Problem-Solving Guide: Predicting the Algorithm Tags and Difficulty for Competitive Programming Problems

要約

近年のプログラム開発業界では、エンジニア、特にアプリケーション開発者に問題解決能力が求められています。
しかし、コンピューターアルゴリズムの問​​題を解決するのに役立つ AI ベースの教育システムはまだ注目を集めていない一方で、Google、Meta、Amazon を含むほとんどの大手テクノロジー企業はアルゴリズムの問​​題を解決する能力を必要としています。
アルゴリズムの問​​題を解決するための最も役立つガイドは、直面している問題のカテゴリ (タグ) を推測することかもしれません。
したがって、私たちの研究では、エンジニアと開発者にとって有用なツールとしてアルゴリズムタグを予測するタスクに取り組みます。
さらに、アルゴリズムの問​​題の難易度を予測することも考慮します。これは、問題を解くのに必要な時間を計算するための有用な指針として使用できます。
この論文では、主に最も有名で大規模な競技プログラミング Web サイト Codeforces から問題サンプルを収集することにより、現実世界のアルゴリズム問題マルチタスク データセット AMT を紹介します。
私たちの知る限り、私たちが提案したデータセットは、以前の研究と比較してアルゴリズムタグを予測するための最も大規模なデータセットです。
さらに、私たちの研究は、アルゴリズム問題の難易度の予測に初めて取り組んだものです。
与えられたアルゴリズム問題のアルゴリズムタグと難易度を同時に予測するための深層学習ベースの新しい方法を紹介します。
すべてのデータセットとソース コードは https://github.com/sronger/PSG_Predicting_Algorithm_Tags_and_Difficulty で入手できます。

要約(オリジナル)

The recent program development industries have required problem-solving abilities for engineers, especially application developers. However, AI-based education systems to help solve computer algorithm problems have not yet attracted attention, while most big tech companies require the ability to solve algorithm problems including Google, Meta, and Amazon. The most useful guide to solving algorithm problems might be guessing the category (tag) of the facing problems. Therefore, our study addresses the task of predicting the algorithm tag as a useful tool for engineers and developers. Moreover, we also consider predicting the difficulty levels of algorithm problems, which can be used as useful guidance to calculate the required time to solve that problem. In this paper, we present a real-world algorithm problem multi-task dataset, AMT, by mainly collecting problem samples from the most famous and large competitive programming website Codeforces. To the best of our knowledge, our proposed dataset is the most large-scale dataset for predicting algorithm tags compared to previous studies. Moreover, our work is the first to address predicting the difficulty levels of algorithm problems. We present a deep learning-based novel method for simultaneously predicting algorithm tags and the difficulty levels of an algorithm problem given. All datasets and source codes are available at https://github.com/sronger/PSG_Predicting_Algorithm_Tags_and_Difficulty.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google