基于艾宾浩斯遗忘算法的间隔重复记忆算法的设计与实现

徐泽禧 廖钜新 徐泽城

1.广州软件学院 电子系 广东 广州 510990

2.广东工业大学管理学院 广东 广州 510520

引言

人类对于世界的认知是基于自身在人脑中建立起的架构，而组成这些架构的正是一个个概念点或者是概念要素，语言学家威尔金斯：“没有语法只能表达很少的信息，但是如果没有词汇，那么什么也将表达不了[1]”。当我们把它精确到英语学习领域上，他的概念要素就可以泛指最基础的单词。桂诗春教授指出：“词汇量测试和智力测试或其他成就测试的结果具有很高的相关系数[2]”。有个共同认识就是，学习一门语言，该语言的单词是入门的基础，所以背单词就是为入门某一门语言的必由之路。

1 基于Ebbinghaus遗忘算法背景介绍

艾宾浩斯遗忘曲线表达的内涵其实是对人脑认知结构的一种研究。一般地，我们人脑会对最近发生的事件有更为清晰的记忆。艾宾浩斯遗忘曲线图如图1所示。

图1 艾宾浩斯遗忘曲线

由艾宾浩斯遗忘曲线图不难发现7个关键的点，我们称之为记忆桩点(Memory pile point)，这7点分别代表了对应时间点，人对于一个知识点的记忆保有率。艾宾浩斯认为，人在记忆之后的遗忘过程不是匀称的，即符合先快后慢的规则[3]，可以看出若不采取复习手段，知识在第二天只能剩下27.8%，倘若是抽象成一个函数f与t的关系（f为记忆忘却率，t为时间）有以下式1所示。

其中t是时间，e是自然对数底数

我们的遗忘算法就是依据遗忘曲线的桩点来设计的，将用户学习的单词的一个属性字段，通过输入算法中得出具体的复习时间点，之后再在每天的学习复习之后更新下次的复习时间。

2 系统的设计和实现

2.1 软件系统结构简介

软件采用C/S架构，客户端采用硬件终端实现显示学习界面，服务器端主要运行数据库以及py自动化脚本，以及提供后台管理平台接口。服务器采用AB公司的Mysql数据库，自动化脚本采用Python语言，包括数据处理，后台管理，个性化设计等子模块组成。

3 主动回忆与间隔效应

3.1 主动回忆与间隔效应简述

基于艾宾浩斯的研究，发现其本质是间隔效应。间隔效应可以用在各个领域上，较为具体的就是将记忆内容记录在卡片上，可以用这种方式来提醒即将遗忘的内容。而且它们没有那么单调乏味，因为通过抽认卡的形式来学习知识是一项具有足够的挑战性的活动，它能保持使用者感受到乐趣[3]。

主动回忆，即当看到一个问题时，大脑回忆起与之对应的答案，而不是把答案和问题重新阅读一遍，只需要询问自己是否清晰地记得这个问题，若不记得就把复习时间安排在不久的将来。

3.2 间隔效应系统模组的介绍

复习日程。是指在一定的间隔时间内，会让用户提交检查，以确认用户通过，通过该提示就会进入下一个阶段，随着阶段的提升，复习的间隔也会随之变大。

抽卡式记忆。抽卡式记忆的特点是让用户快速的尽可能广泛的复习，提高复习效率。

专注时间。因为人的注意力限制了系统不能过长时间地剥夺用户的自由。

进度表与检查情况。需要有进度表来让用户有更好的全局观并且有成就感。

3.3 遗忘点算法实现

用户首次背诵时，从总表选取A个单词，作为当日运行表，作为启动数据。用户表在数据库有User_Already，User_Right，User_Wrong，User_Tomorrow表。主要操作字段有LT，P，RT三个字段。

用户背完的词数据，从终端传回服务器数据库，数据库执行py脚本，该脚本主要操作是，获取游标对应的某行R，根据R的LT属性即最近学习日计算出建个列表T，T的值是LT+[1,2,4,7,15]，RT是复习日，根据P阶段来获取T中对应的日期，之后是对用户的测试未通过的单词P阶段不变，LT设为今日，测试通过的单词P+1，LT不变，RT根据T[P]更改，并且将这些单词数据更新到User_already表。上述操作中P+1表示用户记忆进入下一阶段。

4 总结与展望

在现阶段信息网路爆炸的大时代背景之下，本文介绍了一种基于艾宾浩斯曲线和间隔重复记忆的方法，让高效复习学过的知识提供了一种可行思路。关于该算法的用户在P阶段的复习，是基于用户对于单词的熟悉程度，且单词的推送符合间隔效应的思路，对于下一步的研究是，希望能够将该算法扩展到深度学习，结合协同过滤可以将该背单词的遗忘点改成其他的信息点，就能够扩展到更广的领域中去。