本發(fā)明涉及一種基于知識追蹤模型的個性化編程題推薦方法，屬于信息推薦。

背景技術：

1、隨著教育信息化的發(fā)展，在線教育平臺已成為人們獲取學習資源和進行知識學習的重要途徑之一。oj(online?judge，在線評測)系統(tǒng)是一種關于編程學習的在線教育平臺，其中提供了豐富的編程題資源，學習者可以根據(jù)編程題的題目要求來編寫相應的解題代碼，然后將代碼提交給oj系統(tǒng)進行自動編譯運行，以檢查代碼的正確性。通過完成編程題的方式，學習者可以鞏固對編程知識點的理解，提升自身的編程水平。

2、盡管oj系統(tǒng)中豐富的編程題資源能夠為學習者們提供了多樣的學習選擇，但是，由于其編程題庫的組織排序方式較為單一，學習者們常常面臨“信息過載”和“學習迷航”的困境，難以選擇出符合自身學習進程和學習能力的編程題。如何將合適的編程題推薦給學習者，以實現(xiàn)個性化的編程學習，提高學習者的編程學習效果，成為亟待解決的技術問題。

3、目前，現(xiàn)有的個性化學習推薦技術，主要是通過深度學習模型學習出更準確的學習者向量表示和學習資源向量表示，由此提升推薦的效果，但很少將學習者的知識狀態(tài)變化情況結合到推薦過程當中，這可能導致所推薦的編程題不符合學習者當前的學習進程和學習能力。

技術實現(xiàn)思路

1、本發(fā)明的目的是針對現(xiàn)有技術存在的不足和局限，創(chuàng)造性地提供一種基于知識追蹤模型的個性化編程題推薦方法。本方法，通過知識追蹤模型，將學習者的知識狀態(tài)變化過程融合到編程題推薦過程中，使所推薦的編程題符合學習者當前的學習進程和學習能力。

2、本發(fā)明提出了一種基于特征增強和注意力機制的知識追蹤模型，充分利用編程題信息和學習者歷史知識狀態(tài)信息更準確地預測學習者未來的答題表現(xiàn)。結合上述模型，本發(fā)明提出了個性化編程題推薦策略，將學習者的知識狀態(tài)變化情況融入推薦過程，從而推薦出符合學習者當前的學習進程和學習能力的編程題。

3、有益效果

4、本發(fā)明方法，與現(xiàn)有技術相比，具有以下優(yōu)點：

5、1.本方法充分利用了編程題相關特征信息和學習者歷史知識狀態(tài)信息，能夠更加準確地預測學習者在下一個時間步的答題表現(xiàn)。

6、2.本方法將知識追蹤模型結合到編程題推薦過程中，使編程題推薦策略能夠及時根據(jù)學習者的知識狀態(tài)變化情況調(diào)整所推薦的題目。

技術特征：

1.一種基于知識追蹤模型的個性化編程題推薦方法，其特征在于，通過知識追蹤模型，將學習者的知識狀態(tài)變化過程融合到編程題推薦過程中，使所推薦的編程題符合學習者當前的學習進程和學習能力，包括以下步驟：

2.如權利要求1所述一種基于知識追蹤模型的個性化編程題推薦方法，其特征在于，步驟1包括以下步驟：

3.如權利要求1所述一種基于知識追蹤模型的個性化編程題推薦方法，其特征在于，步驟2包括以下步驟：

4.如權利要求1所述一種基于知識追蹤模型的個性化編程題推薦方法，其特征在于，步驟3包括以下步驟：

5.如權利要求1所述一種基于知識追蹤模型的個性化編程題推薦方法，其特征在于，步驟5包括以下步驟：

6.如權利要求1所述一種基于知識追蹤模型的個性化編程題推薦方法，其特征在于，步驟6包括以下步驟：

技術總結
本發(fā)明涉及一種基于知識追蹤模型的個性化編程題推薦方法，屬于信息推薦技術領域。本方法通過知識追蹤模型，將學習者的知識狀態(tài)變化過程融合到編程題推薦過程中，使所推薦的編程題符合學習者當前的學習進程和學習能力。本發(fā)明提出了一種基于特征增強和注意力機制的知識追蹤模型，充分利用編程題信息和學習者歷史知識狀態(tài)信息更準確地預測學習者未來的答題表現(xiàn)。結合上述模型，本發(fā)明采用了個性化編程題推薦策略，將學習者的知識狀態(tài)變化情況融入推薦過程，從而推薦出符合學習者當前的學習進程和學習能力的編程題。本方法能夠更加準確地預測學習者在下一個時間步的答題表現(xiàn)，使編程題推薦策略能夠及時根據(jù)學習者的知識狀態(tài)變化情況調(diào)整推薦題目。

技術研發(fā)人員：張華平,梁媛,商建云
受保護的技術使用者：北京理工大學
技術研發(fā)日：
技術公布日：2025/1/9