【技术实现步骤摘要】
本专利技术涉及智能学习工具，更具体地说，涉及一种英语单词学习工具及其使用方法。
技术介绍
1、在英语学习中，词汇量的积累和应用尤为重要，现有英语单词学习工具多针对单词及其拓展词汇的学习和练习，而忽略口语发音的练习，使得英语学习多停留在纸面应试上，而难以应用到实际生活和工作中。
2、专利文献cn210895920u公开了一种英语单词辅助学习设备，通过英语辅助学习机方便进行单词查询，温故学过的单词学习新的单词，准确的发音也可加深使用者对单词的印象，利于学习效率的提高，但其仅是单词查询发音的单一功能，而无法评估使用者的发音，进而无法提高使用者发音准确度，现有技术cn115545980a公开了一种用于英语教育的单词辅助学习系统，通过学习成果检验单元的英语单词考试单元，对大学生点击单词口语进行检验判断，通过语音大数据的计算分析，判断大学生单词发音是否准确，同时通过虚拟现实技术生成虚拟人员，并随机给出学习过的英语单词对该单词进行发音，通过语音大数据的计算分析，在虚拟场景中展现大学生发音的口型，通过口型和发音形式对比分析，供大学生模拟学习，增加英语单词学习的趣味性，虽然该单词辅助学习系统评估用户的口语发音并提供改进学习措施，但仍是以静态的方式提供固定的学习内容和练习，缺乏个性化和动态适应能力的问题，难以满足不同用户的个性化学习需求，特别是在识别并针对用户薄弱环节开展学习策略的调整方面存在较大不足。
技术实现思路
1、1.要解决的技术问题
2、本申请的目的在于提供一种英语单
3、2.技术方案
4、基于上述目的，本申请提供了一种英语单词学习工具，包括语音采集器、扬声器、控制器和计算机可读存储介质，计算机可读存储介质中存储有英语单词学习系统，英语单词学习系统包括发音分析模块、自动发音评分模块和自适应习题生成模块，其中：
5、发音分析模块，获取学习目标的标准发音，使用深度学习模型对语音采集器采集到的用户发音的特征参数进行实时分析，通过对比用户发音与标准发音的特征参数之间的差异，获得发音分析结果；
6、自动发音评分模块，基于发音分析结果，对用户发音的特征参数进行单独评分，生成特征评分向量，基于特征评分向量计算用户发音的综合评分；
7、自适应习题生成模块，通过分析用户的学习数据，确定用户的弱项，使用自适应算法根据用户的当前学习水平和弱项，动态生成个性化习题内容。
8、进一步的，英语单词学习系统还包括动态难度调整模块和习题优化模块，其中，动态难度调整模块，通过分析用户的学习数据，实时调整个性化习题内容的难度和复杂度，使用户始终在适合自己的难度范围内学习；
9、习题优化模块，收集和分析大量用户的学习数据，通过数据挖掘技术动态优化习题的难度，定期更新和扩展题库内容进行题目优化。
10、进一步的，发音分析模块包括特征提取单元和标准对比单元，其中，特征提取单元从输入的用户发音音频中提取关键特征参数，特征参数包括但不限于音调、语速、重音位置和流利度，生成特征向量；标准对比单元基于特征提取单元提取到的特征参数，将用户发音与标注发音进行对比，计算两者之间的差异。
11、再进一步的，自动发音评分模块包括特征评分单元和综合评分单元，其中，特征评分单元依据用户发音与标准发音的特征参数之间的差异对比数据，通过动态时间规整模型对各特征参数进行单独评分，并生成特征评分向量；
12、综合评分单元根据特征评分向量，计算用户的综合发音评分：
13、
14、其中，t、p、r、f分别为音调评分、重音位置评分、语速评分和流利度评分，w1、w2、w3、w4分别为对应因素的权重，权重之和为1，α为非线性调整参数。
15、在上述技术方案的基础上，动态时间规整模型用于计算用户发音特征与标准发音特征的dtw距离，将dtw计算的距离映射到评分，以转换为相似度评分。
16、再进一步的，发音分析模块还包括反馈生成单元和学习跟踪单元，其中，反馈生成单元根据特征评分和综合评分结果生成反馈报告；学习跟踪单元记录用户的学习数据，分析进步趋势，生成用户学习进度报告。
17、进一步的，自适应习题生成模块包括用户数据分析单元和习题生成单元，其中，用户数据分析单元使用协同过滤算法分析用户学习数据，依据目标学习任务确定相似的学习任务，以目标用户在相似学习任务中的成绩和/或评分，推断识别目标用户的弱项；习题生成单元基于强化学习模型，根据用户的当前学习水平和弱项动态选择和生成习题内容。
18、在上述技术方案的基础上，使用q-learning算法搭建强化学习模型，q-learning算法的结构为：
19、状态空间s为用户的学习数据，采用的学习数据包括但不限于历史和当前练习成绩、历史和当前发音评分数据、完成时间；
20、动作空间a为习题的选择，习题包括但不限于单词练习、发音练习、语法练习、听力练习和口语练习；
21、奖励函数r为习题正确率奖励racc、发音评分奖励rscore、完成时间奖励rtime和弱项着重奖励rws的综合奖励函数：
22、r＝wacc·racc+wscore·rscore+wtime·rtime+wws·rws
23、其中，wacc、wscore、wtime、wws分别为对应因素的权重，权重之和为1；
24、q值为在状态s采取动作a后所获得的预期累积奖励。
25、本申请还提供了一种英语单词学习工具的使用方法，包括以下步骤：
26、步骤1发音练习与分析：用户通过发音分析模块进行发音练习，基于学习目标的标准发音，系统实时分析发音的音调、语速、重音位置和流利度；
27、步骤2发音综合评分：完成发音练习后，自动发音评分模块根据发音分析结果，对用户发音进行特征评分和综合评分；
28、步骤3发音反馈改进：根据特征评分和综合评分结果生成反馈报告生成反馈报告，提供改进建议，用户依据建议改进自己的发音；
29、步骤4个性化习题生成：根据协同过滤算法分析用户的学习数据，确定用户的弱项，使用自适应算法根据用户的当前学习水平和弱项，动态生成个性化习题内容，重点突破用户的弱项；
30、步骤5动态难度调整：通过分析用户的学习数据，实时调整习题的难度和复杂度，确保用户始终在最适合的难度范围内学习。
31、3.有益效果
32、本申请的英语单词学习工具及使用方法，至少具有如下技术效果或优点：
33、英语单词学习工具通过集成q-lea本文档来自技高网...
