一种基于艾宾浩斯遗忘曲线的智能选题方法、系统及装置与流程

本发明涉及智能选题，更具体地说，它涉及一种基于艾宾浩斯遗忘曲线的智能选题方法、系统及装置。

背景技术：

1、艾宾浩斯遗忘曲线：记忆过程记忆的保持在时间上是不同的，有短期记忆和长期记忆两种。平时的记忆的过程是：输入的信息在经过人的注意过程的学习后，便成为了人的短期的记忆，再经过进一步强化后成为长期记忆。长期记忆的保持时间有长有短，如果不经过及时的复习，这些记住过的东西就会遗忘，而经过了及时的复习，长期记忆就会继续保持下去。

2、在现有的做题软件中，一般会有两种选题模式：随机选题和不做错题，但是这两种选题模式具有以下缺陷和不足：

3、1、随机选题无法体现出用户的复习后遗忘率降低的过程，无法对不同题目进行区分。

4、2、有些题目因为不会，然后错了，使用不做错题时，没有按时推荐复习导致最终忘记。

5、3、有些题目本来不会但是猜对了，使用不做错题时则不会再次做到该题。

6、4、有些题目做错了，又做了一遍，对了但是还是没有记住，使用不做错题时则不会再次做到该题。

技术实现思路

1、本发明的目的是提供一种基于艾宾浩斯遗忘曲线的智能选题方法、系统及装置，能够更高效地向用户推荐题目复习，解决用户复习效率低下的问题。

2、本发明的上述技术目的是通过以下技术方案得以实现的：一种基于艾宾浩斯遗忘曲线的智能选题方法，包括如下步骤：

3、s0、根据全部用户、全部题库的答题记录，通过代入遗忘曲线模型，拟合计算出每个题库的遗忘参数；

4、s1、响应于用户智能选题请求，获取选题参数，所述选题参数包括：选题数量、所选题库、新题目比例；

5、s2、根据选题参数，确定备选题库范围，同时判断新题目比例是否大于0，若是，则将备选题库列为新题目题库范围和老题目题库范围；

6、s3、根据选题数量和新题目比例，计算待选新题目数量和待选老题目数量；

7、s3a、根据待选新题目数量，在新题目题库范围中随机选择待选新题目数量的新题目；

8、s3b、根据待选老题目数量和老题目题库范围，获取老题目题库范围中各个题库的遗忘参数以及对应的用户历史答题记录，计算老题目题库范围中每个题目的遗忘率；以每个题目的遗忘率作为权重，在老题目题库范围选择待选老题目数量的老题目；

9、s4、将选择出的新题目和老题目汇总，为用户展示智能选题结果。

10、作为本发明方法的一种优选技术方案，所述遗忘参数包括全局参数和题库专属参数；

11、所述全局参数的计算过程为：

12、s01、获取全部用户、全部题库的答题记录；

13、s02、对答题记录进行数据清洗，滤除小于有效答题次数的题目，获得大于有效答题次数的有效题目；

14、s03、基于有效题目的答题次数和错误次数，将有效题目数据分成若干个小组，每个小组的答题次数和错误次数均相同；

15、s04、创建若干个连续的遗忘时间区间，在每个小组中计算每道题目最近两次答题的时间间隔δt，并按照δt的大小将其划入对应的遗忘时间区间内；

16、s05、当每个小组中每个题目都划分到对应的遗忘时间区间后，滤除题目数量小于预设有效数量的区间，计算得以保留的每个小组有效区间内的题目记忆保留率；

17、s06、构建遗忘曲线模型：y＝e^(a*x+b)+c；其中y为记忆保留率，a为衰减速率，b为遗忘曲线的下降幅度，c为遗忘曲线的稳定值，x为最近两次答题的时间间隔，e为常数，以小组为单位，将每个小组有效区间内的题目记忆保留率代入y,将对应的区间带入x，经过拟合计算得到每个小组的拟合参数a,b,c的数值；

