在线编程评估与推荐模型训练数据集
数据来源：互联网公开数据
标签：推荐系统,在线编程,用户行为,问题难度,编程竞赛,机器学习,数据分析
数据概述：
本数据集源自一个在线判题平台的实际交互记录，旨在支持构建一个推荐引擎，用于预测用户解题所需尝试次数范围，并据此推荐适合其当前水平的问题。数据包括用户历史提交记录、用户属性信息、题目特征等，适用于个性化推荐系统、学习路径规划、技能评估建模等研究方向。
数据文件与字段定义：
train_submissions.csv（训练集提交记录）
user_id：用户唯一标识
problem_id：题目唯一标识
attempts_range：用户成功通过题目前所需尝试的次数范围，定义如下：
1：1次
2：2–3次
3：4–5次
4：6–7次
5：8–9次
6：10次及以上
user_data.csv（用户信息数据）
user_id：用户唯一标识
submission_count：用户总提交次数
problem_solved：用户总通过题目数量
contribution：用户对平台的贡献值
country：用户所在国家
follower_count：用户的关注者数量
last_online_time_seconds：用户上次在线时间（单位为秒，时间戳形式）
max_rating：用户历史最高评级
rating：当前评级
rank：用户等级（beginner，intermediate，advanced，expert）
registration_time_seconds：用户注册时间（单位为秒，时间戳形式）
problem_data.csv（题目信息数据）
problem_id：题目唯一标识
level_id：题目难度等级，从“A”到“N”不等，等级越高表示难度越大
points：该题的得分值
tags：题目标签，如“贪心”、“图论”、“DFS”等，用于题目类型归类
test_submissions.csv（测试集提交记录）
ID：测试数据的唯一编号
user_id：用户唯一标识
problem_id：题目唯一标识
（目标字段 attempts_range 需预测）
数据特征：
数据总量：221,850 条提交记录，其中训练集为 155,295 条，测试集为 66,555 条
多源数据结构，融合用户行为、属性、题目信息，适用于多模态建模
attempts_range 为多分类预测目标，适合使用分类模型
含标签字段（tags）和用户等级信息，利于特征工程扩展
数据来源：
模拟自真实在线判题平台用户行为，适合用于推荐系统建模与学习路径引导算法设计。
数据格式：
CSV格式，结构清晰，主键字段包括user_id和problem_id，可与用户和题目数据进行联结使用。
时间范围：
未明示具体时间戳起止时间，数据中的时间字段为秒级时间戳。
更新频率：
本数据集为一次性整理的静态数据，当前无更新计划。
适用场景：
在线判题系统的智能题目推荐引擎设计
用户编程技能分级建模与行为预测
学习曲线与解题效率分析
教育平台的个性化学习路径优化
多分类模型建模与特征工程练习
