在移动多媒体计算应用开发中,提高应用开发效率一直是一个核心问题。Web API的使用在提高应用程序开发效率方面起到了明显的作用,但要找到合适的Web API需要很多时间。Web API推荐系统可以解决这个问题,Web API推荐系统将直接推荐Web API给需要的开发者,同时在Web API领域中也没有相关的知识图谱构建,这对Web API领域中对于知识的查询无疑增加了难度。故而,本文一共设立了两个研究目标,一个是提出新的Web API推荐算法,另一个是在Web API领域中构建知识图谱,并进行表示学习。在推荐Web API的过程中,本文使用矩阵分解模型来预测用户和Web API之间的关系。在该模型中,用户和Web API之间的关系用矩阵表示。但与传统矩阵分解模型不同的是,本文发现Web API之间的关系会对预测结果产生一定的影响。因此,本文采用嵌入技术来计算Web API的向量,然后通过向量之间的计算来得到Web API之间的相似性,并利用Web API之间的潜在关系提出了一个新的矩阵分解模型,本文将新的模型称为MF-AS模型。将相似度计算结果输入MF-AS模型,实现API与用户的关系预测。通过与其他推荐算法的结果对比可以发现,在所有情况中MFAS的模型效果都更好,在冷启动情况中仍有良好的预测结果,说明了模型的有效性以及在特殊情况下也能发挥很好的效果。同时本文也对API进行了知识图谱的设计与实现,随着信息技术的发展,软件开发的模式也在不断进步,在面对现在智能软件开发的需求,知识图谱利用其多种特异性优势,可以将大量Web API以及相关数据有效整合利用来满足智能软件开发的需求。本文基于Web API等数据,结合知识图谱构建技术,分别建立了API知识图谱与Mashup知识图谱,通过对这两个知识图谱进行知识融合,最终得到数据更加完整的Web API知识图谱。通过知识图谱构建技术得到的完整的Web API知识图谱为智能软件的开发提供了新的工具。同时我们从Web API知识图谱中提取了一部分API数据,使用知识表示方法表示知识图谱中的API,得到结果后,对结果进行聚类和相似度计算,并对整个表示结果进行一个分析,为智能软件开发领域了作出了贡献。