CN108846119B - 一种单词认知度的排名方法、存储装置及移动终端 - Google Patents
一种单词认知度的排名方法、存储装置及移动终端 Download PDFInfo
- Publication number
- CN108846119B CN108846119B CN201810676431.8A CN201810676431A CN108846119B CN 108846119 B CN108846119 B CN 108846119B CN 201810676431 A CN201810676431 A CN 201810676431A CN 108846119 B CN108846119 B CN 108846119B
- Authority
- CN
- China
- Prior art keywords
- word
- words
- cognition
- user ids
- cognition degree
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 230000019771 cognition Effects 0.000 title claims abstract description 196
- 238000000034 method Methods 0.000 title claims abstract description 40
- 238000003780 insertion Methods 0.000 claims abstract description 10
- 230000037431 insertion Effects 0.000 claims abstract description 10
- 238000012163 sequencing technique Methods 0.000 claims description 41
- 230000000737 periodic effect Effects 0.000 claims 1
- 238000007405 data analysis Methods 0.000 abstract description 2
- 230000001149 cognitive effect Effects 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/20—Education
- G06Q50/205—Education administration or guidance
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Educational Administration (AREA)
- Educational Technology (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Telephone Function (AREA)
- Machine Translation (AREA)
Abstract
本发明公开了一种单词认知度的排名方法，适用于在智能移动终端中执行，所述智能移动终端设置有数据库，数据库中包含有词汇和对这些词汇进行学习操作的用户ID，该方法包括以下步骤：S1：统计用户ID数，S2：单词认知度判定S3：插入新单词重新排序：S3‑1、单词C与单词A进行单独比较排序；S3‑2、单词C与单词B进行单独比较排序；S4:所有单词的排序判定；S5：一直重复步骤S4直到将数据库中所有的词库排序完成。本发明通过采集用户的学习反馈的数据，根据数据分析来进行单词的认知度的排序，将反馈认识人数多的的默认为单词的认知度较高，通过大量的数据统计重复排序以提高单词认知度排序的准确性。
Description
技术领域
本发明属于计算机通信领域，具体涉及一种单词认知度的排名方法、存储装置及移动终端。
背景技术
单词的认知度是指大多数学习者对一个单词的认识程度，一般的学习词库都会对词库中的单词进行单词的认知度排序，会根据单词认知度由小到大推送给学习者学习。
现有的单词认知度的排名均采用词频排序法(即单词在平时阅读中出现频率的多少来排序)，采用词频排序法是最常用的，但是仍然存在一些缺陷，例如，其适用范围不广，未考虑单词的难度和专利领域，因此排序会有一些误差。因此需要一种新的单词排序方法来提高单词认知度排序的准确性。
发明内容
为了克服现有技术的不足，本发明提供了一种易于实现，且单词认识度排序准确度高的单词认知度排名方法。