【技术保护点】
1.一种英语单词学习工具，包括语音采集器、扬声器、控制器和计算机可读存储介质，计算机可读存储介质中存储有英语单词学习系统，其特征在于，英语单词学习系统包括：
2.根据权利要求1所述的英语单词学习工具，其特征在于，英语单词学习系统还包括：动态难度调整模块，通过分析用户的学习数据，实时调整个性化习题内容的难度和复杂度，使用户始终在适合自己的难度范围内学习。
3.根据权利要求1所述的英语单词学习工具，其特征在于，英语单词学习系统还包括：习题优化模块，收集和分析大量用户的学习数据，通过数据挖掘技术动态优化习题的难度，定期更新和扩展题库内容进行题目优化。
4.根据权利要求1所述的英语单词学习工具，其特征在于，发音分析模块包括特征提取单元和标准对比单元，其中，特征提取单元从输入的用户发音音频中提取关键特征参数，特征参数包括但不限于音调、语速、重音位置和流利度，生成特征向量；
5.根据权利要求4所述的英语单词学习工具，其特征在于，自动发音评分模块包括特征评分单元和综合评分单元，其中，特征评分单元依据用户发音与标准发音的特征参数之间的差异对比数据，
6.根据权利要求5所述的英语单词学习工具，其特征在于，动态时间规整模型用于计算用户发音特征与标准发音特征的DTW距离，将DTW计算的距离映射到评分，以转换为相似度评分。
7.根据权利要求5所述的英语单词学习工具，其特征在于，发音分析模块还包括反馈生成单元和学习跟踪单元，其中，反馈生成单元根据特征评分和综合评分结果生成反馈报告；
8.根据权利要求1所述的英语单词学习工具，其特征在于，自适应习题生成模块包括用户数据分析单元和习题生成单元，其中，用户数据分析单元使用协同过滤算法分析用户学习数据，依据目标学习任务确定相似的学习任务，以目标用户在相似学习任务中的成绩和/或评分，推断识别目标用户的弱项；
9.根据权利要求8所述的英语单词学习工具，其特征在于，使用Q-learning算法搭建强化学习模型，Q-learning算法的结构为：
10.一种英语单词学习工具的使用方法，其特征在于，包括以下步骤：
...【技术特征摘要】
1.一种英语单词学习工具，包括语音采集器、扬声器、控制器和计算机可读存储介质，计算机可读存储介质中存储有英语单词学习系统，其特征在于，英语单词学习系统包括：
2.根据权利要求1所述的英语单词学习工具，其特征在于，英语单词学习系统还包括：动态难度调整模块，通过分析用户的学习数据，实时调整个性化习题内容的难度和复杂度，使用户始终在适合自己的难度范围内学习。
3.根据权利要求1所述的英语单词学习工具，其特征在于，英语单词学习系统还包括：习题优化模块，收集和分析大量用户的学习数据，通过数据挖掘技术动态优化习题的难度，定期更新和扩展题库内容进行题目优化。
4.根据权利要求1所述的英语单词学习工具，其特征在于，发音分析模块包括特征提取单元和标准对比单元，其中，特征提取单元从输入的用户发音音频中提取关键特征参数，特征参数包括但不限于音调、语速、重音位置和流利度，生成特征向量；
5.根据权利要求4所述的英语单词学习工具，其特征在于，自动发音评分模块包括特征评分单元和综合评分单元，其中，特征评分单元依据用户发音与标准发...
【专利技术属性】
技术研发人员：孙艳婷，张晓玉，刘真为，曲丽丽，杜希春，
申请(专利权)人：山东电子职业技术学院，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。