[发明专利]一种基于GRU和R-GCN的OJ平台题目序列推荐方法有效

专利信息
申请号: 202111511002.3 申请日: 2021-12-11
公开(公告)号: CN114386764B 公开(公告)日: 2022-12-16
发明(设计)人: 潘建国;彭伟民;张波;胡正欣;李欢 申请(专利权)人: 上海师范大学
主分类号: G06Q10/06 分类号: G06Q10/06;G06Q50/20;G06F16/9535
代理公司: 上海科盛知识产权代理有限公司 31225 代理人: 翁惠瑜
地址: 200234 *** 国省代码: 上海;31
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 基于 gru gcn oj 平台 题目 序列 推荐 方法
【说明书】:

发明涉及一种基于GRU和R‑GCN的OJ平台题目序列推荐方法,包括:在OJ平台的提交记录中选择一个时间段的提交记录,作为数据集,根据固定的时间间隔划分为若干个时间结点;在每一个时间结点内,根据用户选择题目进行尝试的情况,开始训练模型,根据训练好的模型对用户前期提交题目的情况进行预测,计算出用户‑题目的匹配评分,选择得分排名靠前且当前时间结点没有尝试过或者尝试失败的题目推荐给用户。与现有技术相比,本发明结合了GRU算法与R‑GCN算法,解决了OJ平台题目推荐的缺陷,为用户推荐更合适的题目,使用户达到更好的学习效果。

技术领域

本发明涉及数据挖掘领域,尤其是涉及一种基于GRU和R-GCN的OJ平台题目序列推荐方法。

背景技术

OJ(Online Judege)平台是一个编程练习的在线评测系统,练习者可以通过自己的知识储备,选择合适的练习题目进行尝试,提交自己编写的代码,OJ平台会反馈用户代码评测的结果,用户判断一道题目是否适合自己往往会耗费大量时间,错误的尝试往往会使用户的学习信心受到打击,学习效果降低。随着信息技术的飞速发展,OJ平台习题推荐也有了全新的思考方式,利用大数据人工智能的方式为用户推荐合适的题目,减少用户在选择恰当的题目上耗费的时间。推荐算法在人工智能领域是一个研究的热点,经过长时间的发展也出现了很多的算法,常见的算法有:基于概率模型的算法,比如常见的朴素贝叶斯、BP(Back-Propagation)神经网络、决策树以及随机森林等算法,在一定情况下都取得了不错的效果;基于协同过滤的推荐算法,最常见的就是基于用户/物品的协同过滤算法;基于图的随机游走算法;以及基于关联规则;基于知识推荐算法;同时深度学习、神经网络在推荐领域也是一如既往的强大。除了这些算法,图神经网络也是推荐领域中新兴的技术,比如NGCF、KGCF等。

上述现有的方法在一定条件下的拥有很不错的推荐效果,但是OJ平台的推荐相对于其他场景的推荐是有一定差距的。首先,OJ平台是用来学习的,随着用户的不断学习,知识储备愈发丰富,编程能力不断成长,对于题目的需求也会随之变化,题目的知识点都会涉及很多或深或浅的知识点,想要完成一道比较困难的知识点必须先完成对应的基础题目,用户的需求具有较强序列性;同时,一个用户对于一道题目的通过率并不能直接反应该用户对该知识点的掌握情况,有可能知识点都掌握了,但因为题目本身的原因导致通过率不高,其他用户对做这道题的通过情况,也隐藏着当前用户对知识点的接受情况;其次,对于每一道题的提交都存在着多个结果,可能是一次通过,有可能是很多次才通过,也有可能是尝试了若干次后都没有通过,每一种情况都代表了用户对知识点的掌握情况;最后,相对于其他推荐,比如新闻、商品等等领域的推荐在一般情况下都是不会给用户推荐已经使用过的商品,但是在OJ领域用户再去尝试自己以前做过的题目是时常发生的,不论题目之前是否通过。

发明内容

本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种基于GRU和R-GCN的OJ平台题目序列推荐方法,解决了OJ平台题目推荐的缺陷,提升了推荐效果。

本发明的目的可以通过以下技术方案来实现:

一种基于GRU和R-GCN的OJ平台题目序列推荐方法,包括:

将用户在OJ平台上的历史答题记录等分为若干个时间结点,对于每个时间结点,构建一张二分图,所述的二分图以用户和题目作为结点,用户结点和题目结点之间的边表示用户尝试过对应的题目;

分别对题目结点和用户结点向量化,获得题目结点嵌入和用户结点嵌入;

对于每个时间结点,计算用户对各题目的掌握程度;

每个时间结点内,对于同一种掌握程度的题目,根据对应的题目结点嵌入和用户结点嵌入,采用R-GCN聚合用户的特征,获得该时间结点的聚合题目嵌入;

将上一时间结点以及当前时间结点的聚合题目嵌入输入训练好的GRU模型,获得最终题目嵌入;

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于上海师范大学,未经上海师范大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202111511002.3/2.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top