CN111861816A - 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 - Google Patents

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 Download PDF

Info

Publication number
CN111861816A
CN111861816A CN202010568076.XA CN202010568076A CN111861816A CN 111861816 A CN111861816 A CN 111861816A CN 202010568076 A CN202010568076 A CN 202010568076A CN 111861816 A CN111861816 A CN 111861816A
Authority
CN
China
Prior art keywords
value
learning
word
user
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
Application number
CN202010568076.XA
Other languages
English (en)
Other versions
CN111861816B (zh
Inventor
周海滨
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Guoyin Redwood Education Technology Co ltd
Original Assignee
Beijing Guoyin Redwood Education Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beijing Guoyin Redwood Education Technology Co ltd filed Critical Beijing Guoyin Redwood Education Technology Co ltd
Priority to CN202010568076.XA priority Critical patent/CN111861816B/zh
Publication of CN111861816A publication Critical patent/CN111861816A/zh
Application granted granted Critical
Publication of CN111861816B publication Critical patent/CN111861816B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • 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
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Educational Administration (AREA)
  • Educational Technology (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Tourism & Hospitality (AREA)
  • Strategic Management (AREA)
  • Health & Medical Sciences (AREA)
  • Economics (AREA)
  • General Health & Medical Sciences (AREA)
  • Human Resources & Organizations (AREA)
  • Marketing (AREA)
  • Primary Health Care (AREA)
  • General Business, Economics & Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Electrically Operated Instructional Devices (AREA)

Abstract

本发明涉及智能记忆方法技术领域，尤其涉及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，包括为用户生成学习单词的中文释义或者外文释义，获取用户对所述学习单词的初次学习信息，根据所述初次学习信息对所述学习单词进行标记并且生成所述学习单词的初始记忆强度值；通过对学习单词进行标记和生成初始记忆强度值，解决了用户无法直观的了解对学习单词的掌握程度，能够让用户合理的安排学习。

