CN111861812A - 一种词听方式的单词记忆强度计算方法及装置 - Google Patents
一种词听方式的单词记忆强度计算方法及装置 Download PDFInfo
- Publication number
- CN111861812A CN111861812A CN202010566589.7A CN202010566589A CN111861812A CN 111861812 A CN111861812 A CN 111861812A CN 202010566589 A CN202010566589 A CN 202010566589A CN 111861812 A CN111861812 A CN 111861812A
- Authority
- CN
- China
- Prior art keywords
- learning
- value
- word
- information
- memory
- 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.)
- Granted
Links
- 238000004364 calculation method Methods 0.000 title claims abstract description 58
- 238000000034 method Methods 0.000 claims abstract description 92
- 238000012552 review Methods 0.000 claims description 162
- 238000012360 testing method Methods 0.000 claims description 115
- 230000008569 process Effects 0.000 claims description 53
- 230000035484 reaction time Effects 0.000 claims description 44
- 230000004044 response Effects 0.000 claims description 29
- 238000006243 chemical reaction Methods 0.000 claims description 17
- 238000002372 labelling Methods 0.000 claims description 9
- 230000000694 effects Effects 0.000 claims description 6
- 238000004590 computer program Methods 0.000 claims description 3
- 241000282414 Homo sapiens Species 0.000 description 21
- 230000003247 decreasing effect Effects 0.000 description 13
- 230000009467 reduction Effects 0.000 description 11
- 230000008859 change Effects 0.000 description 10
- 238000012937 correction Methods 0.000 description 10
- 210000004556 brain Anatomy 0.000 description 4
- 238000012986 modification Methods 0.000 description 4
- 230000004048 modification Effects 0.000 description 4
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 206010011469 Crying Diseases 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 230000006993 memory improvement Effects 0.000 description 2
- 230000002035 prolonged effect Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000033228 biological regulation Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 239000002131 composite material Substances 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000007087 memory ability Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000012549 training 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—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/20—Education
- G06Q50/205—Education administration or guidance
-
- G—PHYSICS
- G09—EDUCATION; CRYPTOGRAPHY; DISPLAY; ADVERTISING; SEALS
- G09B—EDUCATIONAL OR DEMONSTRATION APPLIANCES; APPLIANCES FOR TEACHING, OR COMMUNICATING WITH, THE BLIND, DEAF OR MUTE; MODELS; PLANETARIA; GLOBES; MAPS; DIAGRAMS
- G09B19/00—Teaching not covered by other main groups of this subclass
- G09B19/06—Foreign languages
-
- G—PHYSICS
- G09—EDUCATION; CRYPTOGRAPHY; DISPLAY; ADVERTISING; SEALS
- G09B—EDUCATIONAL OR DEMONSTRATION APPLIANCES; APPLIANCES FOR TEACHING, OR COMMUNICATING WITH, THE BLIND, DEAF OR MUTE; MODELS; PLANETARIA; GLOBES; MAPS; DIAGRAMS
- G09B5/00—Electrically-operated educational appliances
- G09B5/06—Electrically-operated educational appliances with both visual and audible presentation of the material to be studied
- G09B5/062—Combinations of audio and printed presentations, e.g. magnetically striped cards, talking books, magnetic tapes with printed texts thereon
-
- G—PHYSICS
- G09—EDUCATION; CRYPTOGRAPHY; DISPLAY; ADVERTISING; SEALS
- G09B—EDUCATIONAL OR DEMONSTRATION APPLIANCES; APPLIANCES FOR TEACHING, OR COMMUNICATING WITH, THE BLIND, DEAF OR MUTE; MODELS; PLANETARIA; GLOBES; MAPS; DIAGRAMS
- G09B7/00—Electrically-operated teaching apparatus or devices working with questions and answers
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Abstract