本发明的另一目的是提供一种存储有上述单词认知度排名方法指令的存储装置。
本发明的又一目的是提供一种包括用于执行各指令的处理器和用于存储多条上述单词认知度排名方法指令的移动终端。
本发明的技术方案是这样实现的一种单词认知度的排名方法，适用于在智能移动终端中执行，所述智能移动终端设置有数据库，数据库中包含有词汇和对这些词汇进行学习操作的用户ID，该方法包括以下步骤：
S1：统计用户ID数：从数据库的词汇中任意选取两个单词A和单词B，统计同时学习过单词A和B的用户ID总数T，再获取认识单词A的用户ID数X，获取认识单词B的用户ID数Y，其中，T>100；
S2：单词认知度判定：若X>Y，则单词A的认知度>单词B的认知度，对单词AB按照认知度由大到小的顺序进行排序；
S3：插入新单词重新排序：再从从数据库的词汇中任意选取C,对单词A,B和C重新进行单词认知度排序包括以下步骤：
S3-1、单词C与单词A进行单独比较排序：重复步骤S1，统计同时学习过单词A和C的用户ID总数T1，再获取认识单词A的用户ID数X1，获取认识单词C的用户ID数Y1，其中，T1>100；
S3-2、单词C与单词B进行单独比较排序:重复步骤S1：统计同时学习过单词B和C的用户ID总数T2，再获取认识单词B的用户ID数X2，获取认识单词C的用户ID数Y2，其中，T2>100；
若Y1>X1，则单词C的认知度>单词A的认知度，单词A，B，C按照认知度由大到小的排序顺序为：C，A，B；
若Y2<X2，则单词C的认知度>单词A的认知度，单词A，B，C按照认知度由大到小的排序顺序为：A，B，C；
若Y1<X1,且Y2>X2，则单词A的认知度>单词C的认知度,单词C的认知度>单词B的认知度,单词A，B，C按照认知度由大到小的排序顺序为：A，C，B；
S4:所有单词的排序判定：在数据库的词汇中选取任意一个未进行过排序的新单词,则重复步骤1将所述新单词先与已经排序好的所有单词单独进行比较，最后按照S3步骤的比较方法将比较的结果进行排序，最终确定所述新单词的排序位置；
S5：一直重复步骤S4直到将数据库中所有的词库排序完成。
优选地，还存在排序冲突的情况：即在一个已经按照单认知度由大到小排列好的排序区间[M……N]内，插入单词D的时候，单词D的认知度大于M同时单词D的认知度小于N同时，此时单词D的排序位置如下：
假定单词D与单词排序区间[M……N]每个单词进行单独比较，比较之后单词认知度大于D的单词的数量为Q，则D在多数排序区间[M……N]的位置为第Q位。
优选地，该方法排序具有周期性，即在每隔周期T自动排序一次，抓取周期T内更新的数据进行排序，后一次排序在以上一次排序为基础。
优选地，所述周期T为1H-168H。
一种存储装置，该存储装置中存储有多条指令，所述指令适用于由处理器加载并执行以下操作：
S1：统计用户ID数：从数据库的词汇中任意选取两个单词A和单词B，统计同时学习过单词A和B的用户ID总数T，再获取认识单词A的用户ID数X，获取认识单词B的用户ID数Y，其中，T>100；
S2：单词认知度判定：若X>Y，则单词A的认知度>单词B的认知度，对单词A、B按照认知度由大到小的顺序进行排序；
S3：插入新单词重新排序：再从从数据库的词汇中任意选取C,对单词A,B和C重新进行单词认知度排序包括以下步骤：
S3-1、单词C与单词A进行单独比较排序：重复步骤S1，统计同时学习过单词A和C的用户ID总数T1，再获取认识单词A的用户ID数X1，获取认识单词C的用户ID数Y1，其中，T1>100；
S3-2、单词C与单词B进行单独比较排序:重复步骤S1：统计同时学习过单词B和C的用户ID总数T2，再获取认识单词B的用户ID数X2，获取认识单词C的用户ID数Y2，其中，T2>100；
若Y1>X1，则单词C的认知度>单词A的认知度，单词A，B，C按照认知度由大到小的排序顺序为：C，A，B；
若Y2<X2，则单词C的认知度>单词A的认知度，单词A，B，C按照认知度由大到小的排序顺序为：A，B，C；
若Y1<X1,且Y2>X2，则单词A的认知度>单词C的认知度,单词C的认知度>单词B的认知度,单词A，B，C按照认知度由大到小的排序顺序为：A，C，B；
S4:所有单词的排序判定：在数据库的词汇中选取任意一个未进行过排序的新单词,则重复步骤1将所述新单词按与已经排序好的所有单词单独进行比较，最后按照S3步骤的比较方法将比较的结果进行排序，最终确定所述新单词的排序位置；
S5：一直重复步骤S4直到将数据库中所有的词库排序完成；
