申请/专利权人：深圳前海黑顿科技有限公司

申请日：2019-12-26

公开（公告）日：2023-05-26

公开（公告）号：CN111126552B

主分类号：G06N3/008

分类号：G06N3/008

优先权：

专利状态码：有效-授权

法律状态：2023.05.26#授权;2020.10.20#实质审查的生效;2020.05.08#公开

摘要：本发明提出一种智能学习内容推送方法和系统，引入了机器学习的先进算法，将单词特征，用户特征，外部特征，以及记忆特征等变量进行训练，得出一套机器学习模型，实时更新用户的学习推送方案。对每个人因材施教，实时动态推送最适合该用户的个性化定制记单词方案以及规划。

主权项：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：Fw,t＝Bw+1-Bw1+kA^t其中，Bw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。

全文数据：

权利要求：

百度查询： 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

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD