随着计算机技术的高速发展,各类软件和应用程序的开发要求和开发难度不断增大,API（Application Programming Interface,应用程序编程接口）推荐技术的研究和应用就具有很大的研究潜力和研究价值。当前软件开发的效率和软件开发的质量很大程度上取决于API方法的推荐结果,它能够快速的给开发人员提供准确的API方法来交付功能丰富的软件,并且在一定程度上保障了方法的实用性,极大的节约了开发人员的时间,提高了项目和软件开发的效率。现有方法在推荐过程中主要关注于从程序的上下文中获取信息,根据代码语言的重复性和可预测性等特性来推荐相关结果,未考虑到方法所属类的继承关系。而属于同一继承关系体系中的所有方法都有可能是解决某一问题的必要操作,这些方法在推荐过程中都应该被视为重要的候选结果。事实上,在实际应用场景中,属于不同类的方法旨在一起使用,以形成丰富的API方法网络,用于解决功能复杂的大型软件问题。但传统的API推荐方法都没有对方法所属类的继承体系中其他方法进行推荐的考虑,导致最终的推荐结果存在准确率不足的问题。针对上述问题,本文提出了一种基于类继承关系分析的API推荐方法,即InhRec。InhRec按类继承的声明顺序,将类和属于该类的方法划分层次结构。推荐对象所属的类称为低层次类,在继承声明顺序中从该类的父类开始直至Object类都称为高层次类。通过对方法按其所属类之间的层次结构关系进行分类,提取属于不同层次方法间的依赖关系信息,并对方法间的依赖信息进行关联关系分析,以确定属于不同层次类的方法间的联系。对于属于高层次类的方法,通过低层次类方法对其的依赖影响,自身方法的历史使用频率,按照其所属类的层次结构,合理提高这类方法的推荐优先级,以消除传统API推荐方法对于高层次类方法推荐不足的影响,从而扩充了API推荐候选池,使得推荐结果的准确率更高。本文选取了106个项目构建评估实验,通过与APIREC、GraLan等四种现有API推荐技术进行对比分析,评估了本文技术的有效性和效率。实验结果表明,对于不同层次方法间存在较强逻辑关系的项目,本文技术在top-5以及top-10的准确率指标方面要比现有的API推荐技术高7%左右。同时,本文技术的API推荐平均执行时间均控制在1s以下,满足实际开发的需求。