本发明涉及智能记忆方法技术领域，尤其涉及一种词听方式的单词记忆强度计算方法及装置，包括：输出学习单词的语音信息；接收对所述学习单词的初次学习信息；输出所述学习单词的文本信息，所述文本信息包括所述学习单词音标信息、中文释义信息和英文信息；根据所述初次学习信息对所述学习单词进行标记并生成所述学习单词的初始记忆强度值。通过对所述学习的单词进行标记，根据对不同学习单词的不同标记会生成不同的当前记忆强度值；通过标记可以初步为用户区分出其对不同单词的不同掌握程度，所述初始记忆强度值能够通过数值的方式进一步表示用户对不同单词的不同掌握程度，提高对所述初始记忆强度值较低的单词的侧重，提升学习效率。
Description
技术领域：
本发明涉及智能记忆方法技术领域，尤其涉及一种词听方式的单词记忆强度计算方法及装置。
背景技术：
在近几十年以来，学习外语成为一种潮流，学习外语的队伍越来越大。在上个世纪八十年代，改革开放的趋势下，我国也开始重视外语教育，将外语的地位一步步提高。即便我们国家付出了这样的努力，但是有很大一部分学生却依旧没有办法掌握优秀的外语能力，学了十几年外语到头来，依旧没有办法去使用外语，只是换成了一张张成绩还不错试卷，彰显着那段曾经的辉煌。这很显然就是我们的教学、学习方法上出了一些问题。
我们学习语言都需要经过经历了一个“听、说、读、写”这样一个过程，这其实也就是一个模仿的过程。从小时候牙牙学语的时候，就是体现了听说这两个过程，我们会开始接听父母给我们传来的种种语言信息，然后大脑会分析这些语言信息，然后就是模仿这些语言信息，做出反馈。而作为外语学习者，听力的训练是整个过程中得第一部分也是最重要的一部分，目前没有比较合理的机制或表示方法来反映学习者对听力的掌握程度，致使学习者无法掌握重点以及合理的学习顺序。
有鉴于此，提出本发明。
发明内容：
本发明提供一种词听方式的单词记忆强度计算方法及装置至少解决上述一个问题。
本发明提供一种词听方式的单词记忆强度计算方法，包括：
输出学习单词的语音信息；
接收对所述学习单词的初次学习信息；
输出所述学习单词的文本信息，所述文本信息包括所述学习单词音标信息、中文释义信息和英文信息；
根据所述初次学习信息对所述学习单词进行标记并生成所述学习单词的初始记忆强度值。
采用上述方案，通过对所述学习的单词进行标记，根据对不同学习单词的不同标记会生成不同的当前记忆强度值；通过标记可以初步为用户区分出其对不同单词的不同掌握程度，所述初始记忆强度值能够通过数值的方式进一步表示用户对不同单词的不同掌握程度，提高对所述初始记忆强度值低单词的侧重，提升学习效率。
进一步地，所述输出学习单词的语音信息还包括：
接收输出所述学习单词的语音信息时的外部音频信息；
设置声音强度阈值参数；
分析所述外部音频信息，判断所述外部音频信息的外部声音强度是否大于所述声音强度阈值参数；
若是，将此次学习单词的学习计为无效学习；
若否，将此次学习单词的学习计为有效学习。
采用上述方案，当外部环境过于嘈杂，用户难以从中听清时，外部环境对学习客观上存在较大影响，不应被记录为有效样本。
进一步地，所述接收对所述学习单词的初次学习信息还包括步骤：
设置第一反应时长和第二反应时长，所述第一反应时长大于第二反应时长；
接收作答信息，所述作答信息包括答案信息和所答时长，判断所述答案信息是否正确，对比所述第一反应时长和第二反应时长与作答时长；
当所述作答信息正确时且所述作答时长小于或等于所述第二反应时长时，所述学习单词的标记为熟词且记忆强度值为第一初始记忆强度值；
当所述作答信息正确时且所述作答时长大于所述第二反应时长、小于或等于所述第一反应时长时，所述学习单词的标记为生词且记忆强度值为第三初始记忆强度值，所述第三初始记忆强度值计算根据公式I＝Dz-(D3-Db)×n，Dz为极值，I为第三初始记忆强度值，D3为实际反应时长，Db为第二反应时长,n为第一影响系数；
当所述作答信息错误时标记所述学习单词为生词，所述学习单词的记忆强度值为第二初始记忆强度值。
采用上述方案，通过设置第一反应时长和第二反应时长，根据用户作答的实际反应时长与所述第一反应时长和第二反应时长的比较，进而有区别的确定记忆强度值，能够更加准确并且细致的识别所述学习单词对用户的记忆强度，通过记忆强度对单词进行侧重，提高学习针对性，提高学习效率。
所述第一反应时长和第二反应时长及公式能够根据实际情况和人类遗忘规律进行确定。
进一步地，所述的单词记忆强度计算方法还包括用户对所述学习单词的再次学习，包括：
获取用户对所述学习单词的再次学习信息；
判定再次学习的次数，当所述再次学习的次数为一次时，根据首次再次学习信息和初始记忆强度值生成第一当前记忆强度值；当所述再次学习的次数为多次时，根据第N次再次学习信息和第(N-1)当前记忆强度值生成第N当前记忆强度值，其中N为再次学习的次数。
进一步地，所述再次学习包括再次复习，包括：
获取所述再次复习信息，所述再次复习信息包括生词复习信息；
若是生词复习信息，在复习阶段答对所述生词时，所述生词的记忆强度值增加，增加的值包括第一固定值；在复习阶段答错所述生词或者用户作答超时时，所述生词的记忆强度值减少，减少的值包括第二固定值。
采用上述方案，用户对所述单词完成初次学习后必然会受到遗忘因素的影响，所以需要再次学习进行巩固，进而会对用户针对所述单词的掌握程度产生影响，再次学习包括再次复习，获取再次复习信息可以计算记忆强度变化值，当完成第一次再次复习时，计算第一次再次复习对记忆强度产生的变化值，再同初始记忆强度值进行计算，生成第一当前记忆强度值；当所述再次复习为多次时，需要计算用户最新一次的再次复习信息对记忆强度产生的变化值，再同上一次的当前记忆强度值进行计算，得到最新一次再次复习后的当前记忆强度值，即第N当前记忆强度值，当前记忆强度值表示用户根据再次复习次数在最新时间对所述学习单词的掌握程度。
优选地，第一固定值＜第二固定值。
采用上述方案，对于熟词答对被认为是正常事件，对于熟词可能存在偶然答错的现象，所以第三固定值为最小，所述第一固定值小于第二固定值可以延长所述生词的记忆强度达到满值的时间，从而可以使用户对所述生词的复习次数增多，进而加深用户的印象。
进一步地，所述记忆强度值的增加或减少还包括难度影响值，所述难度影响值计算公式为：
Df＝Dti×Mdt,Dti＝(Dm+Am),Dm＝Rwr×λ,Rwr＝Crw/Crt；
所述Df为难度影响值，Dti为难度指数，Mdt为难度指数影响记忆强度基础值，Dm为学习数据计算难度，Am为人工标注难度，Rwr为用户复习过程中对所述生词作答的错误率，λ为难度标记，Crw为用户复习过程中和初次学习中对所述生词答错的次数之和，Crt为用户复习过程中对所述生词作答的总次数。
采用上述方案，难度影响值可以包括人工标注难度和学习数据计算难度，人工标注难度单词的难度；学习数据计算难度为通过用户对单词作答的错误率进行计算；难度标记λ用于计算学习数据计算难度，可以以能量格的形式显示在作答界面，难度指数影响记忆强度基础值Mdt根据整体赋值情况和人类遗忘规律进行确定，表示为单词难度对记忆强度值影响的多少。
进一步地，所述记忆强度增加值还包括反应时长影响值，所述反应时长影响值的计算公式为：Rd＝(1-Mrd/Da)×Srd,其中Mrd为作答时长，Srd为反应时长影响记忆强度基础值，Rd为反应时长影响值，Da为第一反应时长。
采用上述方案，所述反应时长影响记忆强度基础值Srd可以根据整体赋值情况和人类遗忘规律进行确定，表示反应时长最多对记忆强度值的影响程度，Mrd为作答时长单位为秒。
进一步地，所述记忆强度增加值或减少值还包括疲劳影响值，所述疲劳影响值的计算公式为Fa＝(1-Fi)×Mfa,Fi＝De/Ds；
所述Fa为疲劳影响值，Fi为疲劳指数，Mfa为疲劳指数影响记忆强度基础值，De为学习有效时长，Ds为疲劳设定时长。
采用上述方案，疲劳指数影响记忆强度基础值Mfa表示为疲劳程度最多影响记忆强度值的多少，学习时间越长则用户越疲劳，增加和减小的记忆强度值就越少，反之增加和减小的记忆强度值就越大。
进一步地，所述再次学习还包括测试，所述再次学习信息还包括测试信息，所述测试信息包括：当测试阶段答对所述熟词时，所述熟词记忆强度值不改变；当测试阶段答错所述熟词时，所述熟词重新被标记为生词且记忆强度值变为第二初始记忆强度值；当答错所述生词时，所述生词的记忆强度值减少；当答对所述生词时，所述生词的记忆强度值增加。
采用上述方案，所述测试信息包括测试阶段用户的作答情况，测试中会出现熟词，当用户答错熟词时，认为用户对所述熟词由于受遗忘因素的影响掌握度变低，需要重新进行学习，所以被标记为生词，记忆强度值变为第二初始记忆强度值；当用户答错所述生词时，所述生词的记忆强度值减少,减少值为生词测试直接减少值；用户答对所述生词时，所述生词的记忆强度值增加，增加值为生词测试直接增加值。