18、s07、计算得到所有小组的拟合参数a,b,c的数值后，汇总得到对应的遗忘参数；

19、所述题库专属参数的计算过程为：

20、在执行全局参数计算过程中s01后，获取全部用户、全部题库的答题记录；

21、遍历每个题库的答题数量，判断是否存在某一题库的答题数量超过专属阈值，若是，则对该题库执行s02-s08，获得该题库的遗忘参数。

22、作为本发明方法的一种优选技术方案，拟合计算的过程为：通过非线性最小二乘法对拟合参数a,b,c进行拟合，即使用非线性最小二乘法找到一组参数，使得遗忘曲线模型的预测值与实际的观测值之间的残差平方和最小，在遗忘曲线模型中，残差表示为：ri＝yi-[e^(a*xi+bi)+ci]其中，ri表示残差，yi是第i个观测值，xi是第i个自变量值。

23、作为本发明方法的一种优选技术方案，在计算得到拟合参数a,b,c后，采用拟合参数指标对拟合参数a,b,c进行筛选。

24、作为本发明方法的一种优选技术方案，在s3b中，若老题目题库范围的题库具有题库专属参数，则选用题库专属参数计算题库中每个题目的遗忘率。

25、作为本发明方法的一种优选技术方案，每个小组每个区间的题目记忆保留率为：小组内所有题目最后一次作答为正确的初始错误率之和/小组内所有题目的初始错误率之和，初始错误率为每道题对于每个用户的第一次答题错误率。

26、作为本发明方法的一种优选技术方案，通过预设好的定时任务，在到达预设时间时自动执行s0，获得最新的遗忘参数。

27、一种基于艾宾浩斯遗忘曲线的智能选题系统，包括：

28、选题输入模块，用于响应用户智能选题请求，获取选题参数；

29、题库选择模块，用于根据选题参数，确定备选题库范围，所述备选题库范围包括新题目题库范围和老题目题库范围；

30、新题目选择模块，根据选题参数，计算待选新题目数量，在新题目题库范围中随机选择待选新题目数量的新题目；

31、老题目选择模块，根据选题参数，计算待选老题目数量，根据待选老题目数量和老题目题库范围，获取老题目题库范围中各个题库的遗忘参数以及对应的用户历史答题记录，计算老题目题库范围中每个题目的遗忘率；以每个题目的遗忘率作为权重，在老题目题库范围选择待选老题目数量的老题目；

32、选题展示模块，用于将选择出的新题目和老题目汇总，为用户展示智能选题结果；

33、遗忘参数模块，用于根据全部用户、全部题库的答题记录，通过代入遗忘曲线模型，拟合计算出每个题库的遗忘参数。

34、作为本发明系统的一种优选技术方案，还包括：

35、定时任务模块，用于创建定时任务，所述定时任务用于在达到预设时间时，根据全部用户、全部题库的答题记录，通过代入遗忘曲线模型，拟合计算出每个题库的遗忘参数；

36、数据库模块，用于存储遗忘参数。

37、一种基于艾宾浩斯遗忘曲线的智能选题装置，包括：处理器和存储器，所述存储器存储有所述处理器可执行的计算机程序，所述处理器执行所述计算机程序时实现前述方法。

38、综上所述，本发明具有以下有益效果：1、基于艾宾浩斯遗忘曲线做智能推荐，能在较短的时间复杂度内选出用户理论遗忘率最高的题目，是用户最应该刷的题目，从而可以加深用户对于相应知识点的记忆，能够更高效地向用户推荐题目复习，解决复习效率低下的问题。2、能够对不同的题库做出不同的遗忘参数处理，当题库答题量不足时，使用平均参数；当答题量达到一定阈值，则自己拟合出题库专属参数，在固定时间还会根据用户答题量进行更新参数，适应性高，灵活性高，选题更加精准。