一种基于大语言模型和异构图神经网络的编程成绩预测方法

本申请提供一种基于大语言模型和异构图神经网络的编程成绩预测方法，方法包括：数据收集：从在线平台中系统性地收集日志信息，将学生数据、题目数据和学生在不同题目上产生的提交数据存储的对应的数据库，以便后续进行高效检索和使用；基于LLM进行特征增强：使用LLM生成的特征丰富实体节点的表示；学生解题异构图的构建：将学生在在线平台中的做题记录构建为一个包含了学生、提交记录和题目三种节点类型的异构图；三种不同类型的节点通过提交和属于两种类型的边实现相互关联；学生编程成绩预测：针对学生做题网络的异构属性，使用HGT模型预测学生的编程成绩。本申请提升了编程表现预测的准确性。