进一步地，生词测试直接减少值的计算根据公式：Sqr＝20+20×Rqw,Rqw＝Cqw/Cqt；
其中Sqr为生词测试直接减少值，Rqw为测试中所述生词的作答错误率，Cqw为测试中所述生词答错的总次数，Cqt为测试中所述生词作答总次数。
采用上述方案，通过计算测试中所述生词的作答错误率，进而根据作答错误率来计算测试中因答错所述生词减少的记忆强度值，可以更加精准、更有依据的使用户对于所述生词的掌握程度进行分析。
优选地，根据当前测试时间点Tq和最佳复习时间点Tbr确定时间间隔Tit，
采用上述方案，采用Tbr＝Tq+Tit，用户在最佳复习时间点复习对记忆增强效果最好，累积的记忆强度最大。
进一步地，当Tit<24×60×60时，生词测试直接增加值的计算公式为Sqi＝(15+10×Meg×0.5)/3；
当Tit>3×24×60×60时，生词测试直接增加值的计算公式为Sqi＝(14+12×Meg×0.2)；
当24×60×60≤Tit≤3×24×60×60时，生词测试直接增加值的计算公式为Sqi＝(14+12×Meg×0.2)/2；
其中Sqi为生词测试直接增加值，Meg为引擎档位。
采用上述方案，通过计算测试中所述生词的作答正确率，进而根据作答正确率来计算测试中因答对所述生词减少的记忆强度值，通过引入测试时间点与最佳复习时间点的对比,可以更加精准、更有依据的使用户对于所述生词的掌握程度进行分析。
进一步地，所述生词作答总正确率的计算公式为：Rrt＝Crr+Cqr/Crt+Cqt；
其中Crr为复习过程中和初次学习中用户对所述生词答对的总次数，Cqr为用户在测试中对所述生词答对的总次数，Crt为用户在复习过程中和初次学习中对所述生词作答的总次数，Cqt为用户在测试中对所述生词作答的总次数。
采用上述方案，通过引擎档位的设置可以体现用户对于每个生词记忆的快慢，而既对测试信息进行统计又对复习信息进行统计，可以对用户作答的正确率进行更加全面的分析，从而使分析数据更加具有权威性。
进一步地，在测试中对所述生词答对的总次数Cqr根据当前测试时间点Tq和最佳复习时间点Tbr之间的时间间隔Tit确定,即Tit＝Tq-Tbr。当Tit<-5×24×60×60时，在测试中对所述生词答对的总次数Cqr不增加；当Tit>5×24×60×60，在测试中对所述生词答对的总次数Cqr增加2次；当-5×24×60×60≤Tit≤5×24×60×60之间，在测试中对所述生词答对的总次数Cqr增加次数为1+Tit/(5×24×60×60)；当Tit<-5×24×60×60时，在测试中对所述生词答错的总次数Cqw增加2次；当Tit>5×24×60×60，在测试中对所述生词答错的总次数Cqw不增加；当-5×24×60×60≤Tit≤5×24×60×60之间，在测试中对所述生词答错的总次数Cqw增加次数为1-Tit/(5×24×60×60)。
采用上述方案，最佳复习时间点和测试时间点的表示方式采用时间戳方式，即从1970年1月1日00:00:00开始到对应时间点所经过的秒数；当测试时间点早于最佳复习时间点5天以上，因为认为用户在此时间段内应该答对，但是用户没有答对，所以测试答对次数Cqr不增加；当测试时间点晚于最佳复习时间点5天以上，因为认为用户在此时间段内应该已经忘记，但是用户依然能答对，所以测试答对次数Cqr增加2；当测试时间点既不早于最佳复习时间点5天以上、也不晚于最佳复习时间点5天以上时，那么按照公式合理进行计算。
进一步地，所述最佳复习时间点的计算公式为：当第N次生词复习答对时，Tbr＝Trc+D；当第N次生词复习答错时，Tbr＝Tbr＇+D；D＝C1×ep，P＝(C2×Sn/10)+C3，其中D为复习间隔时长，C1为幂值系数，e为自然常数，P为幂值，C2为强度系数，Sn为第N当前记忆强度值，C3为幂值常量；根据公式Tbr＝Tc+D计算最佳复习时间点，其中Tbr为最佳复习时间点，Trc为第N次再次复习时间点，Tbr＇为第(N-1)次生词复习计算得出的最佳复习时间。
采用上述方案，所述第N次再次复习时间点Trc为距离当前测试时间点Tq最近的再次复习时间点，Trc早于Tq；C1、e、C2、C3的值都是根据人类遗忘规律确定，C1的值可以为1，e＝2.7183，C2的值可以为1.6，C3的值可以为0；Sn相应为当前测试时间点前最近的一次用户再次复习完后，所述生词的当前记忆强度值，即第N当前记忆强度值；由第N次再次复习时间点和复习间隔时长相加得出最佳复习时间点。
优选地，所述最佳复习时间点的计算还包括步骤：
判断同一单词连续答对的次数；
若此次数等于三次，则判断所述第一最佳复习时间点是否与上述连续三次复习处于同一复习周期内；
若否，不进行调整；
若是，则将本次最佳复习时间点设置在下一复习周期。
采用上述方案，根据睡眠对记忆的促进作用，将最佳复习时间点调整到第二天早上更有利于科学记忆。
优选地，当所述用户进行生词复习时，增加或减少的记忆强度值还包括校正难度影响值，所述校正难度影响值的计算按公式为：Df＇＝Dti＇×Mdt,Dti＇＝(Dm＇+Am),Dm＇＝Rwr＇×λ,Rwr＇＝Crw+Cqw/Crt+Cqt；所述Df＇为校正难度影响值，Dti＇为校正难度指数，Mdt为难度指数影响记忆强度基础值，Dm＇为校正学习数据计算难度，Am为人工标注难度，Rwr＇为用户复习和测试过程中对所述生词作答的错误率，λ为难度标记，Crw为用户复习过程中和初次学习中对所述生词答错的次数之和，Crt为用户复习过程中对所述生词作答的总次数,Cqw为用户在测试中对所述生词答错的总次数，Cqt为为用户在测试中对所述生词作答的总次数。
采用上述方案，通过计算测试对于难度影响值的变化，可以更加准确、细致的分析用户对学习单词的掌握程度。
优选地，当所述用户进行生词复习时，增加的记忆强度值还包括档位影响增加值，所述档位影响增加值的计算公式可以为G1＝Meg×0.1×Reg,其中Meg为引擎档位，Reg为答对引擎常数。
采用上述方案，G1为档位影响增加值，答对引擎常数Reg根据人类遗忘规律进行确定。
进一步地，所述引擎档位反应用户对单词的记忆力水平、表现为记忆的快慢，可以由用户在复习信息和测试信息中对于所述生词作答的总正确率Rrt来确定，所述Rrt值对应至少两个数值区间，所述每个数值区间对应唯一的档位值，当第一数值区间的最大值大于第二数值区间的最大值时，所述第一数值区间对应的档位值大于第二数值区间对应的档位值。
优选地，当所述用户进行生词复习时，减少的记忆强度值还包括档位影响减少值，所述档位影响减少值的计算公式可以为G2＝Weg×Crw/Crt,其中Weg为答错引擎常数，Crw为复习中对所述学习生词答错的总次数，Crt为复习中对所述学习生词作答的总次数。
采用上述方案，G2为档位影响减少值，答错引擎常数Weg根据人类遗忘规律进行确定。
优选地，当所述用户进行生词复习时，增加或减少的记忆强度值还包括勤奋影响值，所述勤奋影响值的计算公式可以为：Dli＝Dgi×Mdg,Dgi＝(Trc-Tbr)/24×60×60,其中Dli为勤奋影响值，Dgi为勤奋影响指数，Mdg为勤奋指数影响记忆强度基础值，Tbr为最佳复习时间点，Trc为当前复习时间点。
采用上述方案，根据用户的复习时间来计算增减记忆强度值的多少。
本发明还保护一种单词记忆强度计算的装置，其特征在于，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现上述的方法。
综上所述，本发明具有以下有益效果：
1.本发明提供的单词记忆强度计算方法，通过对所述学习的单词进行标记，根据对不同学习单词的不同标记会生成不同的当前记忆强度值；通过标记可以初步为用户区分出其对不同单词的不同掌握程度，所述初始记忆强度值能够通过数值的方式进一步表示用户对不同单词的不同掌握程度，提高对所述初始记忆强度值低单词的侧重，提升学习效率。
2.本发明提供的单词记忆强度计算方法，当外部环境过于嘈杂，用户难以从中听清时，外部环境对学习客观上存在较大影响，不应被记录为有效样本，避免了意外情况对学习情况的影响，提高学习效率。
3.本发明提供的单词记忆强度计算方法通过设置第一反应时长和第二反应时长，根据用户作答的实际反应时长与所述第一反应时
长和第二反应时长的比较，进而有区别的确定记忆强度值，能够更加准确并且细致的识别所述学习单词对用户的记忆强度，通过记忆强度对单词进行侧重，提高学习针对性，提高学习效率。
4.本发明提供的单词记忆强度计算方法通过引擎档位的设置可以体现用户对于每个生词记忆的快慢，针对不同用户的学习能力，既对测试信息进行统计又对复习信息进行统计，可以对用户作答的正确率进行更加全面的分析，从而使分析数据更加具有权威性。
