[發明專利]一種基于GRU和R-GCN的OJ平臺題目序列推薦方法

有效

• 申請號: 202111511002.3
• 申請日: 2021-12-11
• 公開（公告）號: CN114386764B
• 公開（公告）日: 2022-12-16
• 發明（設計）人: 潘建國;彭偉民;張波;胡正欣;李歡
• 申請（專利權）人: 上海師范大學
• 主分類號: G06Q10/06
• 分類號: G06Q10/06;G06Q50/20;G06F16/9535
• 代理公司: 上?？剖⒅R產權代理有限公司 31225
• 代理人: 翁惠瑜

本發明涉及一種基于GRU和R?GCN的OJ平臺題目序列推薦方法，包括：在OJ平臺的提交記錄中選擇一個時間段的提交記錄，作為數據集，根據固定的時間間隔劃分為若干個時間結點；在每一個時間結點內，根據用戶選擇題目進行嘗試的情況，開始訓練模型，根據訓練好的模型對用戶前期提交題目的情況進行預測，計算出用戶?題目的匹配評分，選擇得分排名靠前且當前時間結點沒有嘗試過或者嘗試失敗的題目推薦給用戶。與現有技術相比，本發明結合了GRU算法與R?GCN算法，解決了OJ平臺題目推薦的缺陷，為用戶推薦更合適的題目，使用戶達到更好的學習效果。

技術領域

本發明涉及數據挖掘領域，尤其是涉及一種基于GRU和R-GCN的OJ平臺題目序列推薦方法。

背景技術

OJ(Online Judege)平臺是一個編程練習的在線評測系統，練習者可以通過自己的知識儲備，選擇合適的練習題目進行嘗試，提交自己編寫的代碼，OJ平臺會反饋用戶代碼評測的結果，用戶判斷一道題目是否適合自己往往會耗費大量時間，錯誤的嘗試往往會使用戶的學習信心受到打擊，學習效果降低。隨著信息技術的飛速發展，OJ平臺習題推薦也有了全新的思考方式，利用大數據人工智能的方式為用戶推薦合適的題目，減少用戶在選擇恰當的題目上耗費的時間。推薦算法在人工智能領域是一個研究的熱點，經過長時間的發展也出現了很多的算法，常見的算法有：基于概率模型的算法，比如常見的樸素貝葉斯、BP(Back-Propagation)神經網絡、決策樹以及隨機森林等算法，在一定情況下都取得了不錯的效果；基于協同過濾的推薦算法，最常見的就是基于用戶/物品的協同過濾算法；基于圖的隨機游走算法；以及基于關聯規則；基于知識推薦算法；同時深度學習、神經網絡在推薦領域也是一如既往的強大。除了這些算法，圖神經網絡也是推薦領域中新興的技術，比如NGCF、KGCF等。

上述現有的方法在一定條件下的擁有很不錯的推薦效果，但是OJ平臺的推薦相對于其他場景的推薦是有一定差距的。首先，OJ平臺是用來學習的，隨著用戶的不斷學習，知識儲備愈發豐富，編程能力不斷成長，對于題目的需求也會隨之變化，題目的知識點都會涉及很多或深或淺的知識點，想要完成一道比較困難的知識點必須先完成對應的基礎題目，用戶的需求具有較強序列性；同時，一個用戶對于一道題目的通過率并不能直接反應該用戶對該知識點的掌握情況，有可能知識點都掌握了，但因為題目本身的原因導致通過率不高，其他用戶對做這道題的通過情況，也隱藏著當前用戶對知識點的接受情況；其次，對于每一道題的提交都存在著多個結果，可能是一次通過，有可能是很多次才通過，也有可能是嘗試了若干次后都沒有通過，每一種情況都代表了用戶對知識點的掌握情況；最后，相對于其他推薦，比如新聞、商品等等領域的推薦在一般情況下都是不會給用戶推薦已經使用過的商品，但是在OJ領域用戶再去嘗試自己以前做過的題目是時常發生的，不論題目之前是否通過。

發明內容

本發明的目的就是為了克服上述現有技術存在的缺陷而提供一種基于GRU和R-GCN的OJ平臺題目序列推薦方法，解決了OJ平臺題目推薦的缺陷，提升了推薦效果。

本發明的目的可以通過以下技術方案來實現：

一種基于GRU和R-GCN的OJ平臺題目序列推薦方法，包括：

將用戶在OJ平臺上的歷史答題記錄等分為若干個時間結點，對于每個時間結點，構建一張二分圖，所述的二分圖以用戶和題目作為結點，用戶結點和題目結點之間的邊表示用戶嘗試過對應的題目；

分別對題目結點和用戶結點向量化，獲得題目結點嵌入和用戶結點嵌入；

對于每個時間結點，計算用戶對各題目的掌握程度；

每個時間結點內，對于同一種掌握程度的題目，根據對應的題目結點嵌入和用戶結點嵌入，采用R-GCN聚合用戶的特征，獲得該時間結點的聚合題目嵌入；

將上一時間結點以及當前時間結點的聚合題目嵌入輸入訓練好的GRU模型，獲得最終題目嵌入；