买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉江西师范大学申请的专利一种融合动态交互信息的个性化编程题目推荐方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN120892633B 。

龙图腾网通过国家知识产权局官网在2026-01-06发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202511415943.5，技术领域涉及：G06F16/9535；该发明授权一种融合动态交互信息的个性化编程题目推荐方法是由付广成;张敏;刘俊豪;叶潮辉;曾雪强设计研发完成，并于2025-09-30向国家知识产权局提交的专利申请。

本一种融合动态交互信息的个性化编程题目推荐方法在说明书摘要公布了：本发明公开了一种融合动态交互信息的个性化编程题目推荐方法，包括以下步骤：获取在线评测平台数据集，对数据集进行预处理；对学生的历史编程交互序列进行形式化表述与任务定义；搭建包含代码表示模块与题目推荐模块的总体框架，建立个性化编程题目推荐模型；训练代码表示模块通过监督学习融合为综合代码表示，训练题目推荐模块，并生成下一时刻推荐的概率分布。本发明融合代码文本的语义特征和结构特征、题目文本的语义特征以及在线编程评测平台的实时反馈得分信息，从而对学生即时编程能力进行更为全面的建模。本发明能够便捷地应用于多种在线编程教育平台，为编程教学提供个性化推题服务，实现因材施教，提升学生的学习效率和学习体验。

本发明授权一种融合动态交互信息的个性化编程题目推荐方法在权利要求书中公布了：1.一种融合动态交互信息的个性化编程题目推荐方法，其特征在于：包括以下步骤： 步骤S1：获取在线评测平台数据集，并对在线评测平台数据集进行预处理及数据划分； 步骤S2：基于步骤S1的数据，对学生的历史编程交互序列进行形式化表述与任务定义； 步骤S3：根据步骤S2的任务需求，搭建包含代码表示模块与题目推荐模块的总体框架，建立个性化编程题目推荐模型； 步骤S4：实现并训练步骤S3中的代码表示模块，以步骤S1获取的在线评测平台数据集作为代码表示模块输入，利用编程大模型UniXcoder与语言模型GPT2-encoder生成代码与题目文本向量，并通过监督学习融合为综合代码表示； 步骤S5：实现并训练步骤S3中的题目推荐模块，基于步骤S4的综合代码表示，结合学生的历史编程交互序列，使用长短期记忆网络与注意力机制建模学生的能力演化，并生成下一时刻推荐的概率分布； 其中步骤S4，具体过程为： 步骤S41，利用步骤S11获得的在线评测平台数据集中的学生的代码提交记录，输入代码表示模块； 步骤S42,将学生的代码提交记录中的学生提交代码文本、题目文本分别输入编程大模型UniXcoder与语言模型GPT2-encoder； 步骤S43，在编程大模型UniXcoder的预处理层中，先对学生提交代码文本进行分词处理，得到长度为的序列，其中，表示学生提交代码文本切分出的第1个词元，表示学生提交代码文本切分出的第个词元，随后，在长度为的序列最首端插入特殊标记CLS，记为，得到长度为的代码文本分词序列； 步骤S44，依据学生提交代码文本所属的编程语言类别，调用多语言解析框架Tree-sitter加载对应语法库，解析学生提交代码文本生成长度为的代码抽象语法树AST节点序列，表示代码抽象语法树AST节点序列的第1个节点标签，表示代码抽象语法树AST节点序列的第2个节点标签，表示代码抽象语法树AST节点序列的第个节点标签； 步骤S45，将代码文本分词序列和代码抽象语法树AST节点序列进行拼接得到统一输入序列； 步骤S46，在编程大模型UniXcoder的嵌入层中，将统一输入序列中的每个标记分别映射为高维向量； 步骤S47，将步骤S46生成的高维向量矩阵输入编程大模型UniXcoder的Transformer编码器，生成融合代码语义和代码抽象语法树AST节点结构的特征矩阵； 在融合全局上下文后，融合代码语义和代码抽象语法树AST节点结构的特征矩阵与特殊标记CLS对应的向量，用于表征整段学生提交代码的综合语义信息；将向量作为学生提交代码文本的嵌入向量，记为。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人江西师范大学，其通讯地址为：330000 江西省南昌市高新技术开发区紫阳大道99号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。