附图说明：
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明单词记忆强度计算方法一种实施方式流程图；
图2为本发明中输出学习单词的语音信息一种实施方式的流程图；
图3为本发明做答示意图；
图4为本发明作答结果示意图；
具体实施方式：
这里将详细地对示例性实施例进行说明，其示例表示在附图中。以下示例性实施例中所描述的实施方式并不代表与本发明相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本发明的一些方面相一致的装置和方法的例子。
在本发明使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本发明。在本发明和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义。还应当理解，本文中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合。
文中所述单词可以指但不限于英文单词，所述记忆强度是指用户对于单词的掌握程度，记忆强度值越高，则表明用户对所述单词掌握的程度越高；记忆强度值越低，则表明用户对所述单词掌握的程度越底；为方便统一计算，涉及时长的运算单位统一为秒。
实验例
方法一
输出学习单词的语音信息；
接收对所述学习单词的初次学习信息；
输出所述学习单词的文本信息，所述文本信息包括所述学习单词音标信息、中文释义信息和英文信息；
根据所述初次学习信息对所述学习单词进行标记并生成所述学习单词的初始记忆强度值。
方法二
与方法一相似，不同点在于：接收输出所述学习单词的语音信息时的外部音频信息；
设置声音强度阈值参数为55分贝；
分析所述外部音频信息，判断所述外部音频信息的外部声音强度是否大于所述声音强度阈值参数；
若是，将此次学习单词的学习计为无效学习；
若否，将此次学习单词的学习计为有效学习。
方法三
与方法一相似，不同点在于：对用户在5秒以(包括5秒)内作答正确，标记为熟词，赋予第一初始记忆强度值100；当用户作答时间超过20秒，赋予第二初始记忆强度值33；当用户作答时间大于5秒、小于等于20秒时，依然作答正确，赋予用户对单词的记忆强度值为第三初始记忆强度值，第三初始记忆强度值因为作答时长的不同可以根据公式I＝(20-(D3-5))×2计算，I为第三初始记忆强度值，5＜D3≤20，D3为实际反应时长。判断输出所述学习单词的语音信息时的外部音频信息的外部声音强度是否大于所述声音强度阈值参数55分贝，若是，将此次学习单词的学习计为无效学习；若否，将此次学习单词的学习计为有效学习。
方法四
输出学习单词的语音信息；
接收对所述学习单词的初次学习信息；
输出所述学习单词的文本信息，所述文本信息包括所述学习单词音标信息、中文释义信息和英文信息；
根据所述初次学习信息对所述学习单词进行标记并生成所述学习单词的初始记忆强度值。
判断输出所述学习单词的语音信息时的外部音频信息的外部声音强度是否大于所述声音强度阈值参数55分贝，若是，将此次学习单词的学习计为无效学习；若否，将此次学习单词的学习计为有效学习。
获取所述再次复习信息，所述再次复习信息包括生词复习信息和熟词复习信息；
判断所述再次复习信息为所述生词复习信息或熟词复习信息；
若是生词复习信息，在复习阶段答对所述生词时，所述生词的记忆强度值增加，增加的值包括第一固定值，所述第一固定值为3；在复习阶段答错所述生词或者用户作答超时时，所述生词的记忆强度值减少，减少的值包括第二固定值，所述第二固定值为8；
若是熟词复习信息，在复习阶段答对所述熟词时，所述生词的记忆强度值不变；在复习阶段答错所述生词或者用户作答超时时，所述生词的记忆强度值减少，减少的值包括第三固定值，所述第三固定值为1。
所述记忆强度增加或减少值还包括难度影响值，所述难度影响值计算公式为：Df＝Dti×Mdt,Dti＝(Dm+Am),Dm＝Rwr×λ,Rwr＝Crw/Crt；
所述Df为难度影响值，Dti为难度指数，Mdt为难度指数影响记忆强度基础值，Dm为学习数据计算难度，Am为人工标注难度，Rwr为用户复习过程中对所述生词作答的错误率，λ为难度标记，Crw为用户复习过程中和初次学习中对所述生词答错的次数之和，Crt为用户复习过程中对所述生词作答的总次数，Mdt取值为3；λ取值为5。
所述记忆强度增加或减少还包括反应时长影响值，所述反应时长影响值的计算公式为：Rd＝(1-Mrd/Da)×Srd,其中Mrd为作答时长，Srd为反应时长影响记忆强度基础值，Rd为反应时长影响值，Da为第一反应时长，所述Srd取值为7，Mrd单位为秒。
所述记忆强度增加或减少值还包括疲劳影响值，所述疲劳影响值的计算公式为：
Fa＝(1-Fi)×Mfa,Fi＝De/Ds；
所述Fa为疲劳影响值，Fi为疲劳指数，Mfa为疲劳指数影响记忆强度基础值，De为学习有效时长，Ds为疲劳设定时长，所述学习有效时长De为用户与学习界面交互的时间，由于根据人类遗忘曲线可以得出每天30分钟的学习时间最为适宜，30×60为将30分钟换算成1800秒，Ds可以为1800秒，疲劳指数影响记忆强度基础值Mfa表示为疲劳程度最多影响记忆强度值，所述Mfa可以为4。
方法五
与方法四，不同之处在于：所述再次学习还包括测试，所述再次学习信息还包括测试信息，所述测试信息包括：当用户在测试阶段答对所述熟词时，所述熟词记忆强度不改变；当用户在测试阶段答错所述熟词时，所述熟词重新被标记为生词且记忆强度值变为第二初始记忆强度值；当用户答错所述生词时，所述生词的记忆强度值减少强度减少值；当用户答对所述生词时，所述生词的记忆强度值增加强度增加值。
年龄18-21岁的志愿者60人，分为6组，每组10人，学习相同的英语单词500个，学习时间2周；各组别的学习方法及学习结束后的测试结果如下表:
表1采用不同的学习方法得到的测试结果
| 组别 | 方法 | 正确率 | 熟词正确率 |
| 组别一 | 自由学习 | 53％ | / |
| 组别二 | 方法一 | 58％ | 72& |
| 组别三 | 方法二 | 59％ | 74％ |
| 组别四 | 方法三 | 64％ | 75％ |
| 组别五 | 方法四 | 85％ | 90％ |
| 组别六 | 方法五 | 91％ | 97％ |
参考表1结果，组别二至组别六与组别一相比，正确率明显提高(P<0.01)，说明对单词进行生词与熟词的标记，通过显示的记忆强度程度帮助用户更好地进行针对性学习，提高学习的有效性；组别三和组别四与组别二相比，正确率明显提高(P<0.01)，更精细地对记忆强度程度进行划分，更好地进行针对性学习；组别五与组别六与组别二相比，熟词正确率明显提高(P<0.01)，说明组别五与组别六中增加或减少的值会根据疲劳程度，单词难易程度等变化，与机械性增加或减少固定的值相比，记忆强度值更准确反映用户的掌握程度；组别六与组别五相比，熟词正确率提高(P<0.01)，说明增加测试，对熟词的认定进行动态变化，以便使记忆强度值更准确反映用户的实际掌握情况。
实施例
参考图1、图3、图4所示，本发明提供一种词听方式的单词记忆强度计算方法，包括：
输出学习单词的语音信息；
接收对所述学习单词的初次学习信息；
输出所述学习单词的文本信息，所述文本信息包括所述学习单词音标信息、中文释义信息和英文信息；
根据所述初次学习信息对所述学习单词进行标记并生成所述学习单词的初始记忆强度值。
判断用户词听答案是否正确，若是，标记该单词为熟词且记忆强度值为第一初始记忆强度值100；若否，标记该单词为生词，且记忆强度值为第二初始记忆强度值13。
用户按照记忆强度程度进行针对性学习，熟词不再学习，生词每次复习记忆强度值增加1，加到100标记为熟词，不再学习，优选复习记忆强度值低的单词。
采用上述方案，通过对所述学习的单词进行标记，根据对不同学习单词的不同标记会生成不同的当前记忆强度值；通过标记可以初步为用户区分出其对不同单词的不同掌握程度，所述初始记忆强度值能够通过数值的方式进一步表示用户对不同单词的不同掌握程度，提高对所述初始记忆强度值低单词的侧重，提升学习效率。
在具体实施过程中，所述输出学习单词的语音信息从用户选择的学习库中输出，所述学习库可以为四级学习库、六级学习库或雅思学习库；所述从用户选择的学习库中输出可以为随机输出，所述英文信息包括但不限于单词拼写信息、单词音标信息和单词词性信息。