还存在排序冲突的情况：即在一个已经按照单认知度由大到小排列好的排序区间[M……N]内，插入单词D的时候，单词D的认知度大于M同时单词D的认知度小于N同时，此时单词D的排序位置如下：
假定单词D与单词排序区间[M……N]每个单词进行单独比较，比较之后单词认知度大于D的单词的数量为Q，则D在多数排序区间[M……N]的位置为第Q位。
优选地，该方法排序具有周期性，即在每隔周期T自动排序一次，抓取周期T内更新的数据进行排序，后一次排序在以上一次排序为基础。
优选地，所述周期T为1H-168H。
一种移动终端，包括用于执行各指令的处理器和用于存储多条指令的存储装置，所述指令适用于由所述处理器加载并执行：
S1：统计用户ID数：从数据库的词汇中任意选取两个单词A和单词B，统计同时学习过单词A和B的用户ID总数T，再获取认识单词A的用户ID数X，获取认识单词B的用户ID数Y，其中，T>100；
S2：单词认知度判定：若X>Y，则单词A的认知度>单词B的认知度，对单词AB按照认知度由大到小的顺序进行排序；
S3：插入新单词重新排序：再从从数据库的词汇中任意选取C,对单词A,B和C重新进行单词认知度排序包括以下步骤：
S3-1、单词C与单词A进行单独比较排序：重复步骤S1，统计同时学习过单词A和C的用户ID总数T1，再获取认识单词A的用户ID数X1，获取认识单词C的用户ID数Y1，其中，T1>100；
S3-2、单词C与单词B进行单独比较排序:重复步骤S1：统计同时学习过单词B和C的用户ID总数T2，再获取认识单词B的用户ID数X2，获取认识单词C的用户ID数Y2，其中，T2>100；
若Y1>X1，则单词C的认知度>单词A的认知度，单词A，B，C按照认知度由大到小的排序顺序为：C，A，B，此时C不需要再与B进行比较排序；
若Y2<X2，则单词C的认知度>单词A的认知度，单词A，B，C按照认知度由大到小的排序顺序为：A，B，C；
若Y1<X1,且Y2>X2，则单词A的认知度>单词C的认知度,单词C的认知度>单词B的认知度,单词A，B，C按照认知度由大到小的排序顺序为：A，C，B；
S4:所有单词的排序判定：在数据库的词汇中中任意一个未进行过排序的新单词,则重复步骤1将所述新单词按与已经排序好的所有单词单独进行比较，最后按照S3步骤的比较方法将比较的结果进行排序，最终确定所述新单词的排序位置；
S5：一直重复步骤S4直到将数据库中所有的词库排序完成。
优选地，还存在排序冲突的情况：即在一个已经按照单认知度由大到小排列好的排序区间[M……N]内，插入单词D的时候，单词D的认知度大于M同时单词D的认知度小于N同时，此时单词D的排序位置如下：
假定单词D与单词排序区间[M……N]每个单词进行单独比较，比较之后单词认知度大于D的单词的数量为Q，则D在多数排序区间[M……N]的位置为第Q位。
优选地，该方法排序具有周期性，即在每隔周期T自动排序一次，抓取周期T内更新的数据进行排序，后一次排序在以上一次排序为基础。
优选地，所述周期T为1H-168H。
本发明的有益效果：本发明通过采集用户的学习反馈的数据，根据数据分析来进行单词的认知度的排序，将反馈认识人数多的的默认为单词的认知度较高，通过大量的数据统计重复排序以提高单词认知度排序的准确性，简单易懂，易于操作，实用性高。
附图说明
图1是本发明一种单词认知度的排名方法的步骤流程图。
具体实施方式
下面对本发明的具体实施方式作进一步说明：
如图1所示，一种单词认知度的排名方法，适用于在智能移动终端中执行，所述智能移动终端设置有数据库，数据库中包含有词汇和对这些词汇进行学习操作的用户ID，用户通过用户ID登陆，可以在对数据库的词汇进行学习，学习过程中对于看到的单词可以选择认识或者不认识选项操作，该方法包括以下步骤：
S1：统计用户ID数：从数据库的词汇中任意选取两个单词A和单词B，统计同时学习过单词A和B的用户ID总数T，再获取认识单词A的用户ID数X，获取认识单词B的用户ID数Y，其中，T>100，如果总数T小于100，则对该单词不进行排序，这样保证了准确度更高；
S2：单词认知度判定：若X>Y，则单词A的认知度>单词B的认知度，对单词AB按照认知度由大到小的顺序进行排序，即某单词认识的人数越多，其认知度也越高；
S3：插入新单词重新排序：再从从数据库的词汇中任意选取C,对单词A,B和C重新进行单词认知度排序包括以下步骤：
S3-1、单词C与单词A进行单独比较排序：重复步骤S1，统计同时学习过单词A和C的用户ID总数T1，再获取认识单词A的用户ID数X1，获取认识单词C的用户ID数Y1，其中，T1>100；
