前天晚上檢查LAC代碼,總覺得其使用的'記憶'算法有問題,調試很久,火起,重新實現了一個...
所謂'記憶'算法,最著名的應該是那個什么'艾賓浩斯記憶曲線'了,可惜咱數學不好,沒看懂,只好自己弄個簡單的了...
'記憶'算法由四個參數組合而成,很簡單 -- 一個
時間間隔參數乘以由
前次分數,
本次分數以及
結果判定確定的三維坐標,即可獲得
下次時間.
三維坐標系如下:
float rateTable[4][4] = {
{ 1.75f, 0.80f, 0.45f, 0.17f },
{ 1.50f, 1.25f, 0.55f, 0.20f },
{ 1.00f, 0.80f, 0.45f, 0.20f },
{ 0.80f, 0.50f, 0.30f, 0.17f }
};
int judgeTable[2][4] = {
{ 0, 1, 1, 2 },
{ 2, 2, 3, 3 }
};
計算方法簡化如下:
check = judgeTable[judge][preScore];
next = ((last != 0) ? (updated - last) : 7) * rateTable[curScore][check] + updated + 1;
咱也不知道這個算法好不好,所有系數完全自己推倒杜撰的(該不該弄個專利去呢...),為了表達自己對'嚴謹科學態度'的敬意,做了如下測試,請看各位報表..
1. 假定某個單詞從第一次就選擇'認識',且判定為'正確'(意思是自己判定'認識'此單詞的判斷是正確的),那么此單詞連續九次出現的時間以及兩次間時間間隔趨勢如下圖所示: (X軸為單詞出現是時間,Y軸為兩次出現時間的間隔)
從圖表中可以看出,一個'熟悉'的單詞,出現的間隔會越來越長.這復合基本邏輯--熟悉的單詞不用經常記憶.
2. 相反,假定某個單詞起始為'熟悉',但在其后選擇中,選擇'沒概念',且判定為'錯誤'(意思是自己確實對此單詞'沒概念',)(這里跟前面的解釋一起理解時,有點亂...),那么此單詞連續九次出現的 時間間隔趨勢如下:
由上圖可見,隨著選擇'沒概念'的次數增加,單詞出現的間隔不斷變小,直至為1.
3. 下面趨勢圖顯示了當一個單詞每次都選擇'熟悉',但判定依次為'正確'和'錯誤',連續九次出現后的時間間隔變化:
4. 最后一個則是單詞每次選擇'沒概念'但判定依次為'正確'和'錯誤'的時間間隔趨勢圖:
'熟悉度'一共有4級,且有兩個參數,加上'判定'參數的2級,三個參數組合起來的系數關系就是前面的兩個數組,我是沒敢測試每種組合的趨勢,挑了上面四個最簡單的可能,其他的大家有興趣自己看吧...歡迎指點,歡迎拍磚,但不許打臉...
<---- 判定意思好混亂的分割線 ---->
剛才突然想起一個好方法,可以屏蔽'判定'概念,這就去改...