在具体实施过程中，播放被选择词库中相应的单词的音频，用户可以选择图3中的笑脸或者哭脸来作答，笑脸表示认识所述学习单词、哭脸表示不认识所述学习单词，然后会出现图4的界面，用户可以选择打勾或者打叉来确定是答对还是答错；然后根据用户初次的学习信息会对所述学习的单词进行标记，根据对不同学习单词的不同标记会生成不同的当前记忆强度值。通过标记可以初步为用户区分出其对不同单词的不同掌握程度，所述初始记忆强度值能够进一步表示用户对不同单词的不同掌握程度。
如图2所示，在本实施例的一个优选的实施方式中，所述输出学习单词的语音信息还包括：
接收输出所述学习单词的语音信息时的外部音频信息；
设置声音强度阈值参数；
分析所述外部音频信息，判断所述外部音频信息的外部声音强度是否大于所述声音强度阈值参数；
若是，将此次学习单词的学习计为无效学习；
若否，将此次学习单词的学习计为有效学习。
采用上述方案，当外部环境过于嘈杂，用户难以从中听清时，外部环境对学习客观上存在较大影响，不应被记录为有效样本。
在具体实施过程中，所述声音强度阈值参数可以为50、55或60分贝等。
在本实施例的一个优选的实施方式中，所述声音强度阈值参数为55分贝。
采用上述方案，根据国家法律规定室内噪音标准白天不能超过55分贝，当所述外部音频信息的分贝数大于55分贝时，对学习者影响较大。
在具体实施过程中，所述接收对所述学习单词的初次学习信息还包括步骤：
设置第一反应时长和第二反应时长，所述第一反应时长大于第二反应时长；
接收作答信息，所述作答信息包括答案信息和所答时长，判断所述答案信息是否正确，对比所述第一反应时长和第二反应时长与作答时长；
当所述作答信息正确时且所述作答时长小于或等于所述第二反应时长时，所述学习单词的标记为熟词且记忆强度值为第一初始记忆强度值；
当所述作答信息正确时且所述作答时长大于所述第二反应时长、小于或等于所述第一反应时长时，所述学习单词的标记为生词且记忆强度值为第三初始记忆强度值，所述第三初始记忆强度值计算根据公式I＝Dz-(D3-Db)×n，Dz为极值，I为第三初始记忆强度值，D3为实际反应时长，Db为第二反应时长,n为第一影响系数；
当所述作答信息错误时标记所述学习单词为生词，所述学习单词的记忆强度值为第二初始记忆强度值。
采用上述方案，通过设置第一反应时长和第二反应时长，根据用户作答的实际反应时长与所述第一反应时长和第二反应时长的比较，进而有区别的确定记忆强度值，能够更加准确并且细致的识别所述学习单词对用户的记忆强度，通过记忆强度对单词进行侧重，提高学习针对性，提高学习效率。
在具体实施过程中，根据人类记忆反应规律所述第一反应时长可以为20秒、第二反应时长可以为5秒，对在5秒以内(包括5秒)作答正确，说明用户对于所述学习单词掌握程度很高；当用户作答时间超过20秒，则认为是超时作答，说明用户对单词掌握很低需要思考很久才能作答，为此回答超时的设置避免了用户耗费过多的时间，同样答错的情况下不管作答时长多少均认为用户没有掌握所述学习单词；当用户作答时间大于5秒、小于等于20秒时，依然答对，证明用户对所述学习单词有一定的掌握程度，但掌握程度不高，此时赋予用户对所述学习单词的记忆强度值为第三初始记忆强度值，第三初始记忆强度值大于第二初始记忆强度值、但小于第一初始记忆强度值，初始记忆强度值的大小可以根据实际情况进行确定，例如最高的第一初始记忆强度值为100、第二初始记忆强度值为10，第三初始记忆强度值因为作答时长的不同可以根据公式I＝Dz-(D3-Db)×n计算，I为第三初始记忆强度值，5＜D3≤20，D3为实际反应时长。
采用上述方案，通过加入所述第一反应时长和第二反应时长的设置，可以进一步根据用户作答时长来更加细致、准确地反应用户对所述学习单词的掌握程度，还可以增加用户的专注度从而使用户具有紧迫感进而增加学习效率。
在具体实施过程中，所述的单词记忆强度计算方法还包括用户对所述学习单词的再次学习，包括：
获取用户对所述学习单词的再次学习信息；
判定再次学习的次数，当所述再次学习的次数为一次时，根据首次再次学习信息和初始记忆强度值生成第一当前记忆强度值；当所述再次学习的次数为多次时，根据第N次再次学习信息和第(N-1)当前记忆强度值生成第N当前记忆强度值，其中N为再次学习的次数。
在具体实施过程中，所述再次学习包括再次复习，包括：
获取所述再次复习信息，所述再次复习信息包括生词复习信息；
若是生词复习信息，在复习阶段答对所述生词时，所述生词的记忆强度值增加，增加的值包括第一固定值；在复习阶段答错所述生词或者用户作答超时时，所述生词的记忆强度值减少，减少的值包括第二固定值。
采用上述方案，用户对所述单词完成初次学习后必然会受到遗忘因素的影响，所以需要再次学习进行巩固，进而会对用户针对所述单词的掌握程度产生影响，再次学习包括再次复习，获取再次复习信息可以计算记忆强度变化值，当完成第一次再次复习时，计算第一次再次复习对记忆强度产生的变化值，再同初始记忆强度值进行计算，生成第一当前记忆强度值；当所述再次复习为多次时，需要计算用户最新一次的再次复习信息对记忆强度产生的变化值，再同上一次的当前记忆强度值进行计算，得到最新一次再次复习后的当前记忆强度值，即第N当前记忆强度值，当前记忆强度值表示用户根据再次复习次数在最新时间对所述学习单词的掌握程度。
在具体实施过程中，所述增加的值为用户答对所述生词时在原有记忆强度值的基础上增加的记忆强度值，所述减少的值为用户答错或超时作答所述生词时在原有记忆强度值的基础上减少的记忆强度值。
在具体实施过程中，第一固定值＜第二固定值，所述第一固定值可以为3、第二固定值可以为8。
采用上述方案，所述第一固定值小于第二固定值可以延长所述生词的记忆强度达到满值的时间，从而可以使用户对所述生词的复习次数增多，进而加深用户的印象。
在具体实施过程中，所述记忆强度值的增加或减少还包括难度影响值，所述难度影响值计算公式为：
Df＝Dti×Mdt,Dti＝(Dm+Am),Dm＝Rwr×λ,Rwr＝Crw/Crt；
所述Df为难度影响值，Dti为难度指数，Mdt为难度指数影响记忆强度基础值，Dm为学习数据计算难度，Am为人工标注难度，Rwr为用户复习过程中对所述生词作答的错误率，λ为难度标记，Crw为用户复习过程中和初次学习中对所述生词答错的次数之和，Crt为用户复习过程中对所述生词作答的总次数。
在具体实施过程中，所述难度影响值包括人工标注难度和学习数据计算难度，所述人工标注难度为单词或者句子本身的难度，体现在长度，构词规律，中文解释等方面，字母多比字母少的单词难记，字母排列有规律的比没规律的难记，需要通过人工标注不同单词的不同难度来加以区分；所述学习数据计算难度为通过用户对单词作答的错误率进行计算；所述难度标记λ用于计算学习数据计算难度，可以以能量格的形式显示在作答界面，所述难度指数影响记忆强度基础值Mdt根据整体赋值情况和人类遗忘规律进行确定，表示为单词难度对记忆强度值影响的多少，本实施方式Mdt取值为3；λ可以取值为5在图3中表示为5个难度格，意义为错误率最大能影响Dm的多少。
所述人类遗忘规律包括遗忘曲线，所述遗忘曲线由德国心理学家艾宾浩斯(H.Ebbinghaus)研究发现，描述了人类大脑对新事物遗忘的规律。人体大脑对新事物遗忘的循序渐进的直观描述，人们可以从遗忘曲线中掌握遗忘规律并加以利用，从而提升自我记忆能力。
在具体实施过程中，所述记忆强度增加值还包括反应时长影响值，所述反应时长影响值的计算公式为：Rd＝(1-Mrd/Da)×Srd,其中Mrd为作答时长，Srd为反应时长影响记忆强度基础值，Rd为反应时长影响值，Da为第一反应时长。
在具体实施过程中，所述Srd可以为7，Mrd单位为秒。
采用上述方案，通过计算反应时长影响值可以根据用户作答的快慢来准确、细致的计算用户对生词的掌握程度。
在具体实施过程中，所述记忆强度增加值或减少值还包括疲劳影响值，所述疲劳影响值的计算公式为：
Fa＝(1-Fi)×Mfa,Fi＝De/Ds；
所述Fa为疲劳影响值，Fi为疲劳指数，Mfa为疲劳指数影响记忆强度基础值，De为学习有效时长，Ds为疲劳设定时长。
在具体实施过程中，所述学习有效时长De为用户与学习界面交互的时间，由于根据人类遗忘曲线可以得出每天30分钟的学习时间最为适宜，30×60为将30分钟换算成1800秒，Ds可以为1800秒，疲劳指数影响记忆强度基础值Mfa表示为疲劳程度最多影响记忆强度值，所述Mfa可以为4。
采用上述方案，学习时间越长则用户越疲劳，增加和减小的记忆强度值就越少，反之增加和减小的记忆强度值就越大，所述疲劳影响值充分的从人的生理规律出发来考虑对记忆能力的影响，更为准确细致的计算出记忆强度值的增减。
在具体实施过程中，当一天的学习时间大于30分钟时，所述疲劳影响值按照30分钟时进行计算。
在具体实施过程中，所述再次学习还包括测试，所述再次学习信息还包括测试信息，所述测试信息包括：当用户在测试阶段答对所述熟词时，所述熟词记忆强度不改变；当用户在测试阶段答错所述熟词时，所述熟词重新被标记为生词且记忆强度值变为第二初始记忆强度值；当用户答错所述生词时，所述生词的记忆强度值减少；当用户答对所述生词时，所述生词的记忆强度值增加。