S3-2、单词C与单词B进行单独比较排序:重复步骤S1：统计同时学习过单词B和C的用户ID总数T2，再获取认识单词B的用户ID数X2，获取认识单词C的用户ID数Y2，其中，T2>100；
若Y1>X1，则单词C的认知度>单词A的认知度，单词A，B，C按照认知度由大到小的排序顺序为：C，A，B；
若Y2<X2，则单词C的认知度>单词A的认知度，单词A，B，C按照认知度由大到小的排序顺序为：A，B，C；
若Y1<X1,且Y2>X2，则单词A的认知度>单词C的认知度,单词C的认知度>单词B的认知度,单词A，B，C按照认知度由大到小的排序顺序为：A，C，B；
即每增加一个新的单词，需要将新的单词与前面已经排序好的单词每个单独比较一次。
S4:所有单词的排序判定：在数据库的词汇中选取任意一个未进行过排序的新单词,则重复步骤1将所述新单词先与已经排序好的所有单词单独进行比较，最后按照S3步骤的比较方法将比较的结果进行排序，最终确定所述新单词的排序位置；
S5：一直重复步骤S4直到将数据库中所有的词库排序完成。
另外还存在排序冲突的情况：即在一个已经按照单认知度由大到小排列好的排序区间[M……N]内，插入单词D的时候，单词D的认知度大于M同时单词D的认知度小于N同时，这个时候就矛盾冲突了，此时单词D的排序位置如下：
假定单词D与单词排序区间[M……N]每个单词进行单独比较，比较之后单词认知度大于D的单词的数量为Q，则D在多数排序区间[M……N]的位置为第Q位，例如[M……N]之间总共是3个单词，如果比D的认知度大的单词有1个，则D排在MN之间的第1位，即为M，Q,N；若[M……N]之间总共是10个单词，比D的认知度大的单词有5个，则则D排在MN之间的第5位；若[M……N]之间总共是100个单词，比D的认知度大的单词有30个，则D排在MN之间的第30位。
该方法排序具有周期性，即在每隔周期T自动排序一次，抓取周期T内更新的数据进行排序，后一次排序在以上一次排序为基础，在周期T的时间内，用户还在不断的学习，数据会不断更新，因此需要重新进行排序，对于上一次没有更新的单词不需要保留其原来的排序位置，更新或者新增的单词才需要进行新的排序，排序次数越多，获取的数据越多，排序的准确性就越高。
所述周期T为1H-168H，本实施例中，周期T采用1小时，1天或者1周。
一种存储装置，该存储装置中存储有多条指令，所述指令适用于由处理器加载并执行以下操作：
S1：统计用户ID数：从数据库的词汇中任意选取两个单词A和单词B，统计同时学习过单词A和B的用户ID总数T，再获取认识单词A的用户ID数X，获取认识单词B的用户ID数Y，其中，T>100；
S2：单词认知度判定：若X>Y，则单词A的认知度>单词B的认知度，对单词A、B按照认知度由大到小的顺序进行排序；
S3：插入新单词重新排序：再从从数据库的词汇中任意选取C,对单词A,B和C重新进行单词认知度排序包括以下步骤：
S3-1、单词C与单词A进行单独比较排序：重复步骤S1，统计同时学习过单词A和C的用户ID总数T1，再获取认识单词A的用户ID数X1，获取认识单词C的用户ID数Y1，其中，T1>100；
S3-2、单词C与单词B进行单独比较排序:重复步骤S1：统计同时学习过单词B和C的用户ID总数T2，再获取认识单词B的用户ID数X2，获取认识单词C的用户ID数Y2，其中，T2>100；
若Y1>X1，则单词C的认知度>单词A的认知度，单词A，B，C按照认知度由大到小的排序顺序为：C，A，B；
若Y2<X2，则单词C的认知度>单词A的认知度，单词A，B，C按照认知度由大到小的排序顺序为：A，B，C；
若Y1<X1,且Y2>X2，则单词A的认知度>单词C的认知度,单词C的认知度>单词B的认知度,单词A，B，C按照认知度由大到小的排序顺序为：A，C，B；
S4:所有单词的排序判定：在数据库的词汇中选取任意一个未进行过排序的新单词,则重复步骤1将所述新单词按与已经排序好的所有单词单独进行比较，最后按照S3步骤的比较方法将比较的结果进行排序，最终确定所述新单词的排序位置；
S5：一直重复步骤S4直到将数据库中所有的词库排序完成；
还存在排序冲突的情况：即在一个已经按照单认知度由大到小排列好的排序区间[M……N]内，插入单词D的时候，单词D的认知度大于M同时单词D的认知度小于N同时，此时单词D的排序位置如下：
假定单词D与单词排序区间[M……N]每个单词进行单独比较，比较之后单词认知度大于D的单词的数量为Q，则D在多数排序区间[M……N]的位置为第Q位。
该方法排序具有周期性，即在每隔周期T自动排序一次，抓取周期T内更新的数据进行排序，后一次排序在以上一次排序为基础。
