基于Prolog的人工智能单词助记软件算法的研究论文_蒋雨江 指导教师:刘冰 余亮

蒋雨江 四川省宜宾市一中2016级12班 644000 指导教师:刘 冰 余 亮

摘 要:自进入到信息技术时代,辅助学生记单词的软件如雨后春笋般出现,但都不尽人意,特别是还没记熟的单词不能及时安排复习,边记边忘,学习效率不高。对此论文在查阅了网上各类遗忘规则算法的基础上,采用数学建模和基于Prolog的人工智能软件设计思路,研究并设计出一套更合理地预测每个单词最佳复习时间的算法与助记软件,可以有效解决针对学生进行考前单词强化复习时边学边忘的问题,从而增强学习效率。

关键词:Prolog 单词助记软件 助记软件算法 人工智能

根据记忆机制,记忆分为短时记忆和长时记忆。在学习过程,形成短时记忆并向长时记忆转化,可以通过单词的“正在学习队列”反复循环解决。短时记忆时间间隔小于30秒,就是说超过30秒再现还能记住的表示完成短时记忆了。要解决单词记住后什么时候再次复习,就要为每个单词的长时记忆进行建模。参考网上各类遗忘规律数学模型,本研究采用了一种“一室模型”并进行了改进:v表示长时记忆的遗忘初速率。对于单一材料的记忆,引入模糊数学中隶属度的概念。隶属度用S表示,S为1(也就是100%)表示这个材料有100%记住,0.7表示有70%属于记住。长时记忆的遗忘原因主要来自于前摄抑制、倒摄抑制,所以,遗忘速率将随记忆材料的保持量的减少而减少,也就是遗忘速率V将随记忆隶属度S的减少而减少。

此模型假设,遗忘速率因为前摄抑制将随记忆隶属度S成正比减少,同时也因倒摄抑制将随记忆隶属度S成正比减少,也就是遗忘速率V将随记忆隶属度S的平方成正比减少公式是:S(t)=  。

求当S为临界值0.5时最佳复习时间:Tnext= 。

这个公式中,待定参数只有一个:V0(长时记忆的遗忘初速率)。

选择了基本的遗忘规则数学模型,怎么应用和实现?在研究初期我进行了大量的实验和记忆案例收集和分析,发现每个单词的遗忘初速率都可能不同。

 图1-理想的算法S-T函数图

 图2-遗忘与复习规律曲线图示例说明

接下来我们研究具体如何操作预测出每个单词的下次最佳复习时间:

第一步:从第二次学(也叫第一次复习,n=1)开始,第n次复习由记错数转换得到的第n次复习前实际记住隶属度Sfactn(也是n-1次遗忘过程末的记住隶属度)。

根据实验数据和经验得到Ern与Sfactn近似于二次反函数关系:   (公式3)

第二步:根据Sfactn求出第N次复习前,n-1次复习后的实际遗忘初速,对原来的遗忘曲线进行修正。

第三步:第n次复习后,单词理论遗忘初速Vn可以近似认为由两部分决定,一部分为已忘记部分,当作新记,其遗忘初速还是上次的Vn-1’;另一部分为此时复习前实际遗忘速率,其为实际遗忘曲线在此时刻的斜率绝对值Kn’。由求导公式推出:  (公式5)

第四步:根据Vn算出n+1次复习的最佳时间点:

 (公式6)

下图是整个的研究步骤:

  图3-基于Prolog的人工智能软件研究流程图

人工智能语言是一类适应于人工智能和知识工程领域的、具有符号处理和逻辑推理能力的计算机程序设计语言,其中Prolog是当代最有影响的人工智能语言之一。Visual Prolog7是基于Prolog语言的可视化集成开发环境。在Prolog中,由事实知识和规则知识为主构造知识库。

图4-构造智能预测每个单词最佳复习时间的规则知识库截图

 图5-软件原型截图

目前,本试用版软件经部分同学试用,在辅助单词记忆的效果方面体验良好,达到预期目标,作为实用版还要改进界面,丰富功能,提升智能化程度。

 图6-部分软件测试数据截图

可以看出,错得多的单词将在当天内再次复习,而熟悉的单词将在5天后再复习。

在未来,我的梦想是设计开发出一种能陪伴我们,帮助和协助学习生活工作管理的人工智能机器宠物,帮助我们进行更加高效而有趣的学习和生活。

参考文献

[1]周占良 一体化智能教学网络平台——知识遗忘曲线的数学模型与算法设计[D].电子科技大学,2007。

[2]普通高中课程标准实验教科书人工智能初步(选修)[M].教育科学出版社,2015。

[3]托马斯.W.德.玻尔 编著 乙丁 译 visual prolog7 1初学指南[DB/OL]。

[4]雷英杰 邢清华 王涛 人工智能 (AI) 程序设计:面向对象语言[M].清华大学出版社,2005。

论文作者:蒋雨江 指导教师:刘冰 余亮

论文发表刊物:《教育学文摘》2018年9月总第275期

论文发表时间:2018/8/20

标签:;  ;  ;  ;  ;  ;  ;  ;  

基于Prolog的人工智能单词助记软件算法的研究论文_蒋雨江 指导教师:刘冰 余亮
下载Doc文档

猜你喜欢