%0 Journal Article %A 叶峻峣 %A 苏敬勇 %A 王耀威 %A 徐勇 %T 基于LSTM的语言学习长期记忆预测模型 %D 2023 %R %J 中文信息学报 %P 133-138,148 %V 36 %N 12 %X 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%。 %U http://jcip.cipsc.org.cn/CN/abstract/article_3449.shtml