所述周期T为1H-168H。
一种移动终端，包括用于执行各指令的处理器和用于存储多条指令的存储装置，所述指令适用于由所述处理器加载并执行：
S1：统计用户ID数：从数据库的词汇中任意选取两个单词A和单词B，统计同时学习过单词A和B的用户ID总数T，再获取认识单词A的用户ID数X，获取认识单词B的用户ID数Y，其中，T>100；
S2：单词认知度判定：若X>Y，则单词A的认知度>单词B的认知度，对单词AB按照认知度由大到小的顺序进行排序；
S3：插入新单词重新排序：再从从数据库的词汇中任意选取C,对单词A,B和C重新进行单词认知度排序包括以下步骤：
S3-1、单词C与单词A进行单独比较排序：重复步骤S1，统计同时学习过单词A和C的用户ID总数T1，再获取认识单词A的用户ID数X1，获取认识单词C的用户ID数Y1，其中，T1>100；
S3-2、单词C与单词B进行单独比较排序:重复步骤S1：统计同时学习过单词B和C的用户ID总数T2，再获取认识单词B的用户ID数X2，获取认识单词C的用户ID数Y2，其中，T2>100；
若Y1>X1，则单词C的认知度>单词A的认知度，单词A，B，C按照认知度由大到小的排序顺序为：C，A，B，此时C不需要再与B进行比较排序；
若Y2<X2，则单词C的认知度>单词A的认知度，单词A，B，C按照认知度由大到小的排序顺序为：A，B，C；
若Y1<X1,且Y2>X2，则单词A的认知度>单词C的认知度,单词C的认知度>单词B的认知度,单词A，B，C按照认知度由大到小的排序顺序为：A，C，B；
S4:所有单词的排序判定：在数据库的词汇中中任意一个未进行过排序的新单词,则重复步骤1将所述新单词按与已经排序好的所有单词单独进行比较，最后按照S3步骤的比较方法将比较的结果进行排序，最终确定所述新单词的排序位置；
S5：一直重复步骤S4直到将数据库中所有的词库排序完成。
还存在排序冲突的情况：即在一个已经按照单认知度由大到小排列好的排序区间[M……N]内，插入单词D的时候，单词D的认知度大于M同时单词D的认知度小于N同时，此时单词D的排序位置如下：
假定单词D与单词排序区间[M……N]每个单词进行单独比较，比较之后单词认知度大于D的单词的数量为Q，则D在多数排序区间[M……N]的位置为第Q位。
该方法排序具有周期性，即在每隔周期T自动排序一次，抓取周期T内更新的数据进行排序，后一次排序在以上一次排序为基础。
所述周期T为1H-168H。
根据上述说明书的揭示和教导，本发明所属领域的技术人员还可以对上述实施方式进行变更和修改。因此，本发明并不局限于上面揭示和描述的具体实施方式，对发明的一些修改和变更也应当落入本发明的权利要求的保护范围内。此外，尽管本说明书中使用了一些特定的术语，但这些术语只是为了方便说明，并不对本发明构成任何限制。
Claims (10)
1.一种单词认知度的排序方法，适用于在智能移动终端中执行，其特征在于，所述智能移动终端设置有数据库，数据库中包含有词汇和对这些词汇进行学习操作的用户ID，该方法包括以下步骤：
S1：统计用户ID数：从数据库的词汇中任意选取两个单词A和单词B，统计同时学习过单词A和B的用户ID总数T，再获取认识单词A的用户ID数X，获取认识单词B的用户ID数Y，其中，T>100；
S2：单词认知度判定：若X>Y，则单词A的认知度>单词B的认知度，对单词AB按照认知度由大到小的顺序进行排序；
S3：插入新单词重新排序：再从从数据库的词汇中任意选取C,对单词A,B和C重新进行单词认知度排序包括以下步骤：
S3-1、单词C与单词A进行单独比较排序：重复步骤S1，统计同时学习过单词A和C的用户ID总数T1，再获取认识单词A的用户ID数X1，获取认识单词C的用户ID数Y1，其中，T1>100；
S3-2、单词C与单词B进行单独比较排序:重复步骤S1：统计同时学习过单词B和C的用户ID总数T2，再获取认识单词B的用户ID数X2，获取认识单词C的用户ID数Y2，其中，T2>100；
若Y1>X1，则单词C的认知度>单词A的认知度，单词A，B，C按照认知度由大到小的排序顺序为：C，A，B；
若Y2<X2，则单词C的认知度>单词A的认知度，单词A，B，C按照认知度由大到小的排序顺序为：A，B，C；
若Y1<X1,且Y2>X2，则单词A的认知度>单词C的认知度,单词C的认知度>单词B的认知度,单词A，B，C按照认知度由大到小的排序顺序为：A，C，B；
