[发明专利]针对在线编程教学的自适应推荐方法及相关设备

权利要求书

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目确定为所述学习者的推荐策略。

6.如权利要求5所述的针对在线编程教学的自适应推荐方法，其特征在于，所述确定答题库中的目标题目集的步骤，包括：

获取答题库的全部题目集；

基于所述学习者的答题数据，确定学习者的题目集；

将所述全部题目集中去除所述学习者的题目集，得到目标题目集。

7.如权利要求5所述的针对在线编程教学的自适应推荐方法，其特征在于，所述确定答题库中的目标题目集的步骤之后，所述方法包括：

基于预设的不确定性度量算法，计算所述目标题目集中每一题目的价值量；

将所述目标题目集中各题目按照所述价值量大小进行排序，并将所述价值量最大的预设数量的题目确定为筛选后的目标题目集。

8.一种针对在线编程教学的自适应推荐装置，其特征在于，所述针对在线编程教学的自适应推荐装置包括：

获取模块，用于获取学习者的答题数据；

确定模块，用于基于所述答题数据，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；

计算模块，用于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。

9.一种针对在线编程教学的自适应推荐设备，其特征在于，所述针对在线编程教学的自适应推荐设备包括：存储器、处理器以及存储在存储器上的用于实现针对在线编程教学的自适应推荐方法的程序，

所述存储器用于存储实现所述针对在线编程教学的自适应推荐方法的程序；

所述处理器用于执行实现所述针对在线编程教学的自适应推荐方法的程序，以实现如权利要求1至7中任一项所述针对在线编程教学的自适应推荐方法的步骤。

10.一种存储介质，其特征在于，所述存储介质上存储有实现针对在线编程教学的自适应推荐方法的程序，所述实现针对在线编程教学的自适应推荐方法的程序被处理器执行以实现如权利要求1至7中任一项所述针对在线编程教学的自适应推荐方法的步骤。