采用上述方案，所述测试信息包括测试阶段同户的作答情况，测试中会出现熟词，当用户答错熟词时，认为用户对所述熟词由于受遗忘因素的影响掌握度变低，需要重新进行学习，所以被标记为生词记忆强度值变为第二初始记忆强度值；当用户答错所述生词时，所述生词的记忆强度值减少,减少值为生词测试直接减少值；用户答对所述生词时，所述生词的记忆强度值增加，增加值为生词测试直接增加值。测试可以通过人为安排对用户定时进行，也可以在学习完词库的每个章节后自动为用户安排等，通过将测试信息对记忆强度值的影响与复习信息对记忆强度值的影响进行整合，可以更综合以及全面的反应用户对于所述学习单词的掌握程度。
在具体实施过程中，生词测试直接减少值的计算根据公式：
Sqr＝20+20×Rqw,Rqw＝Cqw/Cqt；
所述Sqr为生词测试直接减少值，Rqw为测试中所述生词的作答错误率，Cqw为测试中所述生词答错的总次数，Cqt为测试中所述生词作答总次数,式中的常量16根据人类遗忘曲线确定
采用上述方案，通过计算测试中所述生词的作答错误率，进而根据作答错误率来计算测试中因答错所述生词减少的记忆强度值，可以更加精准、更有依据的使用户对于所述生词的掌握程度进行分析。
在具体实施过程中，根据当前测试时间点Tq和最佳复习时间点Tbr确定时间间隔Tit，Tit＝Tq-Tbr，用户在最佳复习时间点复习对记忆增强效果最好，累积的记忆强度最大。
在具体实施过程中，当Tit<24×60×60时，生词测试直接增加值的计算公式为Sqi＝(15+10×Meg×0.5)/3；
当Tit>3×24×60×60时，生词测试直接增加值的计算公式为Sqi＝(14+12×Meg×0.2)，常量14、12根据人类遗忘曲线确定；
当24×60×60≤Tit≤3×24×60×60时，生词测试直接增加值的计算公式为Sqi＝(14+12×Meg×0.2)/2；
其中Sqi为生词测试直接增加值，Meg为引擎档位。
采用上述方案，通过计算测试中所述生词的作答正确率，进而根据作答正确率来计算测试中因答对所述生词减少的记忆强度值，通过引入测试时间点与最佳复习时间点的对比,可以更加精准、更有依据的使用户对于所述生词的掌握程度进行分析。
具体实施过程中，所述引擎档位反应用户对单词的记忆力水平、表现为记忆的快慢，可以由用户在复习信息和测试信息中对于所述生词作答的总正确率Rrt来确定，可以将引擎档位分为10个档位，如下：
当Rrt小于等于5时：档位值为1；
当Rrt大于5且小于等于15时，档位值为2；
当Rrt大于15且小于等于20时，档位值为3；
当Rrt大于20且小于等于30时，档位值为4；
当Rrt大于30且小于等于45时，档位值为5；
当Rrt大于55且小于等于70时，档位值为6；
当Rrt大于70且小于等于80时，档位值为7；
当Rrt大于80且小于等于85时，档位值为8；
当Rrt大于85且小于等于95时，档位值为9；
当Rrt大于95：档位值为10；
所述生词作答总正确率的计算公式可以为：Rrt＝Crr+Cqr/Crt+Cqt,其中Crr为复习过程中和初次学习中用户对所述生词答对的总次数，Cqr为用户在测试中对所述生词答对的总次数，Crt为用户在复习过程中和初次学习中对所述生词作答的总次数，Cqt为用户在测试中对所述生词作答的总次数。
采用上述方案，通过引擎档位的设置可以体现用户对于每个生词记忆的快慢，而既对测试信息进行统计又对复习信息进行统计，可以对用户作答的正确率进行更加全面的分析，从而使分析数据更加具有权威性。
在具体实施过程中，所述用户在测试中对所述生词答对的总次数Cqr根据当前测试时间点Tq和最佳复习时间点Tbr之间的时间间隔Tit确定,即Tit＝Tq-Tbr。
当Tit<-5×24×60×60时，用户在测试中对所述生词答对的总次数Cqr不增加；当Tit>5×24×60×60，用户在测试中对所述生词答对的总次数Cqr增加2次；当-5×24×60×60≤Tit≤5×24×60×60之间，用户在测试中对所述生词答对的总次数Cqr增加次数为1+Tit/(5×24×60×60)。
当Tit<-5×24×60×60时，用户在测试中对所述生词答错的总次数Cqw增加2次；当Tit>5×24×60×60，用户在测试中对所述生词答错的总次数Cqw不增加；当-5×24×60×60≤Tit≤5×24×60×60之间，用户在测试中对所述生词答错的总次数Cqw增加次数为1-Tit/(5×24×60×60)。
采用上述方案，最佳复习时间点和测试时间点的表示方式采用时间戳方式，根据时间间隔Tit来确定更加全面的考虑到遗忘对于人类记忆的影响，从而避免一概而论的将答对或答错一次就笼统的记为一次，可以更加精准的结合人类生理和心理规律进行统计。当测试时间点早于最佳复习时间点5天以上，因为认为用户在此时间段内应该答对，但是用户没有答对，所以测试答对次数Cqr不增加；当测试时间点晚于最佳复习时间点5天以上，因为认为用户在此时间段内应该已经忘记，但是用户依然能答对，所以测试答对次数Cqr增加2；当测试时间点既不早于最佳复习时间点5天以上、也不晚于最佳复习时间点5天以上时，那么按照公式合理进行计算。
在具体实施过程中，所述最佳复习时间点的计算公式为：当第N次生词复习答对时，Tbr＝Trc+D；当第N次生词复习答错时，Tbr＝Tbr＇+D；D＝C1×ep，P＝(C2×Sn/10)+C3，其中D为复习间隔时长，C1为幂值系数，e为自然常数，P为幂值，C2为强度系数，Sn为第N当前记忆强度值，C3为幂值常量；根据公式Tbr＝Tc+D计算最佳复习时间点，其中Tbr为最佳复习时间点，Trc为第N次再次复习时间点，Tbr＇为第(N-1)次生词复习计算得出的最佳复习时间。
采用上述方案，所述第N次再次复习时间点Trc为距离当前测试时间点Tq最近的再次复习时间点，Trc早于Tq；C1、e、C2、C3的值都是根据人类遗忘规律确定，C1的值可以为1，e＝2.7183，C2的值可以为1.6，C3的值可以为0；Sn相应为当前测试时间点前最近的一次用户再次复习完后，所述生词的当前记忆强度值，即第N当前记忆强度值；由第N次再次复习时间点和复习间隔时长相加得出最佳复习时间点。
在具体实施过程中，所述最佳复习时间点的计算还包括步骤：
判断同一单词连续答对的次数；
若此次数等于三次，则判断所述第一最佳复习时间点是否与上述连续三次复习处于同一复习周期内；
若否，不进行调整；
若是，则将本次最佳复习时间点设置在下一复习周期。
在具体实施过程中，当同一天连续三次复习所述生词答对并且计算之后的最佳复习时间点仍与连续三次复习处于同一天，则将最佳复习时间点Tbr调整到第二天早上。
在具体实施过程中，所述最佳复习时间点Tbr可以调整为第二天早上5点、6点或7点。
在本实施例的一个优选的实施方式中，所述最佳复习时间点Tbr调整为第二天早上6点。
采用上述方案，首先根据睡眠对记忆的促进作用，将最佳复习时间点调整到第二天早上更有利于科学记忆；其次考虑到大脑需要得到充分休息，复习时间不应该过早，科学分配复习时间，提升学习效率。
在具体实施过程中，当所述用户进行生词复习时，增加或减少的记忆强度值还包括校正难度影响值，所述校正难度影响值的计算按公式为：Df＇＝Dti＇×Mdt,Dti＇＝(Dm＇+Am),Dm＇＝Rwr＇×λ,Rwr＇＝Crw+Cqw/Crt+Cqt；所述Df＇为校正难度影响值，Dti＇为校正难度指数，Mdt为难度指数影响记忆强度基础值，Dm＇为校正学习数据计算难度，Am为人工标注难度，Rwr＇为用户复习和测试过程中对所述生词作答的错误率，λ为难度标记，Crw为用户复习过程中和初次学习中对所述生词答错的次数之和，Crt为用户复习过程中对所述生词作答的总次数,Cqw为用户在测试中对所述生词答错的总次数，Cqt为为用户在测试中对所述生词作答的总次数。
采用上述方案，通过计算测试对于难度影响值的变化，校正难度影响值可以更加准确、细致的分析用户对学习单词的掌握程度。
在具体实施过程中，当所述用户进行生词复习时，增加的记忆强度值还包括档位影响增加值，所述档位影响增加值的计算公式可以为G1＝Meg×0.1×Reg,其中Meg为引擎档位，Reg为答对引擎常数，G1为档位影响增加值，答对引擎常数Reg根据人类遗忘规律进行确定，本实施方式中可以取值为7.
在具体实施过程中，当所述用户进行生词复习时，减少的记忆强度值还包括档位影响减少值，所述档位影响减少值的计算公式可以为G2＝Weg×Crw/Crt,其中Weg为答错引擎常数，Crw为复习中对所述学习生词答错的总次数，Crt为复习中对所述学习生词作答的总次数，G2为档位影响减少值，答错引擎常数Weg根据人类遗忘规律进行确定，本实施方式中可以取值为8。