S4:所有单词的排序判定：在数据库的词汇中选取任意一个未进行过排序的新单词,则重复步骤1将所述新单词先与已经排序好的所有单词单独进行比较，最后按照S3步骤的比较方法将比较的结果进行排序，最终确定所述新单词的排序位置；
S5：一直重复步骤S4直到将数据库中所有的词库排序完成。
2.如权利要求1所述的一种单词认知度的排序方法，其特征在于，还存在排序冲突的情况：即在一个已经按照单词认知度由大到小排列好的排序区间[M……N]内，插入单词D的时候，单词D的认知度大于M同时单词D的认知度小于N同时，此时单词D的排序位置如下：
假定单词D与单词排序区间[M……N]每个单词进行单独比较，比较之后单词认知度大于D的单词的数量为Q，则D在多数排序区间[M……N]的位置为第Q位。
3.如权利要求1所述的一种单词认知度的排序方法,其特征在于，该方法排序具有周期性，即在每隔周期T自动排序一次，抓取周期T内更新的数据进行排序，后一次排序在以上一次排序为基础。
4.如权利要求3所述的一种单词认知度的排序方法，其特征在于，所述周期T为1H-168H。
5.一种存储装置，该存储装置中存储有多条指令，其特征在于，所述指令适用于由处理器加载并执行以下操作：
S1：统计用户ID数：从数据库的词汇中任意选取两个单词A和单词B，统计同时学习过单词A和B的用户ID总数T，再获取认识单词A的用户ID数X，获取认识单词B的用户ID数Y，其中，T>100；
S2：单词认知度判定：若X>Y，则单词A的认知度>单词B的认知度，对单词A、B按照认知度由大到小的顺序进行排序；
S3：插入新单词重新排序：再从从数据库的词汇中任意选取C，对单词A、B和C重新进行单词认知度排序包括以下步骤：
S3-1、单词C与单词A进行单独比较排序：重复步骤S1，统计同时学习过单词A和C的用户ID总数T1，再获取认识单词A的用户ID数X1，获取认识单词C的用户ID数Y1，其中，T1>100；
S3-2、单词C与单词B进行单独比较排序:重复步骤S1：统计同时学习过单词B和C的用户ID总数T2，再获取认识单词B的用户ID数X2，获取认识单词C的用户ID数Y2，其中，T2>100；
若Y1>X1，则单词C的认知度>单词A的认知度，单词A，B，C按照认知度由大到小的排序顺序为：C，A，B；
若Y2<X2，则单词C的认知度>单词A的认知度，单词A，B，C按照认知度由大到小的排序顺序为：A，B，C；
若Y1<X1,且Y2>X2，则单词A的认知度>单词C的认知度,单词C的认知度>单词B的认知度,单词A，B，C按照认知度由大到小的排序顺序为：A，C，B；
S4:所有单词的排序判定：在数据库的词汇中选取任意一个未进行过排序的新单词,则重复步骤1将所述新单词按与已经排序好的所有单词单独进行比较，最后按照S3步骤的比较方法将比较的结果进行排序，最终确定所述新单词的排序位置；
S5：一直重复步骤S4直到将数据库中所有的词库排序完成；
还存在排序冲突的情况：即在一个已经按照单词认知度由大到小排列好的排序区间[M……N]内，插入单词D的时候，单词D的认知度大于M同时单词D的认知度小于N同时，此时单词D的排序位置如下：
假定单词D与单词排序区间[M……N]每个单词进行单独比较，比较之后单词认知度大于D的单词的数量为Q，则D在多数排序区间[M……N]的位置为第Q位。
6.如权利要求5所述的一种存储装置，其特征在于，该方法排序具有周期性，即在每隔周期T自动排序一次，抓取周期T内更新的数据进行排序，后一次排序在以上一次排序为基础。
7.如权利要求6所述的一种存储装置，其特征在于，所述周期T为1H-168H。
8.一种移动终端，包括用于执行各指令的处理器和用于存储多条指令的存储装置，其特征在于，所述指令适用于由所述处理器加载并执行：
S1：统计用户ID数：从数据库的词汇中任意选取两个单词A和单词B，统计同时学习过单词A和B的用户ID总数T，再获取认识单词A的用户ID数X，获取认识单词B的用户ID数Y，其中，T>100；
S2：单词认知度判定：若X>Y，则单词A的认知度>单词B的认知度，对单词AB按照认知度由大到小的顺序进行排序；
S3：插入新单词重新排序：再从从数据库的词汇中任意选取C,对单词A,B和C重新进行单词认知度排序包括以下步骤：
S3-1、单词C与单词A进行单独比较排序：重复步骤S1，统计同时学习过单词A和C的用户ID总数T1，再获取认识单词A的用户ID数X1，获取认识单词C的用户ID数Y1，其中，T1>100；
S3-2、单词C与单词B进行单独比较排序:重复步骤S1：统计同时学习过单词B和C的用户ID总数T2，再获取认识单词B的用户ID数X2，获取认识单词C的用户ID数Y2，其中，T2>100；
