[发明专利]一种智能学习内容推送方法及系统

权利要求书

1.一种智能学习内容推送方法，其特征在于，包括以下步骤：

步骤S101、对语言词汇学习场景进行建模，创建特定的可量化的特征对象；特定的可量化的特征对象包括：用户特征、词汇特征、外部特征、学习特征；

步骤S102、通过深度学习和/或先验算法训练人工智能算法模型组，对同一组输入得到多组输出，并将其输出进行汇总与融合，得到预期记忆程度；

步骤S103、在用户每次发起学习请求时，借助步骤S102生成的人工智能算法模型组对所有词汇先进行记忆程度的预测，生成遗忘曲线，按照预定筛选原则筛选词汇；

步骤S104、根据词汇的当前记忆程度衰减速率和当前记忆程度计算得到各个词汇被推荐的概率(1-M_t)*V_t；其中，M_t为词汇的当前记忆程度；V_t为词汇的当前记忆程度衰减速率，V_t＝(M_t-M_(t’))/(t’-t)；t为当前时间,t’为下一时间；

步骤S105、按照记忆程度大小优先推送记忆程度较低的词汇，或者如果记忆程度均较低且数值接近，则优先推送衰减速率较大的词汇；

所述用户特征包括用户自身的属性以及用户对当前词库的基本掌握情况；

所述用户对当前词库的基本掌握情况的获取方式为随机从待学习词库中抽取N个词汇，作为先行测试集，由用户在正式学习之前对此进行测试，其测试结果会以N维向量的形式储存，并将该向量作为该用户的属性之一；其中，N为自然数；

所述步骤S102中先验算法包括：将每个词汇的遗忘程度以艾宾浩斯遗忘曲线的形式来表达，词汇w的自然遗忘曲线的基本表达式(变量为时间t)可简化为：

F(w,t)＝B(w)+(1-B(w))/(1+k/A)^t

其中，B(w)为一种根据词汇的难度而自行调整的映射函数，k为常数，A根据该用户对词汇w的历史学习及测试情况而定。

2.根据权利要求1所述的智能学习内容推送方法，其特征在于：所述词汇特征包括词向量和先验属性。

3.根据权利要求1所述的智能学习内容推送方法，其特征在于：步骤S102中深度学习包括：将大量的历史数据作为训练数据，用户特征、词汇特征、外部特征、学习特征四个特征作为输入，该用户的历史测试结果作为输出。

4.根据权利要求1所述的智能学习内容推送方法，其特征在于：步骤S103中，所述预定筛选原则设为：一部分的陌生词汇，一部分的已学习词汇，一部分的随机词汇。

5.根据权利要求1所述的智能学习内容推送方法，其特征在于：步骤S103中，还包括将词汇分为：未学习、学过未掌握，完全掌握三类，以预定比例推送词汇集合。