Description

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
技术领域：
本发明涉及智能记忆方法技术领域，尤其涉及一种语言互译学习中用于计算单词记忆强度的方法及设备。
背景技术：
随着全球化的推广，语言是人们沟通能够及交流的基础。国自加入WTO以来，掀起了一阵又一阵的外语学习热。在外语的学习工程中，外语单词的记忆是最为基础，最为重要的过程，但往往因为其枯燥无比让无数的外语学习者感到困难无比，花了大量时间往往无法达到良好的记忆效果，最终导致外语学习的困难；现在有不少外语单词的词典，记忆卡，记忆贴等及对应的记忆方法，最普通的是将单词及相应的注释按照一定排版印刷，使用者在学习使用过程中感觉十分枯燥，容易疲劳，效果很不好；目前外语学习者学习完单词以后，没有比较合理的机制或表示方法来反映学习者对单词的掌握程度，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：
本发明提供一种语言互译学习中用于计算单词记忆强度的方法及设备至少解决上述一个问题。
本发明提供一种语言互译学习中用于计算单词记忆强度的方法，包括为用户生成学习单词的中文释义或者外文释义，获取用户对所述学习单词的初次学习信息，根据所述初次学习信息对所述学习单词进行标记并且生成所述学习单词的初始记忆强度值。
采用上述方案，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。
进一步地，当所述初次学习信息为用户答对所述学习单词时，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；当所述初次学习信息为用户答错所述学习单词时，所述学习单词的标记为生词且记忆强度值为第二初始记忆强度值。
采用上述方案，通过用户作答情况的对错来赋予不同的标记和初始记忆强度值，用户初次学习能够答对，说明用户对所述学习单词的掌握很高，于是记为熟词，赋予记忆强度值较高的第一初始记忆强度值；当用户初次学习答错，说明用户对所述学习单词的掌握很低，则记为生词，赋予记忆强度值较低的第二记忆强度值。
优选地，所述语言互译学习中用于计算单词记忆强度的方法包括设置上限反应时长和下限反应时长，当所述初次学习信息为用户答对所述学习单词且作答时长小于或等于所述下限反应时长时，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；所述初次学习信息为用户答对所述学习单词且作答时长大于所述下限反应时长、小于或等于所述上限反应时长时，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，计算公式为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为下限反应时长,n为第一影响系数；所述初次学习信息为用户答错所述学习单词或者作答时长超过上限反应时长时，所述学习单词的标记为生词且记忆强度值为第二初始记忆强度值。
采用上述方案，提供了另外一种根据不同的初次学习信息对单词进行标记及对初始记忆强度复制的实施方式，通过所述语言互译学习中用于计算单词记忆强度的方法还包括设置上限反应时长和下限反应时长，通过用户作答的实际反应时长与所述上限反应时长和下限反应时长的比较，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，所述上限反应时长和下限反应时长及公式能够根据实际情况和人类遗忘曲线进行确定。
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，获取用户对所述学习单词的再次学习信息，当所述再次学习的次数为一次时，根据第一次的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；当所述再次复习的次数为多次时，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。所述再次学习包括再次复习，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，所述生词复习信息包括：所述用户在再次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；用户在再次复习阶段答错所述生词或者用户作答超时，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。
因为对于用户熟词掌握的程度比较高，所以为更有针对性的帮助用户学习，熟词可以暂不列入再次复习阶段；增加的第一固定值表明用户对所述生词的掌握程度增加，减小的第二固定值表明用户对所述生词的掌握程度降低；所述第一固定值和第二固定值可以根据人类遗忘曲线和初始记忆强度值的大小进行调整。
优选地，所述第一固定值小于第二固定值。
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。
进一步地，所述增加或减少的记忆强度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为学习数据计算得出的难度，Am为人工标注难度，Rwr为用户在再次复习过程中对所述生词作答的错误率，λ为难度标记，Crw为用户再次复习过程中答错所述生词的总次数，Crt为用户在再次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，人工标注难度为单词；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曲线进行确定，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。
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曲线进行确定，本实施方式为反应时长影响记忆强度基础值Srd，表示反应时长最多对记忆强度值影响的多少，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,其中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，根据人类遗忘曲线曲线，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，当有效学习时长超过30分钟时，有效学习时长的取值为30分钟。
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：当用户在测试阶段答对所述熟词时，所述熟词记忆强度值不改变；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公式为Sqr＝16+16×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。
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。
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＝(14+12×Meg×0.2)/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，将档位分为10个档位，Rrt小于等于5：档位值为1；Rrt大于5且小于等于15：档位值为2；Rrt大于15且小于等于25：档位值为3；Rrt大于25且小于等于40：档位值为4；Rrt大于40且小于等于60：档位值为5；Rrt大于60且小于等于75：档位值为6；Rrt大于75且小于等于85：档位值为7；Rrt大于85且小于等于93：档位值为8；Rrt大于93且小于等于98：档位值为9；Rrt大于98：档位值为10；
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，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<-7×24×60×60时，用户在测试中对所述生词答对的总次数Cqr不增加；当Tit>7×24×60×60，用户在测试中对所述生词答对的总次数Cqr增加2次；当-7×24×60×60≤Tit≤7×24×60×60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/(7×24×60×60)；当Tit<-7×24×60×60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>7×24×60×60，用户在测试中对所述生词答错的总次数Cqw不增加；当-7×24×60×60≤Tit≤7×24×60×60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/(7×24×60×60)。
