2。4。1 LSTM 简介 10

2。4。2 LSTM 在本文中的应用 11

2。5 其他相关技术 12

2。5。1 爬虫及其优化 12

2。5。2 WebAPI 服务化 13

3 算法性能分析 15

第 II 页 本科毕业设计说明书

3。1 测试环境 15

3。2 题目难度评价算法性能分析 15

3。2。1 算法的时间复杂度 15

3。2。2 算法的正确性 15

3。3 用户水平评价算法性能分析 16

3。3。1 算法的时间复杂度 16

3。3。2 算法的正确性 16

3。4 题目推荐算法性能分析 16

3。4。1 基于 cosine 相似度的题目推荐系统的评价 16

3。4。2 基于 LSTM 的题目推荐算法的评价 17

4 系统的实现 19

4。1 系统架构 19

4。1。1 全站整体架构 19

4。1。2 智能辅助训练系统架构 19

4。2 异步更新 22

4。3 系统展示 23

4。3。1 相关题目的推荐 23

4。3。2 题目难度显示 25

4。3。3 基于用户的题目推荐系统 25

4。3。4 用户相关统计信息 26

结论 28

致谢 29

参 考 文 献 30

本科毕业设计说明书 第 1  页

1 绪论

1。1 研究背景及意义

随着程序设计能力在计算机相关专业学生专业教育和专业能力考评中占有越来越重要的 地位，在简单的基础知识讲授之外的动手能力的训练变得越来越重要。由此应运而生了许多 自动的程序评测系统，这些系统提供自动化的程序正确性测试功能，使用者通过阅读题目， 编写代码，提交代码来完成程序设计能力的训练和提高。而现有的程序设计能力测试平台主 要有如下特点。

I。 题库容量大

II。 题目凌乱，相邻题号的题目相关度低 III。 难以寻找某一特定类型的题目

由于以上三点原因，用户在平时的练习过程之中很难简单的进行针对性的训练，需要花费 大量的时间通过互联网来搜寻前人留下的资料和数据，来进行训练。随之而来的时间代价消 耗了本应用来进行程序设计能力训练的时间。用户的行为本身就隐含了题目之间的规律，通 过寻找和挖掘这种规律我们可以更加智能的为用户提出行之有效的训练方案。