典型文献
基于LSTM的语言学习长期记忆预测模型
文献摘要：
间隔重复是一种在语言学习中常见的记忆方法,通过设置不同的复习间隔,让学习者在相应的时间点进行练习,以达到理想的记忆效果.为了设置合适的复习间隔,需要预测学习者的长期记忆.该文提出了一种基于长短时记忆网络(LSTM)的语言学习长期记忆预测模型,从学习者的记忆行为历史中提取统计特征和序列特征,使用LSTM对记忆行为序列进行学习,并将其应用于半衰期回归(Half-Life Regression,HLR)模型,预测外语学习者对单词的回忆概率.实验收集了90亿条真实的记忆行为数据,评估模型及特征的影响,发现相较于统计特征,序列特征包含更多的有效信息.该文提出的LSTM-HLR模型与最先进的模型相比,误差降低了50％.
文献关键词：
间隔重复;语言学习;长期记忆;LSTM
中图分类号：
作者姓名：
叶峻峣;苏敬勇;王耀威;徐勇
作者机构：
哈尔滨工业大学(深圳)计算机科学与技术学院,广东深圳518055;鹏城实验室视觉智能研究所,广东深圳518055
文献出处：
引用格式：
[1]叶峻峣;苏敬勇;王耀威;徐勇-.基于LSTM的语言学习长期记忆预测模型)[J].中文信息学报,2022(12):133-138,148
A类：
间隔重复
B类：
语言学习,长期记忆,记忆方法,练习,记忆效果,预测学,长短时记忆网络,记忆行为,统计特征,序列特征,行为序列,半衰期,Half,Life,Regression,HLR,外语学习,单词,回忆,亿条,行为数据,有效信息,最先
AB值：
0.354257
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