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7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7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7天以上、也不晚于最佳复习时间点7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曲线确定，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，当用户于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用户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6点。
采用上述方案，考虑到睡眠对记忆的促进作用。
优选地，当所述用户进行生词的再次复习时，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为用户再次复习过程中答错所述生词的总次数，Crt为用户在再次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的再次复习时，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根据人类遗忘曲线进行确定。
优选地，当所述用户进行生词的再次复习时，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根据人类遗忘曲线进行确定。
优选地，当所述用户进行生词的再次复习时，增加或减少的记忆强度值还包括勤奋影响值，当用户答对且当前复习时间点小于最佳复习时间点时，勤奋影响值为0；当用户答错且当前复习时间点大于最佳复习时间点时，勤奋影响值为0。
当用户答对且当前复习时间点大于最佳复习时间点时按照下述公式计算出勤奋影响值，总记忆强度值增加；当用户答错且当前复习时间点小于最佳复习时间点时，按照下述述公式计算，总记忆强度值减少。上述两种情况的计算公式为：Dli＝Dgi×Mdg,Dgi＝(Trc-Tbr)/Td,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，勤奋影响值反映了用户实际作答时间与最佳复习时间的关系，实际作答时间不同，产生的勤奋影响值也不同。
本发明还保护一种应用上述语言互译学习中用于计算单词记忆强度的方法的设备，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语言互译学习中用于计算单词记忆强度的方法。
本发明的有益效果：
1.通过对学习单词进行标记和生成初始记忆强度值，解决了用户无法直观的了解对学习单词的掌握程度，能够让用户合理的安排学习。
2.所述上限反应时长和下限反应时长的设置，解决了用户作答时无法根据答题的快慢而区别的显示出用户对于学习单词的掌握程度，带来了可以使用户学习成果更加细化、学习效果更好的技术效果。
3.所述第N当前强度值解决了用户在多次复习后对学习单词的记忆强度无法进行更新的技术问题。
4.所述难度影响值解决了用户学习时计算未考虑单词难度而造成的记忆强度不准确的问题；所述反应时长影响值解决了用户学习时无法因为反应快慢而确定记忆强度值的技术问题。
5.所述勤奋影响值解决了用户学习时无法因为复习时间的早晚而确定记忆强度值的技术问题。
6.所述测试为用户提供更加多元化而又有效的学习模式；所述档位的计算解决了无法反应用户记忆快慢的技术问题；所述最佳时间点的确定解决了用户无法得知何时复习对记忆增强效果做最好的技术问题。
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为本发明一种实施方式整体流程图；
图2为本发明一种实施方式复习流程图；
图3为本发明一种实施方式用户做答图；
图4为本发明一种实施方式用户作答结果图；
图5为人类遗忘曲线示意图；
图6为本发明用户学习过程参考图。
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。
文中所述外语单词可以指但不限于英文单词，下面以英文单词描述为例，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低；为方便统一计算，涉及时长的运算单位统一为秒。
参考图1、图3、图4所示，本发明提供一种语言互译学习中用于计算单词记忆强度的方法，包括为用户生成学习单词的中文释义或者外文释义，获取用户对所述学习单词的初次学习信息，根据所述初次学习信息对所述学习单词进行标记并且生成所述学习单词的初始记忆强度值。
采用上述方案，所述语言互译学习中用于计算单词记忆强度的方法可以通过在电脑软件或在手机APP等来实现，用户首先可以对任意词库进行选择，例如选择大学英语四、六级词库或者商务英语词库，然后可以选择智能记忆模块进行学习，所述智能记忆模块为用户通过看英文是否能掌握中文意思、或者看中文是否能掌握英文意思；显示界面会出现被选择词库中相应的单词，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。
当所述初次学习信息为用户答对所述学习单词时，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；当所述初次学习信息为用户答错所述学习单词时，所述学习单词的标记为生词且记忆强度值为第二初始记忆强度值。
采用上述方案，提供了一种根据不同的初次学习信息对单词进行标记及对初始记忆强度复制的实施方式，通过用户作答情况的对错来赋予不同的标记和初始记忆强度值，用户初次学习能够答对，说明用户对所述学习单词的掌握很高，于是记为熟词，赋予记忆强度值较高的第一初始记忆强度值；当用户初次学习答错，说明用户对所述学习单词的掌握很低，则记为生词，赋予记忆强度值较低的第二记忆强度值。
所述语言互译学习中用于计算单词记忆强度的方法还包括设置上限反应时长和下限反应时长，当所述初次学习信息为用户答对所述学习单词且作答时长小于或等于所述下限反应时长时，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；所述初次学习信息为用户答对所述学习单词且作答时长大于所述下限反应时长、小于或等于所述上限反应时长时，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，计算公式为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为下限反应时长，n为第一影响系数；所述初次学习信息为用户答错所述学习单词或者作答时长超过上限反应时长时，所述学习单词的标记为生词且记忆强度值为第二初始记忆强度值。
采用上述方案，提供了另外一种根据不同的初次学习信息对单词进行标记及对初始记忆强度复制的实施方式，通过所述语言互译学习中用于计算单词记忆强度的方法还包括设置上限反应时长和下限反应时长，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值，所述上限反应时长和下限反应时长能够根据人类遗忘曲线进行确定，所述极值可以取值为40，极值为所述第三初始记忆强度值最大值，第一影响系数根据人类遗忘曲线得到，取值可以为2，用于计算实际反应时长对记忆强度产生的影响值；例如根据人类遗忘曲线，所述上限反应时长可以为20秒、下限反应时长可以为5秒，对用户在5秒以(包括5秒)内作答正确，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，5＜D3≤20，D3为实际反应时长。通过加入所述上限反应时长和下限反应时长的设置，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。
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，获取用户对所述学习单词的再次学习信息，当所述再次学习的次数为一次时，根据第一次的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；当所述再次复习的次数为多次时，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。
所述再次学习包括再次复习，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，所述生词复习信息包括：所述用户在再次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；用户在再次复习阶段答错所述生词或者用户作答超时，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。
因为对于用户熟词掌握的程度比较高，所以为更有针对性的帮助用户学习，熟词可以暂不列入再次复习阶段；增加的第一固定值表明用户对所述生词的掌握程度增加，减小的第二固定值表明用户对所述生词的掌握程度降低；所述第一固定值和第二固定值可以根据人类遗忘曲线和初始记忆强度值的大小进行调整。
