[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

说明书

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。

技术领域

本申请涉及人工智能应用的技术领域，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。

背景技术

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。

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。

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：

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；

2)双层优化策略的计算复杂性较高，需要利用海量的学生数据训练得到，会消耗大量的计算资源且方法缺乏必要的理论保证。尤其当题库有新题增加时，又需要重新训练该推荐策略，推荐的效率低，导致实用性较差。

发明内容

本申请的主要目的在于提供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，旨在解决现有技术中自适应推荐策略的效率低的技术问题。

为实现以上目的，本申请提供一种针对在线编程教学的自适应推荐方法，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。

可选地，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。

可选地，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。

可选地，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；