[發明專利]基于人工智能的編程作品自動批改方法及編程學習平臺

在審

• 申請號: 202010815584.3
• 申請日: 2020-08-13
• 公開（公告）號: CN112037596A
• 公開（公告）日: 2020-12-04
• 發明（設計）人: 李添財
• 申請（專利權）人: 廣州匯才創智科技有限公司
• 主分類號: G09B7/02
• 分類號: G09B7/02;G06N3/04;G06N3/08
• 代理公司: 廣州三環專利商標代理有限公司 44202
• 代理人: 陳旭紅;吳落

1.一種基于人工智能的編程作品自動批改方法，其特征在于，包括：

獲取當前編程學習平臺中待批改的編程作品；

根據預設深度學習網絡模型，對所述待批改的編程作品進行自動批改；其中，所述預設深度學習網絡模型是已經訓練完成的基于編程作品確定批改要求規范的模型；

將批改的結果反饋至所述編程學習平臺，以供用戶進行學習。

2.根據權利要求1所述的基于人工智能的編程作品自動批改方法，其特征在于，在所述獲取當前編程學習平臺中待批改的編程作品之后，在所述根據預設深度學習網絡模型，對所述待批改的編程作品進行自動批改之前，還包括：

根據所述待批改的編程作品，確認所采用的編程語言；

根據所采用的編程語言，創建至少一個測試用例。

3.根據權利要求2所述的基于人工智能的編程作品自動批改方法，其特征在于，所述根據預設深度學習網絡模型，對所述待批改的編程作品進行自動批改，包括：

對當前所述測試用例進行檢查與編譯，以生成對應的可執行文件；

判斷所述當前測試用例編譯是否成功。

4.根據權利要求1所述的基于人工智能的編程作品自動批改方法，其特征在于，還包括：

收集所述編程學習平臺的歷史批改數據；其中，所述歷史批改數據包括人工批改數據；

對所述歷史批改數據進行分類，并對分類后的結果分別進行標注。

5.根據權利要求4所述的基于人工智能的編程作品自動批改方法，其特征在于，還包括：

將批注后的所述歷史批改數據進行異常值剔除和歸一化，形成樣本數據；

采用神經網絡對所述樣本數據進行訓練，獲得所述預設深度學習網絡模型。

6.根據權利要求5所述的基于人工智能的編程作品自動批改方法，其特征在于，還包括：

模擬真人測試，以生成待測試的編程作品；

將所述待測試的編程作品輸入至所述預設深度學習網絡模型中；

所述預設深度學習網絡模型對所述待測試的編程作品進行自動批改，以更新所述預設深度學習網絡模型。

7.根據權利要求1所述的基于人工智能的編程作品自動批改方法，其特征在于，在所述獲取當前編程學習平臺中待批改的編程作品之后，在所述根據預設深度學習網絡模型，對所述待批改的編程作品進行自動批改之前，還包括：

確定與所述待批改的編程作品對應的用戶，獲取所述用戶的歷史批改數據；

則所述根據預設深度學習網絡模型，對所述待批改的編程作品進行自動批改，包括：

結合所述用戶的歷史批改數據，采用所述預設深度學習網絡模型對所述待批改的編程作品進行自動批改。

8.一種基于人工智能的編程學習平臺，其特征在于，應用于如權利要求1至7任一項所述的基于人工智能的編程作品自動批改方法，所述平臺包括：

獲取模塊，用于獲取當前編程學習平臺中待批改的編程作品；

自動批改模塊，用于根據預設深度學習網絡模型，對所述待批改的編程作品進行自動批改；其中，所述預設深度學習網絡模型是已經訓練完成的基于編程作品確定批改要求規范的模型；

反饋模塊，用于將批改的結果反饋至所述編程學習平臺，以供用戶進行學習。

9.一種計算機終端設備，其特征在于，包括：

一個或多個處理器；

存儲器，與所述處理器耦接，用于存儲一個或多個程序；

當所述一個或多個程序被所述一個或多個處理器執行，使得所述一個或多個處理器實現如權利要求1至7任一項所述的基于人工智能的編程作品自動批改方法。

10.一種計算機可讀存儲介質，其上存儲有計算機程序，其特征在于，所述計算機程序被處理器執行時實現如權利要求1至7任一項所述的基于人工智能的編程作品自動批改方法。