所述第一固定值小于第二固定值。
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；例如第一固定值可以为2、第二固定值可以为9。
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。
所述增加或减少的记忆强度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为学习数据计算得出的难度，Am为人工标注难度，Rwr为用户在再次复习过程中对所述生词作答的错误率，λ为难度标记，Crw为用户再次复习过程中答错所述生词的总次数，Crt为用户在再次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，例如人工标注难度为单词，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；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曲线进行确定，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学习数据计算难度的多少。
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。
采用上述方案，Da为上限反应时长，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曲线进行确定，本实施方式为反应时长影响记忆强度基础值Srd为8，表示反应时长最多对记忆强度值影响的多少，Mrd的作答时长单位为秒；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。
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,其中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，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，当有效学习时长超过30分钟时，有效学习时长的取值为30分钟，根据人类遗忘曲线，可将Ds设定为30分钟,30×60为将30分钟换算成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。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，所述Mfa根据人类遗忘曲线得到，本实施方式中取值为4。
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。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。
生词测试直接减少值的计算公式为Sqr＝16+16×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,式中的常量16根据人类遗忘曲线确定；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。
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。
当Tit<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)/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，式中的常量14、12根据人类遗忘曲线确定；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。
所述档位反应用户记忆力水平的高低，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，可以将档位分为10个档位，如下：Rrt小于等于5：档位值为1；Rrt大于5且小于等于15：档位值为2；Rrt大于15且小于等于25：档位值为3；Rrt大于25且小于等于40：档位值为4；Rrt大于40且小于等于60：档位值为5；Rrt大于60且小于等于75：档位值为6；Rrt大于75且小于等于85：档位值为7；Rrt大于85且小于等于93：档位值为8；Rrt大于93且小于等于98：档位值为9；
Rrt大于98：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。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。
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<-7×24×60×60时，用户在测试中对所述生词答对的总次数Cqr不增加；当Tit>7×24×60×60，用户在测试中对所述生词答对的总次数Cqr增加2次；当-7×24×60×60≤Tit≤7×24×60×60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/(7×24×60×60)。
当Tit<-7×24×60×60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>7×24×60×60，用户在测试中对所述生词答错的总次数Cqw不增加；当-7×24×60×60≤Tit≤7×24×60×60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/(7×24×60×60)。
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；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7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7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7天以上、也不晚于最佳复习时间点7天以上时，那么按照公式合理进行计算。
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曲线确定，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。
当用户于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用户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6点。
采用上述方案，考虑到睡眠对记忆的促进作用。
当所述用户进行生词的再次复习时，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为用户再次复习过程中答错所述生词的总次数，Crt为用户在再次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。
当所述用户进行生词的再次复习时，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根据人类遗忘曲线进行确定，本实施方式中可以取值为6.
当所述用户进行生词的再次复习时，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根据人类遗忘曲线进行确定，本实施方式中可以取值为7.5。
当所述用户进行生词的再次复习时，增加或减少的记忆强度值还包括勤奋影响值，当用户答对且当前复习时间点小于最佳复习时间点时，勤奋影响值为0；当用户答错且当前复习时间点大于最佳复习时间点时，勤奋影响值为0。
当用户答对且当前复习时间点大于最佳复习时间点时按照下述公式计算出勤奋影响值，总记忆强度值增加；当用户答错且当前复习时间点小于最佳复习时间点时，按照下述述公式计算，总记忆强度值减少。上述两种情况的计算公式为：Dli＝Dgi×Mdg,Dgi＝(Trc-Tbr)/Td,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，勤奋影响值反映了用户实际作答时间与最佳复习时间的关系，Td为勤奋影响基数，可以取值为一天，即24×60×60，根据人类遗忘曲线的计算得出,实际作答时间不同产生的勤奋影响值也不同。
参考图6所示，用户可以在实际学习中通过图中所述步骤进行学习。
本发明还保护一种应用上述语言互译学习中用于计算单词记忆强度的方法的设备，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所述语言互译学习中用于计算单词记忆强度的方法。
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)

