[发明专利]在线编程教学的自适应推荐方法、装置、设备及存储介质

权利要求书

1.一种在线编程教学的自适应推荐方法，其特征在于，所述在线编程教学的自适应推荐方法包括：

获取答题信息样本，并将所述答题信息样本划分为支持集和查询集；

基于所述支持集，最小化所述支持集上的交叉熵损失函数，并基于所述支持集上的交叉熵损失函数，确定能力估计算法函数；

基于所述查询集和所述能力估计算法函数，对预设的待优化模型进行外层优化，确定推荐策略算法函数，并基于推荐策略算法函数，训练得到推荐模型；

获取学习者的答题信息，并将所述答题信息输入至所述推荐模型，基于所述推荐模型，对所述答题信息进行试题推荐处理，得到所述学习者的推荐策略。

2.如权利要求1所述的在线编程教学的自适应推荐方法，其特征在于，所述基于所述支持集上的交叉熵损失函数，确定所述能力估计算法函数的步骤，包括：

将所述支持集上的交叉熵损失函数与预设的潜在能力估计进行融合，得到所述能力估计算法函数。

3.如权利要求1所述的在线编程教学的自适应推荐方法，其特征在于，所述基于所述查询集和所述能力估计算法函数，对所述待优化模型进行外层优化，确定推荐策略算法函数的步骤，包括：

基于所述能力估计算法函数，最小化所述查询集上的交叉熵损失函数；

基于所述查询集上的交叉熵损失函数，对所述待优化模型进行外层优化，确定推荐策略算法函数。

4.如权利要求1所述的在线编程教学的自适应推荐方法，其特征在于，所述基于所述推荐模型，对所述答题信息进行试题推荐处理，得到所述学习者的推荐策略的步骤，包括：

基于所述推荐模型，对所述答题信息进行评估处理，确定所述学习者的能力信息；

基于所述能力信息，确定所述学习者的推荐策略。

5.如权利要求4所述的在线编程教学的自适应推荐方法，其特征在于，所述基于所述推荐模型，对所述答题信息进行评估处理，确定所述学习者的能力信息的步骤，包括：

确定所述答题信息中答对的题目和答错的题目；

基于所述推荐模型，通过自注意力操作分别捕获所述答对的题目和所述答错的题目的表现信息，并基于所述表现信息，确定所述学习者的第一能力信息；

基于所述第一能力信息，通过双重注意力操作捕捉所述答对的题目和所述答错的题目之间的矛盾，基于所述矛盾，确定所述学习者的第二能力信息；

基于所述第一能力信息和所述第二能力信息，得到所述学习者的能力信息。

6.一种在线编程教学的自适应推荐装置，其特征在于，所述在线编程教学的自适应推荐装置包括：

划分模块，用于获取答题信息样本，并将所述答题信息样本划分为支持集和查询集；

内层优化模块，用于基于所述支持集，最小化所述支持集上的交叉熵损失函数，并基于所述支持集上的交叉熵损失函数，确定能力估计算法函数；

外层优化模块，用于基于所述查询集和所述能力估计算法函数，对预设的待优化模型进行外层优化，确定推荐策略算法函数，并基于推荐策略算法函数，训练得到推荐模型；

推荐模块，用于获取学习者的答题信息，并将所述答题信息输入至所述推荐模型，基于所述推荐模型，对所述答题信息进行试题推荐处理，得到所述学习者的推荐策略。

7.一种在线编程教学的自适应推荐设备，其特征在于，所述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所述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5中任一项所述在线编程教学的自适应推荐方法的步骤。

8.一种存储介质，其特征在于，所述存储介质上存储有实现在线编程教学的自适应推荐方法的程序，所述实现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5中任一项所述在线编程教学的自适应推荐方法的步骤。