艾宾浩斯遗忘曲线刷算法题

前言

自己从工作之后有很长一段时间没刷题了。上个月底提了离职，又赶上大量的面试需要用到算法题，所以自己把算法捡了起来。我们刷算法题有非常多的方式，可以帮助我们进步。一种是板刷，一种是按照分段刷，或者按照题目类型。我个人倾向于前两种。但是前段时间面试的时候，我发现我很多题目又忘记啦。有没有一种方式，可以让我长久的记忆呢。

🧠 艾宾浩斯遗忘曲线原理

德国心理学家艾宾浩斯发现，人的遗忘规律呈现指数衰减：

20分钟后遗忘42%

1小时后遗忘56%

1天后遗忘74%

1周后遗忘77%

1个月后遗忘79%

基于该算法，我开发了一个小项目：

开源地址：

*************************************

线上地址：

http://www.cnggboy.com/

功能介绍

这里简单介绍下核心的功能：

用户可以基于各大竞赛站点，一键创建对应分段的题目

拿牛客举例

创建好了题库，我们就可以基于题库，进行学习。创建学习计划，设定每天学习的题目数量

具体的学习，他会通过简单的调度算法，对用户题库中的题目进行打分，按照时间间隔和题目分数进行打分，筛选出用户最需要的 x 道题供用户学习。这里我们只是做了一个小卡片，具体做题目需要跳转到牛客进行。

当用户未掌握的题目，就会按照艾宾浩斯遗忘曲线来复习。

更新说明

7/19

🐛 热力图修复：修复热力图不更新学习题目数量的问题，优化数据聚合逻辑

🕐 时区问题修复：确保所有时间相关操作使用系统时区一致性

📊 学习计划重构：提高内聚性和降低耦合度，优化代码结构

🎯 竞赛题目导入优化：增强导入工作流程，支持分数范围选择

7/4

1、优化题目的调度策略

当用户需要复习的题目超过设定的阈值时，我们需要对待复习的题目进行打分，返回一批用户最需要复习的题目

时间维度：越长时间没有复习题目，该题目分数越大

难度维度：题目难度越大，题目分数越高

score = 0.5x+0.5y，将 x 和 y 的得分，通过对数函数映射到[0, 1]，确保两个维度尽量公平，分布合理。

2、实现断点续学

当用户学习到一半，去做其他事情了。接着学习，能够保留之前的进度，实现断点续学。

3、优化写时复制

我们之前的写时复制，其实会影响到学习计划的使用。学习计划只是指向了对应题库，而之前的写时复制是有增加题目、删除题目、更新题目时，才会触发。而触发之后，新题库中的 questionID 和题目学习进度中的 questionID 就不匹配了。所以我们还需要在写时复制的时候，更新其学习计划的 questionID。

6/23-7/3

1、优化遗忘曲线

用户第一次遇到题目时选择独立AC，该题目被标记为掌握，不再出现

用户选择不会做，那么缩短题目复习的时间间隔。

用户在其他情形下选择独立AC, 仍旧按照预计的时间间隔复习。

2、用写时复制优化题库 fork 功能

官方题单：

用户 fork 官方题单后，如果没有进行任何变更，那么就是和官方题单共享题目

当用户进行 crud，此时触发写时复制，给用户单独创建一份题库

共享题库：

用户 fork 其他用户共享的题库，也是类似的逻辑。但是用户可能会取消共享，此时触发写时复制

给所有 fork 该题库的用户，也创建独立的题库。