一种基于XGBoost的编程问题难度预测方法及系统

本发明涉及编程教育和人工智能领域，尤其涉及一种基于XGBoost的编程问题难度预测方法及系统。所述方法结合了稠密特征和稀疏特征，通过集成学习提高预测准确性、计算效率和模型可解释性。具体包括：S1，稠密特征提取，在编程问题描述中提取稠密特征；S2，稀疏特征提取，在编程问题描述中提取稀疏特征；S3，引入基于XGBoost的分类模型；将所述稠密特征和稀疏特征输入所述基于XGBoost的分类模型，经过模型融合，最终输出预测结果；具有较强的可解释性，能够为教师或平台管理员提供有关哪些特征对问题难度有较大影响的详细信息，帮助理解和改进推荐算法。本发明适用于各类在线编程平台，能够为平台提供高效的难度预测功能，优化题目推荐系统，提升学习者的学习效果。