一位客户要求我为在线学习网站添加一个简单的间隔重复算法（srs）。但在投入之前，我想和社区讨论一下。
基本上，网站会问用户一堆问题（通过从数据库中自动选择100个问题中的10个），用户会给出正确或错误的答案。然后将用户结果存储在数据库中，例如：
userid questionid correctlyanswered dateanswered
1 123 0 (no) 2010-01-01 10:00
1 124 1 (yes) 2010-01-01 11:00
1 125 1 (yes) 2010-01-01 12:00
现在，为了最大化用户学习所有答案的能力，我应该能够应用SRS算法，以便用户下次进行问答时，会更频繁地接收问题，而不是正确回答的问题。此外，以前回答错误，但最近经常正确回答的问题应该较少出现。
以前有人实施过这样的措施吗？有什么建议吗？
它们是我找到的最好的链接：
http://en.wikipedia.org/wiki/Spaced_repetition
http://www.mnemosyne-proj.org/principles.php
http://www.supermemo.com/english/ol/sm2.htm
最佳答案
你要做的是为所有的问题设置一个数字。您可以规范化这些数字（使其总和为1）并进行优先选择。
如果X_i是不同问题的数量，而i是每个问题平均被回答的次数，那么您可以在N时间中找到M，如下所示：
创建设置为0的数组。
浏览数据，每次您看到问题X回答错误时，将M*N增加X[N]，其中i是回答时间，N[i]是一个递增函数。
因为f(t)正在增加，很久以前答错的问题比昨天答错的问题影响要小。你可以尝试不同的t来获得良好的行为。
更聪明的方法
更快的方法不是每次选择问题时都生成f，而是将其保存在数据库表中。
您将无法使用此解决方案应用f。相反，只要在每次答错的时候加1，然后有规律地浏览表格——比如说每到午夜——然后把所有的f乘以一个常数——比如说X[]。
更新：事实上，你应该把数据建立在正确的基础上，而不是错误的基础上。否则，长时间不回答真假的问题，被选中的机会就小了。应该是相反的。