1.一种语言互译学习中用于计算单词记忆强度的方法，其特征在于：
为用户生成学习单词的中文释义或者外文释义；
获取用户对所述学习单词的初次学习信息；
根据所述初次学习信息对所述学习单词进行标记并且生成所述学习单词的初始记忆强度值。
2.根据权利要求1所述的语言互译学习中用于计算单词记忆强度的方法，其特征在于：
当所述初次学习信息为用户答对所述学习单词时，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；
当所述初次学习信息为用户答错所述学习单词时，所述学习单词的标记为生词且记忆强度值为第二初始记忆强度值。
3.根据权利要求1所述的语言互译学习中用于计算单词记忆强度的方法，其特征在于：
所述语言互译学习中用于计算单词记忆强度的方法还包括设置上限反应时长和下限反应时长；
当所述初次学习信息为用户答对所述学习单词且作答时长小于或等于所述下限反应时长时，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；
当所述初次学习信息为用户答对所述学习单词且作答时长大于所述下限反应时长、小于或等于所述上限反应时长时，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，计算公式为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为下限反应时长,n为第一影响系数；
所述初次学习信息为用户答错所述学习单词或者作答时长超过上限反应时长时，所述学习单词的标记为生词且记忆强度值为第二初始记忆强度值。
4.根据权利要求2或3所述的语言互译学习中用于计算单词记忆强度的方法，其特征在于：
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，获取用户对所述学习单词的再次学习信息；
当所述再次学习的次数为一次时，根据第一次的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；
当所述再次复习的次数为多次时，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所述的语言互译学习中用于计算单词记忆强度的方法，其特征在于：
所述再次学习包括再次复习，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；
所述生词复习信息包括，所述用户在再次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；用户在再次复习阶段答错所述生词或者用户作答超时，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5所述语言互译学习中用于计算单词记忆强度的方法，其特征在于：
所述增加或减少的记忆强度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为学习数据计算得出的难度，Am为人工标注难度，Rwr为用户在再次复习过程中对所述生词作答的错误率，λ为难度标记，Crw为用户再次复习过程中答错所述生词的总次数，Crt为用户在再次复习过程中对所述生词作答的总次数。
7.根据权利要求6所述的语言互译学习中用于计算单词记忆强度的方法，其特征在于：
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。
8.根据权利要求6或7所述的语言互译学习中用于计算单词记忆强度的方法，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公式为：
Fa＝(1-Fi)×Mfa,Fi＝De/Ds,其中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。
9.根据权利要求5-8任意一项所述的语言互译学习中用于计算单词记忆强度的方法，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，当用户在测试阶段答对所述熟词时，用户对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，减少值为生词测试直接减少值；当用户答对所述生词时，所述生词的记忆强度值增加，增加值为生词测试直接增加值。
10.一种语言互译学习中用于计算单词记忆强度的设备，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。
CN202010568076.XA 2020-06-19 2020-06-19 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 Active CN111861816B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010568076.XA CN111861816B (zh) 2020-06-19 2020-06-19 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

