一种基于艾宾浩斯遗忘曲线的学习内容选择方法和系统与流程

本发明涉及内容选择，尤其涉及一种基于艾宾浩斯遗忘曲线的学习内容选择方法和系统。

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。输入的信息在经过人的注意过程的学习后，便成为了人的短期记忆，但是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，这些短期记忆就会成为一种长期记忆，从而在大脑中保存着很长的时间。

2、随着互联网的技术发展，人们逐步实现了各种移动教学的目的，通过不同的智能移动端，在任何场合下通过互联网进行移动教学和学习，增加了学习和教育的方式和便捷度，因此移动教学被广泛的推广和利用。但是用户在进行学习内容选择时，通常对学习内容选择不够明确，导致了大量的时间浪费在学习内容选择上，并且用户难以平衡对已学习过的内容和未学习过的学习内容之间的学习先后顺序的选择，已学习过的内容未及时复习就会慢慢遗忘导致学习效果不好，若只复习已学习过的学习内容就会导致学习进度缓慢。

3、中国专利公开号cn114154061a公开了一种学习内容推荐方法及系统，包括以下步骤组成：获取用户学习信息浏览记录和学习记录数据，根据互联网以及线下进行用户资料收集获取，获取到大量用户的学习记录信息及对应的用户信息，然后对信息进行初步分类，同时筛分淘汰无用的用户信息；根据获取的用户浏览信息和当前学习记录，构建用户学习分类框架，将学习记录信息对应至用户信息；筛选获取用户信息的学习深度百分比，根据用户学习分类框架的内容，筛分用户信息的浏览学习内容的深度，并将用户深入学习百分比分为三个类型，分类后对应至详细的个人的信息资料进行标记；获取用户个人信息，根据用户学习分类框架和用户深入学习百分比的分类标记获取需要推荐的用户个人信息；根据用户学习分类框架推荐学习内容。

4、由此可见，上述发明存在以下问题：仅根据用户浏览信息和当前学习记录，构建用户学习分类框架以推荐学习内容，未平衡新学习内容与已学过的学习内容，并且对学习内容的选择未考虑各学习内容的差异以及各用户学习能力的差异。

技术实现思路

1、为此，本发明提供一种基于艾宾浩斯遗忘曲线的学习内容选择方法和系统，用以克服现有技术中未平衡未学习内容与已学过的学习内容，并且对学习内容的选择未考虑各学习内容的差异以及各用户学习能力的差异的问题。

2、为实现上述目的，一方面，本发明提供一种基于艾宾浩斯遗忘曲线的学习内容选择方法，包括：

3、步骤s1，获取学习内容数据库，并基于所述学习内容数据库生成学习内容选择基础权重；其中，所述学习内容数据库中包括若干不同学习内容以及每一学习内容对应的基础信息；所述基础信息包括难度级别、重要级别以及在目标场景中各学习内容的出现频次；