在具体实施过程中，当所述用户进行生词复习时，增加或减少的记忆强度值还包括勤奋影响值，所述勤奋影响值的计算公式可以为：Dli＝Dgi×Mdg,Dgi＝(Trc-Tbr)/24×60×60,其中Dli为勤奋影响值，Dgi为勤奋影响指数，Mdg为勤奋指数影响记忆强度基础值，Tbr为最佳复习时间点，Trc为当前复习时间点。
采用上述方案，根据用户的复习时间来计算增减记忆强度值的多少。
本发明还保护一种单词记忆强度计算的装置，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现上述的方法。
应当指出，对于本领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以对本发明进行若干改进和修饰，这些改进和修饰也落入本发明权利要求的保护范围内。
本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。
在本申请所提供的几个实施例中，应该理解到，所揭露的系统、装置和方法，可以通过其它的方式实现。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。
应当理解，本申请实施例中，从权、各个实施例、特征可以互相组合结合，都能实现解决前述技术问题。
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Rerad-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围，对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (10)
1.一种词听方式的单词记忆强度计算方法，其特征在于，包括：
输出学习单词的语音信息；
接收对所述学习单词的初次学习信息；
输出所述学习单词的文本信息，所述文本信息包括所述学习单词音标信息、中文释义信息和英文信息；
根据所述初次学习信息对所述学习单词进行标记并生成所述学习单词的初始记忆强度值。
2.根据权利要求1所述的词听方式的单词记忆强度计算方法，其特征在于，所述输出学习单词的语音信息还包括：
接收输出所述学习单词的语音信息时的外部音频信息；
设置声音强度阈值参数；
分析所述外部音频信息，判断所述外部音频信息的外部声音强度是否大于所述声音强度阈值参数；
若是，将此次学习单词的学习计为无效学习；
若否，将此次学习单词的学习计为有效学习。
3.根据权利要求1或2所述的词听方式的单词记忆强度计算方法，其特征在于，所述接收对所述学习单词的初次学习信息还包括步骤：
设置第一反应时长和第二反应时长，所述第一反应时长大于第二反应时长；
接收作答信息，所述作答信息包括答案信息和所答时长，判断所述答案信息是否正确，对比所述第一反应时长和第二反应时长与作答时长；
当所述作答信息正确时且所述作答时长小于或等于所述第二反应时长时，所述学习单词的标记为熟词且记忆强度值为第一初始记忆强度值；
当所述作答信息正确时且所述作答时长大于所述第二反应时长、小于或等于所述第一反应时长时，所述学习单词的标记为生词且记忆强度值为第三初始记忆强度值，所述第三初始记忆强度值计算根据公式I＝Dz-(D3-Db)×n，Dz为极值，I为第三初始记忆强度值，D3为实际反应时长，Db为第二反应时长,n为第一影响系数；
当所述作答信息错误时标记所述学习单词为生词，所述学习单词的记忆强度值为第二初始记忆强度值。
4.根据权利要求3所述的词听方式的单词记忆强度计算方法，其特征在于，还包括用户对所述学习单词的再次学习，包括：
获取用户对所述学习单词的再次学习信息；
判定再次学习的次数，当所述再次学习的次数为一次时，根据首次再次学习信息和初始记忆强度值生成第一当前记忆强度值；当所述再次学习的次数为多次时，根据第N次再次学习信息和第(N-1)当前记忆强度值生成第N当前记忆强度值，其中N为再次学习的次数。
5.根据权利要求4所述的词听方式的单词记忆强度计算方法，其特征在于，所述再次学习包括再次复习，包括：
获取所述再次复习信息，所述再次复习信息包括生词复习信息；
若是生词复习信息，在复习阶段答对所述生词时，所述生词的记忆强度值增加，增加的值包括第一固定值；在复习阶段答错所述生词或者用户作答超时时，所述生词的记忆强度值减少，减少的值包括第二固定值。
6.根据权利要求4或5所述的词听方式的单词记忆强度计算方法，其特征在于，所述记忆强度值的增加或减少还包括难度影响值，所述难度影响值计算公式为：
Df＝Dti×Mdt,Dti＝(Dm+Am),Dm＝Rwr×λ,Rwr＝Crw/Crt；
所述Df为难度影响值，Dti为难度指数，Mdt为难度指数影响记忆强度基础值，Dm为学习数据计算难度，Am为人工标注难度，Rwr为用户复习过程中对所述生词作答的错误率，λ为难度标记，Crw为用户复习过程中和初次学习中对所述生词答错的次数之和，Crt为用户复习过程中对所述生词作答的总次数。
7.根据权利要求6所述的词听方式的单词记忆强度计算方法，其特征在于，所述记忆强度增加值或减少值还包括疲劳影响值，所述疲劳影响值的计算根据公式：
Fa＝(1-Fi)×Mfa,Fi＝De/Ds；
所述Fa为疲劳影响值，Fi为疲劳指数，Mfa为疲劳指数影响记忆强度基础值，De为学习有效时长，Ds为疲劳设定时长。
8.根据权利要求7所述的词听方式的单词记忆强度计算方法，其特征在于，所述再次学习还包括测试，所述再次学习信息还包括测试信息，所述测试信息包括：当测试阶段答对所述熟词时，所述熟词记忆强度值不改变；当测试阶段答错所述熟词时，所述熟词重新被标记为生词且记忆强度值变为第二初始记忆强度值；当答错所述生词时，所述生词的记忆强度值减少；当答对所述生词时，所述生词的记忆强度值增加。
9.根据权利要求8所述的词听方式的单词记忆强度计算方法，其特征在于，所述生词作答总正确率的计算公式为：Rrt＝Crr+Cqr/Crt+Cqt；
其中Crr为复习过程中和初次学习中用户对所述生词答对的总次数，Cqr为用户在测试中对所述生词答对的总次数，Crt为用户在复习过程中和初次学习中对所述生词作答的总次数，Cqt为用户在测试中对所述生词作答的总次数。
10.一种单词记忆强度计算的装置，其特征在于，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现上述权利要求1-9任一项的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010566589.7A CN111861812B (zh) | 2020-06-19 | 2020-06-19 | 一种词听方式的单词记忆强度计算方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010566589.7A CN111861812B (zh) | 2020-06-19 | 2020-06-19 | 一种词听方式的单词记忆强度计算方法及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111861812A true CN111861812A (zh) | 2020-10-30 |
| CN111861812B CN111861812B (zh) | 2024-01-16 |
Family
ID=72986975
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010566589.7A Active CN111861812B (zh) | 2020-06-19 | 2020-06-19 | 一种词听方式的单词记忆强度计算方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111861812B (zh) |
Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101201812A (zh) * | 2006-12-14 | 2008-06-18 | 英业达股份有限公司 | 通过计算机可执行的辅助学习语言单词的系统及其方法 |
| 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 |
| CN106846980A (zh) * | 2017-02-15 | 2017-06-13 | 山东顺势教育科技有限公司 | 一种记忆引擎系统 |
