基于LSTM的语言学习长期记忆预测模型

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％.

关键词：间隔重复、语言学习、长期记忆、LSTM

所属期刊栏目：36

分类号：TP391(计算技术、计算机技术)

资助基金：广东省自然科学基金项目2022A1515010800

在线出版日期：2023-02-20（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：133-138,148