随着信息社会的快速发展,单一功能的Web API己越来越无法应对复杂的业务需求,Mashup通过集成多种功能的API来满足业务需求,已经成为应对当前挑战的重要手段之一和推动API经济繁荣的重要驱动力。面向Mashup的API推荐研究旨在依据应用开发需求,有针对性地推荐API组合,从而为开发者提供技术支持,提升开发效率。近年来,WebAPI生态系统积累了大量可用于增强API推荐模型的知识,但目前在这方面的研究仍然有限。为了解决这个问题,本文提出了一种技术框架用于API推荐任务,该框架结合基于知识图谱的推荐策略和基于深度内容匹配两种算法模型。在知识图模型方面,本文设计了一个简洁的知识图模式来编码特定于API组合开发的上下文,并使用图形实体对开发需求进行建模,继而利用带重启的随机游走策略根据知识图评估开发需求与Web API之间的潜在相关性,此过程提出了特定于查询的加权策略来增强知识图的构建。在深度内容匹配模型上,通过Word2Vec和CNN对历史数据的文本描述信息进行向量表示和特征提取,加入多层感知机联合训练模型参数,然后进行特征匹配,根据匹配结果拟合真实使用的API记录。最后,本文将两种模型结合起来,实现了一个性能互补的API推荐模型。本文创新之处在于有效地将API的历史调用记录信息和文本描述信息相结合,将图模型与神经网络相结合,为API的推荐提供了一种全面且有效的解决方案。实验结果表明,本文提出的方法远胜一些最新的基线方法,也在减少计算开销和抑制API推荐中的负面马太效应方面取得了显著的效果。