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010568076.XA CN111861816B (zh) 2020-06-19 2020-06-19 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

Publications (2)

Publication Number Publication Date
CN111861816A true CN111861816A (zh) 2020-10-30
CN111861816B CN111861816B (zh) 2024-01-16

Family

ID=72987535

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010568076.XA Active CN111861816B (zh) 2020-06-19 2020-06-19 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

Country Status (1)

Country Link
CN (1) CN111861816B (zh)

Citations (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1356633A (zh) * 2001-12-31 2002-07-03 杨松林 一种编制高效率记忆程序的方法
WO2003050781A2 (en) * 2001-12-12 2003-06-19 Cerego Cayman, Inc. System, apparatus and method for maximizing effectiveness and efficiency of learning, retaining and retrieving knowledge and skills
CN102074134A (zh) * 2009-11-25 2011-05-25 英业达股份有限公司 依据作答时间判断生词熟练程度的生词测验系统及其方法
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
KR20140004536A (ko) * 2012-07-03 2014-01-13 (주)아이티씨교육 음성인식엔진을 이용한 스피킹 테스트 및 다중 그룹화 테스트를 통한 단어 암기 서비스 제공 방법
WO2016159622A1 (ko) * 2015-04-03 2016-10-06 네이버 주식회사 사용자 학습 등급에 따라 단어 학습 내용을 제공하는 방법과 시스템 및 기록 매체
KR20170003504A (ko) * 2016-12-27 2017-01-09 네이버 주식회사 사용자 학습 등급에 따라 단어 학습 내용을 제공하는 방법과 시스템 및 기록 매체
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
US20180322798A1 (en) * 2017-05-03 2018-11-08 Florida Atlantic University Board Of Trustees Systems and methods for real time assessment of levels of learning and adaptive instruction delivery
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
CN110276005A (zh) * 2019-06-05 2019-09-24 北京策腾教育科技集团有限公司 一种基于用户在线英语单词交互数据的个性化推荐方法及系统
CN110473435A (zh) * 2019-07-30 2019-11-19 北京捷足先登教育科技有限公司 一种具有学习周期的定量化的单词辅助学习系统及方法
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
CN110489454A (zh) * 2019-07-29 2019-11-22 北京大米科技有限公司 一种自适应测评方法、装置、存储介质及电子设备
CN110599375A (zh) * 2019-08-15 2019-12-20 深圳市莱法照明通信科技有限公司 一种用于个性化学习优化的方法、装置、系统和存储介质

Patent Citations (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2003050781A2 (en) * 2001-12-12 2003-06-19 Cerego Cayman, Inc. System, apparatus and method for maximizing effectiveness and efficiency of learning, retaining and retrieving knowledge and skills
CN1356633A (zh) * 2001-12-31 2002-07-03 杨松林 一种编制高效率记忆程序的方法
CN102074134A (zh) * 2009-11-25 2011-05-25 英业达股份有限公司 依据作答时间判断生词熟练程度的生词测验系统及其方法
KR20140004536A (ko) * 2012-07-03 2014-01-13 (주)아이티씨교육 음성인식엔진을 이용한 스피킹 테스트 및 다중 그룹화 테스트를 통한 단어 암기 서비스 제공 방법
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
WO2016159622A1 (ko) * 2015-04-03 2016-10-06 네이버 주식회사 사용자 학습 등급에 따라 단어 학습 내용을 제공하는 방법과 시스템 및 기록 매체
KR20170003504A (ko) * 2016-12-27 2017-01-09 네이버 주식회사 사용자 학습 등급에 따라 단어 학습 내용을 제공하는 방법과 시스템 및 기록 매체
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
US20180322798A1 (en) * 2017-05-03 2018-11-08 Florida Atlantic University Board Of Trustees Systems and methods for real time assessment of levels of learning and adaptive instruction delivery
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
CN110276005A (zh) * 2019-06-05 2019-09-24 北京策腾教育科技集团有限公司 一种基于用户在线英语单词交互数据的个性化推荐方法及系统
CN110489454A (zh) * 2019-07-29 2019-11-22 北京大米科技有限公司 一种自适应测评方法、装置、存储介质及电子设备
CN110473435A (zh) * 2019-07-30 2019-11-19 北京捷足先登教育科技有限公司 一种具有学习周期的定量化的单词辅助学习系统及方法
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
CN110599375A (zh) * 2019-08-15 2019-12-20 深圳市莱法照明通信科技有限公司 一种用于个性化学习优化的方法、装置、系统和存储介质