4、步骤s2，基于艾宾浩斯遗忘曲线和所述学习内容选择基础权重生成第一内容选择推荐权重序列；

5、步骤s3，获取单个用户对各个学习内容的学习特征，并基于所述学习特征生成用于表征单个用户的第一参考值和用于表征单个学习内容的第二参考值；

6、步骤s4，基于所述第一参考值和所述第二参考值修正所述第一内容选择推荐权重序列以得到第二内容选择推荐权重序列；

7、步骤s5，根据所述第二内容选择推荐权重序列以及目标评价模型确定目标内容选择推荐权重序列；其中，所述目标评价模型用于评价用户对各学习内容的掌握程度。

8、进一步地，在所述步骤s1中，基于所述学习内容数据库生成学习内容选择基础权重，包括：

9、步骤s11，基于所述学习内容数据库中各学习内容的基础信息及各学习内容的设定学习顺序，确定各学习内容对应的第一学习特征值；

10、步骤s12，基于所述第一学习特征值生成各学习内容选择基础权重。

11、进一步地，所述步骤s2，包括：

12、步骤s21，基于艾宾浩斯遗忘曲线，获取若干关键时间节点以及各关键时间节点对应的关键权重；

13、步骤s22，根据所述各关键时间节点对应的关键权重、各学习内容以及所述学习内容选择基础权重确定学习内容选择关键权重；

14、步骤s23，根据若干所述关键时间节点以及所述学习内容选择关键权重生成当前时间点下的第一内容选择推荐权重序列。

15、进一步地，在所述步骤s3中，所述第一参考值通过以下步骤得到：

16、步骤s31，基于单个用户对已学习的学习内容的学习特征，获取各个学习内容对应的用户特征列表以及每一用户特征列表对应的用户特征值；

17、步骤s32，对各个学习内容对应的用户特征列表进行聚类，以获取若干聚类集；

18、步骤s33，将所述聚类集中最大数量的用户特征列表确定为候选用户特征列表；

19、步骤s34，根据所述候选用户特征列表对应的用户特征值确定第一参考值。

20、进一步地，在所述步骤s3中，所述第二参考值通过以下步骤得到：

21、步骤s35，基于单个用户对各个学习内容的学习特征的差异，获取各个学习内容对应的第二学习特征值；

22、步骤s36，根据所述第一学习特征值和所述第二学习特征值确定第二参考值。

23、进一步地，所述步骤s4，包括：

24、步骤s41，基于所述第一参考值和所述第二参考值确定关键参考值；

25、步骤s42，基于所述关键参考值修正所述第一内容选择推荐权重序列以得到第二内容选择推荐权重序列。

26、进一步地，所述步骤s5，包括：

27、步骤s51，将单个用户对各个学习内容的学习特征输入目标评价模型中，得到用户对各学习内容的关键掌握程度值；

28、步骤s52，基于所述第二内容选择推荐权重序列以及所述关键掌握程度值确定目标内容选择推荐权重序列。

29、进一步地，所述步骤s52，包括，

30、步骤s521，基于所述关键掌握程度值调整所述关键时间节点的数量，生成调整后的关键时间节点以及各关键时间节点对应的关键权重；

31、步骤s522，基于所述关键掌握程度值确定第三学习特征值，并基于所述第三学习特征值调整已学习的学习内容选择基础权重；

32、步骤s523，根据调整后的关键时间节点、各关键时间节点对应的关键权重以及调整后学习内容选择基础权重，执行所述步骤s22和s23，生成调整后的第一内容选择推荐权重序列；

33、步骤s524，基于所述调整后的第一内容选择推荐权重序列执行所述步骤s42得到调整后的第二内容选择推荐权重序列记为所述目标内容选择推荐权重序列。

34、进一步地，所述学习特征包括学习时长、学习时间、学习方式、测试成绩。

35、另一方面，本发明还提供一种学习内容选择系统，包括：

36、学习内容数据库；

37、基础权重生成模块，其与所述学习内容数据库相连，用于根据所述学习内容数据库生成学习内容选择基础权重；

38、第一权重序列生成模块，其与所述基础权重生成模块相连，用于基于艾宾浩斯遗忘曲线和所述学习内容选择基础权重生成第一内容选择推荐权重序列；

39、参考值生成模块，其与所述学习内容数据库相连，用于获取单个用户对各个学习内容的学习特征，并基于所述学习特征生成用于表征单个用户的第一参考值和用于表征单个学习内容的第二参考值；

40、第二权重序列生成模块，其分别与所述参考值生成模块以及所述第一权重序列生成模块相连，用于基于所述第一参考值和所述第二参考值修正所述第一内容选择推荐权重序列以得到第二内容选择推荐权重序列；

