一种编程教育场景下的智能代码补全方法

本发明涉及代码补全技术领域，公开了一种编程教育场景下的智能代码补全方法，包括：通过预设了编程学习者身份的通用大语言模型，模拟不同风格学生的作答代码；对扩充数据集中作答代码的每个符号进行编码，将得到的编码序列输入大语言模型，大语言模型依据编码序列上文预测编码序列的下一个符号，通过最小化交叉熵损失来优化大语言模型预测精度，得到补全模型；将学生的作答代码输入至完成训练的补全模型，得到初始推荐列表，选择初始列表中与场景信息最相关的三个符号，并在初始推荐列表中提升三个符号的位次，生成最终推荐列表。本发明借助场景信息优化推荐列表，可以有效提高编程教育场景下的推荐质量。