若Y1>X1，则单词C的认知度>单词A的认知度，单词A，B，C按照认知度由大到小的排序顺序为：C，A，B，此时C不需要再与B进行比较排序；
若Y2<X2，则单词C的认知度>单词A的认知度，单词A，B，C按照认知度由大到小的排序顺序为：A，B，C；
若Y1<X1,且Y2>X2，则单词A的认知度>单词C的认知度,单词C的认知度>单词B的认知度,单词A，B，C按照认知度由大到小的排序顺序为：A，C，B；
S4:所有单词的排序判定：在数据库的词汇中中任意一个未进行过排序的新单词,则重复步骤1将所述新单词按与已经排序好的所有单词单独进行比较，最后按照S3步骤的比较方法将比较的结果进行排序，最终确定所述新单词的排序位置；
S5：一直重复步骤S4直到将数据库中所有的词库排序完成。
9.如权利要求8所述的一种移动终端，其特征在于，还存在排序冲突的情况：即在一个已经按照单词认知度由大到小排列好的排序区间[M……N]内，插入单词D的时候，单词D的认知度大于M同时单词D的认知度小于N同时，此时单词D的排序位置如下：
假定单词D与单词排序区间[M……N]每个单词进行单独比较，比较之后单词认知度大于D的单词的数量为Q，则D在多数排序区间[M……N]的位置为第Q位。
10.如权利要求8所述的一种移动终端，其特征在于，该方法排序具有周期性，即在每隔周期T自动排序一次，抓取周期T内更新的数据进行排序，后一次排序在以上一次排序为基础，所述周期T为1H-168H。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810676431.8A CN108846119B (zh) | 2018-06-27 | 2018-06-27 | 一种单词认知度的排名方法、存储装置及移动终端 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810676431.8A CN108846119B (zh) | 2018-06-27 | 2018-06-27 | 一种单词认知度的排名方法、存储装置及移动终端 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN108846119A CN108846119A (zh) | 2018-11-20 |
| CN108846119B true CN108846119B (zh) | 2021-04-20 |
Family
ID=64202531
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810676431.8A Active CN108846119B (zh) | 2018-06-27 | 2018-06-27 | 一种单词认知度的排名方法、存储装置及移动终端 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN108846119B (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109903613A (zh) * | 2019-01-30 | 2019-06-18 | 广东科学技术职业学院 | 一种基于人工智能的面向企业就业岗位日语单词训练方法 |
| CN113539253B (zh) * | 2020-09-18 | 2024-05-14 | 厦门市和家健脑智能科技有限公司 | 一种基于认知评估的音频数据处理方法和装置 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103413478A (zh) * | 2013-07-09 | 2013-11-27 | 复旦大学 | 记忆单词智能学习方法与系统 |
| CN104134374A (zh) * | 2014-05-06 | 2014-11-05 | 天津工业大学 | 一种基于词句排序动态评估掌握程度的电子词典方法 |
| CN107293166A (zh) * | 2016-04-13 | 2017-10-24 | 天津工业大学 | 一种基于课文掌握程度动态评估的排序跟读方法 |
| CN107402971A (zh) * | 2017-06-29 | 2017-11-28 | 清远墨墨教育科技有限公司 | 一种单词助记的创建方法 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US9524298B2 (en) * | 2014-04-25 | 2016-12-20 | Amazon Technologies, Inc. | Selective display of comprehension guides |
