程序设计网络资源算法知识联系结构发现研究

论文摘要

ACM/ICPC (ACM International Collegiate Programming Contest,国际大学生程序设计竞赛,以下简称ACM)是世界上公认的规模最大、水平最高的国际大学生程序设计竞赛。网络上有许多的在线评判系统(Online Judge,以下简称OJ),提供大量的程序设计题给学生练习,学生通过OJ系统提交程序代码,解决OJ上的题目,从而提高ACM成绩。网络上有这样类似的大量的程序设计网络资源,这些网络资源中的程序代码中存在大量的算法知识,算法知识只是散落在网络资源中,并没有一个结构呈现这些算法知识之间的联系。一种类似于智能计算机辅助教学系统(Intelligent Computer Assisted Instruction,以下简称ICAI)的个性化的OJ可以针对各个学生的特点提供对应的算法知识以供学生学习,这就需要发现程序设计网络资源中算法知识的联系结构。本课题组前期对于程序设计代码中的知识点以及知识单元作过相关方面的研究工作,他们研究的对象是程序设计代码中的语言级知识点。同时也做过算法识别以及解决报告中算法知识的联系的研究工作,算法识别的工作并未能够对算法知识进行恰当的表示,而对解题报告中的算法知识的联系的研究只是基于固定的算法知识,并未能实现算法知识的发现。本课题的工作是发现程序设计网络资源中的算法知识联系结构。程序设计网络资源中的算法知识之间有两种联系：一种是结构相似联系,另一种是相关联系。我们首先通过程序代码的语法树把所有的程序代码转换成向量样本空间,这个过程是对程序代码中的算法进行表示的过程；因为叶分量分析(Lobe Component Analysis,以下简称LCA)可以解决泥泞空间样本自主发育的问题,所以接着我们使用基于LCA的单层神经网络从程序代码转换过来的向量样本空间中发育出算法知识；接着根据这些发育出的算法的矩阵得到它们的算法特征,并且通过分析每个算法中的程序代码得到算法描述。在这个发育好的神经网络中选择成熟的神经元作为算法识别的模板,利用成熟的神经元对应的算法识别出程序代码中所包含的算法,这样就可以得到算法与题目之间的联系；最后利用算法特征以及算法与题目之间的联系通过层次结构组织这些算法知识并给出了实验原型。本文对算法知识按照层次结构组织后,可以支持个性化的算法知识的程序教学。

论文目录

• 摘要
• ABSTRACT
• 第1章 绪论
• 1.1 引言
• 1.2 研究背景
• 1.2.1 程序中的知识
• 1.2.2 算法知识
• 1.2.3 个性化的程序教学
• 1.3 国内外研究现状
• 1.4 研究内容与解决方案
• 1.4.1 实现流程
• 1.4.2 算法信息表示的方法
• 1.4.3 算法发育的过程
• 1.4.4 层次结构模型
• 1.5 论文主要工作
• 1.6 论文的组织结构
• 1.7 本章小结
• 第2章 算法信息的表示
• 2.1 程序代码语法树
• 2.2 算法信息
• 2.3 算法信息的获取
• 2.4 算法信息的矩阵
• 2.5 本章小结
• 第3章 算法的发育
• 3.1 叶分量分析
• 3.2 算法的发育机制
• 3.3 算法特征的转换
• 3.4 算法识别
• 3.5 本章小结
• 第4章 算法层次结构模型
• 4.1 形式概念分析的基本概念
• 4.2 算法的层次结构
• 4.3 本章小结
• 第5章 算法知识联系的实验结果
• 5.1 实验数据
• 5.2 实验结果及其分析
• 5.2.1 算法发育的年龄
• 5.2.2 算法特征
• 5.2.3 算法的结构相似联系
• 5.2.4 算法的相关联系
• 5.3 本章小结
• 第6章 原型系统的实现
• 6.1 超链接技术
• 6.2 原型系统的树形结构
• 6.3 本章小结
• 第7章 结束语
• 7.1 研究工作总结
• 7.2 研究贡献及创新
• 7.3 未来工作展望
• 参考文献
• 附录一 算法与题目的联系
• 附录二 算法与代码的联系
• 附录三 算法的树形结构
• 攻读学位期间的研究成果目录
• 致谢