间隔重复记忆之SM-5

SM-5算法说明

1. 将知识拆分长最小单元。

2. 每一个知识点分配一个efactor，初始值为2.5。

3. 使用重复次数和efactor制作一张表，叫做OF Matrix，使用以下公式初始化:

   OF(1,EF):=4

   for n>1 OF(n,EF):=EF

   其中:
   ◦ OF(n,EF) - efactor和重复次数对应的最优因数。

4. 使用OF Matrix来计算间隔时间:

   I(n,EF)=OF(n,EF)*I(n-1,EF)

   I(1,EF)=OF(1,EF)

   其中:
   ◦ I(n,EF) - 知识点efactor和重复次数对应的间隔时间。
   ◦ OF(n,EF) - OF Matrix中对应重复次数和efactor的值。

5. 评估知识点记忆结果，值为0-5。具体参见SM-2中说明。

6. 每次重复后更新知识点相关efactor，使用以下公式:

   EF’:=EF+(0.1-(5-q)*(0.08+(5-q)*0.02))

   其中:
   ◦ EF’ - 新的efactor
   ◦ EF - 旧的efactor
   ◦ q - 记忆质量，值为0,1,2,3,4,5。

   如果计算后的efactor小于1.3，则赋值为1.3。

7. 更新OF Matrix中相关值，示范公示如下:

   OF’:=OF*(0.72+q*0.07)

   OF*:=(1-fraction)OF+fractionOF’*

   其中：

   ◦ OF *- 新值*
   ◦ OF' - 临时