41、目标权重序列生成模块，其与所述第二权重序列生成模块相连，用于根据所述第二内容选择推荐权重序列以及目标评价模型确定目标内容选择推荐权重序列。

42、与现有技术相比，本发明的有益效果在于，本发明基于学习内容数据库生成学习内容基础权重，每一学习内容具有对应的基础权重，综合考虑各学习内容的差异。根据艾宾浩斯遗忘曲线和学习内容选择基础权重生成第一内容选择推荐权重序列，通过引入艾宾浩斯遗忘曲线可以为用户科学合理规划选择学习内容，平衡新学习内容与已学过的学习内容，能够增强用户学习效果。通过单个用户对各个学习内容的学习特征生成第一参考值和第二参考值，并根据第一参考值和第二参考值修正第一内容选择推荐权重序列以得到第二内容选择推荐权重序列，进一步考虑用户自身学习特点，并与各学习内容的特点结合确定第二内容选择推荐权重序列。另外，目标评价模型可以评价用户对各学习内容的掌握程度，通过结合第二内容选择推荐权重序列以及目标评价模型确定目标内容选择推荐权重序列，能够根据用户对已学过的学习内容的掌握程度进一步重新规划学习内容的选择，综合考虑了各用户学习能力的差异，更具有针对性。

43、进一步地，本发明通过各学习内容的基础信息及各学习内容的设定学习顺序，确定各学习内容对应的第一学习特征值，综合考虑各学习内容的差异，以及各学习内容的设定学习顺序，在学习内容选择时更加合理。

44、进一步地，本发明基于艾宾浩斯遗忘曲线，确定若干关键时间节点以及各关键时间节点对应的关键权重，为后续学习内容选择增加理论依据。根据各关键权重、各学习内容以及学习内容选择基础权重确定学习内容选择关键权重，能够在科学规划的基础上，平衡未学习内容和已学习内容，提高用户的学习效果。

45、进一步地，本发明基于用户对已学习的学习内容的学习特征确定各用户特征列表以及对应的特征值，并对各用户特征列表进行聚类，根据聚类结果确定第一参考值，以此确定的第一参考值能够表征用户的自身特点和学习能力，可以实现对不同用户更加针对性的选择学习内容。

46、进一步地，本发明通过单个用户对各个学习内容的学习特征的差异确定第二学习特征值，能够综合考虑不同用户以及不同学习内容，根据第一学习特征值和第二学习特征值确定的第二参考值能够表征不同用户对于各学习内容的接受程度以及不同学习内容的学习特点。

47、进一步地，本发明根据第一参考值和第二参考值确定关键参考值，基于关键参考值修正第一内容选择推荐权重序列，能够使得确定的第二内容选择推荐权重序列综合考虑各学习内容的差异以及各用户学习能力的差异，更加具有针对性和合理性。

48、进一步地，本发明通过目标评价模型确定用户对各学习内容的关键掌握程度值，并基于第二内容选择推荐权重序列以及关键掌握程度值确定目标内容选择推荐权重序列，能够科学合理的为用户规划选择学习内容，避免重复学习浪费时间或者遗漏部分学习内容使用户学习效果降低。

49、进一步地，本发明根据关键掌握程度值调整所述关键时间节点的数量，从而调整关键时间节点以及对应的关键权重，能够实现根据用户实际学习情况实时调整，提高学习内容选择的合理性。

50、进一步地，本发明学习内容选择系统设置学习内容数据库；通过基础权重生成模块基于艾宾浩斯遗忘曲线和所述学习内容选择基础权重生成第一内容选择推荐权重序列；通过参考值生成模块获取单个用户对各个学习内容的学习特征，并基于所述学习特征生成用于表征单个用户的第一参考值和用于表征单个学习内容的第二参考值；通过第二权重序列生成模块基于所述第一参考值和所述第二参考值修正所述第一内容选择推荐权重序列以得到第二内容选择推荐权重序列；通过目标权重序列生成模块根据所述第二内容选择推荐权重序列以及目标评价模型确定目标内容选择推荐权重序列，能够平衡新学习内容与已学过的学习内容，并且对学习内容的选择综合考虑各学习内容的差异以及各用户学习能力的差异，更加科学合理。