-
2018
- 2018-06-27 CN CN201810676431.8A patent/CN108846119B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103413478A (zh) * | 2013-07-09 | 2013-11-27 | 复旦大学 | 记忆单词智能学习方法与系统 |
| CN104134374A (zh) * | 2014-05-06 | 2014-11-05 | 天津工业大学 | 一种基于词句排序动态评估掌握程度的电子词典方法 |
| CN107293166A (zh) * | 2016-04-13 | 2017-10-24 | 天津工业大学 | 一种基于课文掌握程度动态评估的排序跟读方法 |
| CN107402971A (zh) * | 2017-06-29 | 2017-11-28 | 清远墨墨教育科技有限公司 | 一种单词助记的创建方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN108846119A (zh) | 2018-11-20 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107908803B (zh) | 问答交互的响应方法及装置、存储介质、终端 | |
| CN109637547B (zh) | 音频数据标注方法、装置、电子设备及存储介质 | |
| CN108846119B (zh) | 一种单词认知度的排名方法、存储装置及移动终端 | |
| CN107798351B (zh) | 一种基于深度学习神经网络的身份识别方法和系统 | |
| CN109299264A (zh) | 文本分类方法、装置、计算机设备及存储介质 | |
| CN110288085B (zh) | 一种数据处理方法、装置、系统及存储介质 | |
| CN109086814A (zh) | 一种数据处理方法、装置及网络设备 | |
| CN111554276B (zh) | 语音识别方法、装置、设备及计算机可读存储介质 | |
| CN115798022B (zh) | 一种基于特征提取的人工智能识别方法 | |
| CN109598307A (zh) | 数据筛选方法、装置、服务器及存储介质 | |
| CN110209551A (zh) | 一种异常设备的识别方法、装置、电子设备及存储介质 | |
| CN109800309A (zh) | 课堂话语类型分类方法及装置 | |
| CN110659311A (zh) | 题目推送方法、装置、电子设备及存储介质 | |
| Casper et al. | Using sequences to model crises | |
| Barnett et al. | Endnote: Feature-based classification of networks | |
| CN106384587B (zh) | 一种语音识别方法及系统 | |
| Myers et al. | Choice behavior and reward structure | |
| CN111177388B (zh) | 一种处理方法及计算机设备 | |
| Reif et al. | Meta2-features: Providing meta-learners more information | |
| CN104778202B (zh) | 基于关键词的事件演化过程的分析方法及系统 | |
| CN102117380B (zh) | 简化基于矩阵的Boosting算法的系统及方法 | |
| CN109002511A (zh) | 一种公厕的智能推荐方法和装置 | |
| Calma et al. | Active learning with realistic data-a case study | |
| CN111582307B (zh) | 签到结果判定方法、系统、存储介质、计算机程序、终端 | |
| CN109308565B (zh) | 人群绩效等级识别方法、装置、存储介质及计算机设备 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |