基于知识图谱与协同过滤混合策略的在线编程评测系统题目推荐模型

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。