| CN106856066A (zh) * | 2016-12-20 | 2017-06-16 | 杨燕 | 单词拆分记忆学习系统 |
| CN109410670A (zh) * | 2018-12-25 | 2019-03-01 | 杭州晶智能科技有限公司 | 一种根据词义联想的外语单词强化训练方法 |
| CN109448464A (zh) * | 2018-12-29 | 2019-03-08 | 杭州晶智能科技有限公司 | 一种英文单词拼写练习方法 |
| CN109597808A (zh) * | 2018-10-29 | 2019-04-09 | 清远墨墨教育科技有限公司 | 一种根据单词难度的单词排序方法及学习方法 |
| CN109767366A (zh) * | 2019-01-08 | 2019-05-17 | 汪胜利 | 一种实时扫描分析单词记忆效果的计算机雷达系统 |
| CN109935120A (zh) * | 2019-03-15 | 2019-06-25 | 山东顺势教育科技有限公司 | 多核记忆驱动及其记忆方法 |
| CN110473438A (zh) * | 2019-07-30 | 2019-11-19 | 北京捷足先登教育科技有限公司 | 一种基于定量化分析的单词辅助学习系统及方法 |
| CN111126552A (zh) * | 2019-12-26 | 2020-05-08 | 深圳前海黑顿科技有限公司 | 一种智能学习内容推送方法及系统 |
-
2020
- 2020-06-19 CN CN202010566589.7A patent/CN111861812B/zh active Active
Patent Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101201812A (zh) * | 2006-12-14 | 2008-06-18 | 英业达股份有限公司 | 通过计算机可执行的辅助学习语言单词的系统及其方法 |
| 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 |
| CN106856066A (zh) * | 2016-12-20 | 2017-06-16 | 杨燕 | 单词拆分记忆学习系统 |
| CN106846980A (zh) * | 2017-02-15 | 2017-06-13 | 山东顺势教育科技有限公司 | 一种记忆引擎系统 |
| CN109597808A (zh) * | 2018-10-29 | 2019-04-09 | 清远墨墨教育科技有限公司 | 一种根据单词难度的单词排序方法及学习方法 |
| CN109410670A (zh) * | 2018-12-25 | 2019-03-01 | 杭州晶智能科技有限公司 | 一种根据词义联想的外语单词强化训练方法 |
| CN109448464A (zh) * | 2018-12-29 | 2019-03-08 | 杭州晶智能科技有限公司 | 一种英文单词拼写练习方法 |
| CN109767366A (zh) * | 2019-01-08 | 2019-05-17 | 汪胜利 | 一种实时扫描分析单词记忆效果的计算机雷达系统 |
| CN109935120A (zh) * | 2019-03-15 | 2019-06-25 | 山东顺势教育科技有限公司 | 多核记忆驱动及其记忆方法 |
| CN110473438A (zh) * | 2019-07-30 | 2019-11-19 | 北京捷足先登教育科技有限公司 | 一种基于定量化分析的单词辅助学习系统及方法 |
| CN111126552A (zh) * | 2019-12-26 | 2020-05-08 | 深圳前海黑顿科技有限公司 | 一种智能学习内容推送方法及系统 |
Non-Patent Citations (3)
| Title |
|---|
| 姚金娇: "借助记忆规律攻破英语词汇教学难关", 《英语画刊(高级刊)》, no. 13, pages 68 - 69 * |
| 王正海: "遗忘规律在单词记忆中的运用", 《商情(科学教育家)》, no. 5, pages 38 * |
| 石元鹏等: "浅淡记忆与外语教学", 《学理论》, no. 6, pages 217 - 218 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111861812B (zh) | 2024-01-16 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Eldredge et al. | Comparing the effectiveness of two oral reading practices: Round-robin reading and the shared book experience | |
| Horner et al. | The role of response efficiency in the reduction of problem behaviors through functional equivalence training: A case study | |
| CN112785205A (zh) | 一种基于教育大数据的智慧教学综合分析系统 | |
| CN111861372B (zh) | 一种单词掌握程度的测试方法及系统 | |
| CN111815267B (zh) | 一种外语学习及复习的方法及装置 | |
| CN111861374B (zh) | 一种外语复习机制及装置 | |
| CN111861817B (zh) | 一种字母语言听写学习的记忆强度计算方法及系统 | |
| CN111861814B (zh) | 一种字母语言听写学习中记忆水平的评估方法及系统 | |
| Duques | Grammatical deficiencies in writing: An investigation of learning disabled college students | |
| CN111861812B (zh) | 一种词听方式的单词记忆强度计算方法及装置 | |
| CN111861370B (zh) | 一种词听最佳复习时间规划的方法及装置 | |
| CN111493883A (zh) | 汉语重复-回忆言语认知功能测试评估系统 | |
| CN111861371B (zh) | 一种计算单词最佳复习时间的方法及设备 | |
| CN111861815B (zh) | 一种词听学习中评估用户记忆水平的方法及装置 | |
| CN111861375B (zh) | 一种单词听写最佳复习时间的计算方法及系统 | |
| CN114528808A (zh) | 一种基于多维游戏机制的单词融合记忆方法及系统 | |
| CN111861816B (zh) | 一种语言互译学习中用于计算单词记忆强度的方法及设备 | |
| CN111861813B (zh) | 一种智能默写记忆强度的计算方法及电子设备 | |
| CN111028853A (zh) | 一种口语表达力评估方法及系统 | |
| Haggard | Vocabulary acquisition during elementary and post-elementary years: A preliminary report | |
| CN111861819A (zh) | 一种智能默写中评估用户记忆水平的方法及电子设备 | |
| CN110414628A (zh) | 一种自创课程的学习过程规划和管理方法及系统 | |
| Du | Teacher voice feature extraction and recognition based on health belief model | |
| González | Intervention in a preschool facility aiming at job performance improve-ment based on an enhancement of empathy, conflict ability and life sat-isfaction | |
| CN111861373A (zh) | 一种智能默写中的复习时间计算方法及电子设备 |
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 |