目标

这个Rust库旨在提供一种简单、高效且功能强大的间隔重复算法实现

设计

• 简单易懂且易于修改的模型。
  • 我们将遗忘建模为具有“遗忘率”f的衰减指数函数
  • 这个比率被描述为项目难度（d）和记忆强度（s）的商

$$P(t) = e^{-ft} = e^{-\frac{d}{m}t}$$

• 试图尽可能少地对项目内容/数据做出假设。

• 尽管如此，它假设用户以某种方式评估了每次复习事件的结果。

• 提供两种调整算法结果的方法

  • 对于每次复习事件，用户输入项目是否太难。然后这被用来调整项目难度值（这将影响下一个间隔的值）
  • 当几张卡片成熟时，可以比较预期回忆概率和实际回忆概率之间的比率。然后这被用来引入一个“调整因子”。这个因子用于计算下一个遗忘率。

为了更好地理解代码的工作原理，请阅读源代码！（它不到150行）

数据驱动与用户评估

建模遗忘曲线需要包含大量参数，这些参数可能相当任意。为了更好地设置这些值，人们希望有一组实际的复习事件数据集，然后尝试将这些模型拟合到表现最好的项目。然而，这种方法需要熟悉此类方法（我没有）。因此，我将尝试尽可能准确地猜测一些值，并引入一种让用户连续评估模型性能的方法。我希望通过这种方式，可以经验性地得出更好的默认值，直到我能够创建一个完全数据驱动的方法。

局限性

此库不

• 处理失败的复习（遗忘的项目）。相反，库用户需要决定如何处理此类项目。
• 自动更新所有参数以更好地模拟真实遗忘曲线

许可证

见 ./LICENCE