在线编程评测系统(Online Judge,OJ)是一种被广泛应用于计算机编程教学与竞赛的代码测评系统。用户在规模庞大的题库中寻找适合当前学习阶段的题目时,往往会感到迷茫。如何为用户推荐合适的题目和规划学习路径,是在线编程测评系统研发...在线编程评测系统(Online Judge,OJ)是一种被广泛应用于计算机编程教学与竞赛的代码测评系统。用户在规模庞大的题库中寻找适合当前学习阶段的题目时,往往会感到迷茫。如何为用户推荐合适的题目和规划学习路径,是在线编程测评系统研发中的一个重要研究课题。传统推荐算法存在可解释性和准确性难以兼顾的问题。文中提出了基于知识图谱与协同过滤混合策略的在线评测系统推荐模型(A Hybrid Programming Task Recommendation Model Based on Knowledge Graph and Collaborative Filtering,HKGCF)。该模型通过推荐与用户当前知识和技能掌握程度相匹配的题目,来帮助用户提升学习效果。文中设计和实现了该模型,并将其集成到了北京航空航天大学在线编程测评系统中,以适应OJ平台特有的交互形式。线上测试和离线测试实验的结果表明,提出的HKGCF模型在准确率和可解释性方面均优于典型传统算法。展开更多
提出了基于主题聚类的Web资源个性化推荐算法PRWRTC(personalized recommendations of Web resource based on Topic clustering),该算法首先基于Web资源的主题提出Web资源聚类算法,从而提高Web资源聚类的精确度,进而提升Web资源推荐的...提出了基于主题聚类的Web资源个性化推荐算法PRWRTC(personalized recommendations of Web resource based on Topic clustering),该算法首先基于Web资源的主题提出Web资源聚类算法,从而提高Web资源聚类的精确度,进而提升Web资源推荐的准确度;然后,基于用户的浏览行为,提出实时获取用户偏好的算法;最后,针对用户偏好的动态演化,在算法中加入了时效的概念,实现了对Web资源的动态推荐.并通过实验验证了该算法的有效性.展开更多
文摘在线编程评测系统(Online Judge,OJ)是一种被广泛应用于计算机编程教学与竞赛的代码测评系统。用户在规模庞大的题库中寻找适合当前学习阶段的题目时,往往会感到迷茫。如何为用户推荐合适的题目和规划学习路径,是在线编程测评系统研发中的一个重要研究课题。传统推荐算法存在可解释性和准确性难以兼顾的问题。文中提出了基于知识图谱与协同过滤混合策略的在线评测系统推荐模型(A Hybrid Programming Task Recommendation Model Based on Knowledge Graph and Collaborative Filtering,HKGCF)。该模型通过推荐与用户当前知识和技能掌握程度相匹配的题目,来帮助用户提升学习效果。文中设计和实现了该模型,并将其集成到了北京航空航天大学在线编程测评系统中,以适应OJ平台特有的交互形式。线上测试和离线测试实验的结果表明,提出的HKGCF模型在准确率和可解释性方面均优于典型传统算法。
文摘提出了基于主题聚类的Web资源个性化推荐算法PRWRTC(personalized recommendations of Web resource based on Topic clustering),该算法首先基于Web资源的主题提出Web资源聚类算法,从而提高Web资源聚类的精确度,进而提升Web资源推荐的准确度;然后,基于用户的浏览行为,提出实时获取用户偏好的算法;最后,针对用户偏好的动态演化,在算法中加入了时效的概念,实现了对Web资源的动态推荐.并通过实验验证了该算法的有效性.
