[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

本發明公開了一種基于人工智能的編程作品自動批改方法，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，對待批改的編程作品進行自動批改；其中，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編程學習平臺，以供用戶進行學習。本發明通過預設深度學習網絡模型，對待批改的編程作品進行自動批改，并將批改的結果反饋至編程學習平臺，以供用戶進行學習。如此，用戶所完成的編程作品無需進行人工修改，提高了批改效率，同時，用戶還可以接收到編程作品的批改反饋，有助于提高用戶的編程能力。

技術領域

本發明涉及人工智能技術領域，尤其涉及一種基于人工智能的編程作品自動批改方法、編程學習平臺、計算機終端設備及計算機可讀存儲介質。

背景技術

隨著互聯網的發展，網絡學習成為了學習的常態，用戶通過可以網絡學習，學習各種技能，比如編程、剪輯、攝影等。

針對網絡編程學習，由于編程學習過程枯燥、編程理論晦澀、需實操才能掌握。然而，用戶通過編程學習平臺所完成的作品，例如游戲、動畫、網頁設計、APP等，一般只能通過編程學習平臺所聘請的編程老師進行人工批改，存在批改效率低的問題，尤其是當編程作品較多時，不僅編程老師的批改工作量大，還可能會造成判卷結果出現不公平不公正的現象。同時，由于編程作品的復雜性，當批改到錯誤點時，編程老師還需人工進行排查錯誤和批注，批改難度非常大。

發明內容

本發明目的在于，提供一種基于人工智能的編程作品自動批改方法、編程學習平臺、計算機終端設備及計算機可讀存儲介質，以解決現有技術中人工批改編程作品存在批改效率低、批改不夠客觀、批改難度非常大的問題。

為實現上述目的，本發明實施例提供一種基于人工智能的編程作品自動批改方法，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。

在一些實施例中，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。

在一些實施例中，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；

判斷所述測試用例編譯是否成功。

在一些實施例中，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。

在一些實施例中，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。

在一些實施例中，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；