针对在线编程教学的自适应推荐方法及相关设备技术

本申请公开了一种针对在线编程教学的自适应推荐方法、装置、设备及存储介质，所述针对在线编程教学的自适应推荐方法包括：获取学习者的答题数据；基于所述答题数据，确定所述学习者的能力相似度最大化函数，其中，所述能力相似度最大化函数反映了基于所述学习者的有限答题数据得到的能力值评估与基于所述学习者的全量答题数据得到的能力值评估的相似度最接近；对所述能力相似度最大化函数进行求解计算，得到所述学习者的推荐策略。本申请属于基于所述学习者的有限作答记录，得到的所述学习者的能力值评估最接近于所述学习者的全量作答记录的能力值评估，即仅用少量的样本数据，得到准确的所述学习者的推荐策略，以此提高自适应推荐策略的效率。高自适应推荐策略的效率。高自适应推荐策略的效率。

【技术实现步骤摘要】
针对在线编程教学的自适应推荐方法及相关设备


[0001]本申请涉及人工智能应用的
，尤其涉及一种针对在线编程教学的自适应推荐方法、装置、设备及存储介质。

技术介绍

[0002]随着越来越多的岗位要求从业者具备编程能力，在线编程平台应运而生，平台会收集了丰富的编程试题供学习者练习。而面对编程教学指导的高门槛，学习者如何在缺乏指导的情况下进行自主编程学习是当前的一个重要挑战。
[0003]现有技术中采用自适应教育的教学模式去提高学习者自主编程学习的效率，具体是通过给学习者提供少量试题来准确且全方位评估学习者能力，以有针对性地提升他相应的技能水平。
[0004]但是目前关于推荐策略的生成方法主要分为传统的启发式策略和双层优化策略，然而，这两类策略的自适应是有限的：
[0005]1)传统的启发式推荐策略依赖于编程教育相关的专家经验。为设计对应的推荐策略，不得不依靠专家去理解诊断模型的细节与原理，非常不灵活且费时费力，同时无法适应如今复杂的基于深度学习的诊断模型；
[0006]2)双层优化策略的计算复杂性较高，需要利本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种针对在线编程教学的自适应推荐方法，其特征在于，所述针对在线编程教学的自适应推荐方法包括：获取学习者的答题数据；基于所述答题数据，确定所述学习者的能力相似度最大化函数，其中，所述能力相似度最大化函数反映了基于所述学习者的有限答题数据得到的能力值评估与基于所述学习者的全量答题数据得到的能力值评估的相似度最接近；对所述能力相似度最大化函数进行求解计算，得到所述学习者的推荐策略。2.如权利要求1所述的针对在线编程教学的自适应推荐方法，其特征在于，所述基于所述答题数据，确定所述学习者的能力相似度最大化函数的步骤，包括：基于所述答题数据，确定所述学习者的题目相似度算法函数，其中，所述题目相似度算法函数反映了任意两个题目间的相似度；基于所述题目相似度算法函数，确定所述学习者的能力相似度最大化函数。3.如权利要求2所述的针对在线编程教学的自适应推荐方法，其特征在于，所述基于所述答题数据，确定所述学习者的题目相似度算法函数的步骤，包括：基于所述答题数据，确定所述学习者的能力值；基于所述能力值，计算所述学习者对答题库中每一题目的期望梯度；基于所述期望梯度，确定所述学习者的题目相似度算法函数。4.如权利要求1所述的针对在线编程教学的自适应推荐方法，其特征在于，所述对所述能力相似度最大化函数进行求解计算，得到所述学习者的推荐策略的步骤，包括：将所述能力相似度最大化函数进行拉普拉斯平滑，得到归一化单调非减次模函数；对所述归一化单调非减次模函数采用贪心算法，得到所述学习者的推荐策略。5.如权利要求4所述的针对在线编程教学的自适应推荐方法，其特征在于，所述对所述归一化单调非减次模函数采用贪心算法，得到所述学习者的推荐策略的步骤，包括：确定答题库中的目标题目集；将所述目标题目集中每一题目代入所述归一化单调非减次模函数，得到所述每一题目的信息量；将所述目标题目集中各题目按照所述信息量大小进行排序，并将所述信息量最大的预设数量的题...

【专利技术属性】
技术研发人员：刘淇，庄严，黄振亚，陈恩红，苏喻，
申请(专利权)人：合肥综合性国家科学中心人工智能研究院安徽省人工智能实验室，
类型：发明
国别省市：