Non-Patent Citations (10)

* Cited by examiner, † Cited by third party
Title
BLANKA KLÍMOVÁ: "Mobile phones and/or smartphones and their apps for teaching English as a foreign language", EDUCATION AND INFORMATION TECHNOLOGIES, vol. 23, pages 1091, XP036484622, DOI: 10.1007/s10639-017-9655-5 *
FERNANDO ROSELL-AGUILAR: "Autonomous language learning through a mobile application: a user evaluation of the busuu app", COMPUTER ASSISTED LANGUAGE LEARNING, vol. 31, no. 8, pages 854 - 881 *
GUAQUETA 等: "The Use of Language Learning Apps as a Didactic Tool for EFL Vocabulary Building", ENGLISH LANGUAGE TEACHING, pages 61 - 71 *
JAROSLAV KACETL 等: "Use of Smartphone Applications in English Language Learning—A Challenge for Foreign Language Education", EDUC. SCI, vol. 9, no. 3, pages 1 - 7 *
JAROSLAV KACETL 等: "Use of Smartphone Applications in English Language Learning—A Challenge for Foreign Language Education", EDUC.SCI, vol. 9, no. 3, pages 1 - 9 *
吴梦珂: "针对新HSK4级词汇的智能手机app内容设计研究——以形容词为例", 中国优秀硕士论文电子期刊, pages 1 - 95 *
张继楠 等: "朝鲜语专业四级词汇轻松记 微信小程序的创建与应用研究", 新媒体研究, vol. 5, no. 14, pages 48 - 49 *
茹韶燕 等: "基于深度学习的英语单词学习系统应用研究", 电脑编程技巧与维护, vol. 2020, no. 2, pages 133 - 134 *
袁霁雯: "Android平台下英语单词记忆软件的设计与实现", 信息技术, vol. 42, no. 12, pages 108 - 110 *
马云飞: "基于Android平台的英语单词记忆软件系统的设计", 信息与电脑(理论版), vol. 2016, no. 24, pages 166 - 167 *

Also Published As

Publication number Publication date
CN111861816B (zh) 2024-01-16

Similar Documents

Publication Publication Date Title
Taylor Application of'cloze'and entropy measures to the study of contextual constraint in samples of continuous prose
CN111861372B (zh) 一种单词掌握程度的测试方法及系统
CN106156354A (zh) 一种学习资源推荐系统
CN113871015B (zh) 用于提升认知的人机交互方案推送方法及系统
CN112785205A (zh) 一种基于教育大数据的智慧教学综合分析系统
Domingue et al. Variation in respondent speed and its implications: Evidence from an adaptive testing scenario
CN111861374B (zh) 一种外语复习机制及装置
CN111815267B (zh) 一种外语学习及复习的方法及装置
CN111861371B (zh) 一种计算单词最佳复习时间的方法及设备
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
CN113377942A (zh) 一种试卷生成方法、装置、计算机设备及存储介质
CN111861816A (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
CN111861375B (zh) 一种单词听写最佳复习时间的计算方法及系统
CN111862707A (zh) 一种语言互译学习中评估用户记忆水平的方法及设备
Yarab et al. Young adults' reactions of jealousy and perceived threat based on the characteristics of a hypothetical rival
CN111861812B (zh) 一种词听方式的单词记忆强度计算方法及装置
Mioduser et al. Using computers to teach remedial spelling to a student with low vision: A case study
CN111861813B (zh) 一种智能默写记忆强度的计算方法及电子设备
CN114528808A (zh) 一种基于多维游戏机制的单词融合记忆方法及系统
JP6930754B2 (ja) 学習支援装置及び出題方法
CN111861370B (zh) 一种词听最佳复习时间规划的方法及装置
CN111861819B (zh) 一种智能默写中评估用户记忆水平的方法及电子设备
CN111861815B (zh) 一种词听学习中评估用户记忆水平的方法及装置
CN111861373B (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