah API frekuensi rendah dengan sufiks frekuensi tinggi. Eksperimen kami pada kumpulan data AndroZoo menunjukkan bahwa DPAPIRec secara signifikan mengungguli metode dasar dalam tugas rekomendasi API Android, yang menunjukkan peningkatan substansial dalam Akurasi dan Peringkat Resiprokal Rata-rata (MRR).