[发明专利]一种互动式语言学习平台

权利要求书

1.一种互动式语言学习平台，其特征在于，所述互动式语言学习平台主要由词库模块、功能接口模块、界面模块组成，三个模块分别依次由界面模块指向功能接口模块，由功能接口模块指向词库模块；

所述功能接口模块又分为生词本单元、分类查看单元、特殊词汇单元、背单词单元、无线接入单元、蓝牙接入单元。

2.如权利要求1所述互动式语言学习平台，其特征在于，所述词库模块又分为英汉单元、汉英单元、生活词汇单元。

3.如权利要求1所述互动式语言学习平台，其特征在于，所述界面模块又分为背单词接口单元、生活词汇接口单元、分类词汇接口单元。

4.如权利要求1所述互动式语言学习平台，其特征在于，分类查看单元采用支持向量机的快速分类算法，对词库内的词汇信息进行快速分类，然后进行分层取样，经数据整理后提取摘要词汇数据；

所述支持向量机的快速分类算法，具体包括：

给定训练样本集{(x_i，y_i)，i＝1，2，…，l}，x_i∈R^d，y_i∈{-1，+1},引进从输入空间Rn到希尔伯特(Hilbert)空间H的变换：

然后在Hilbert空间H中构造原始问题：

结束条件：

采用Lagrange乘子法求解公式(1)，得到的对偶问题为：

结束条件：

其中K(x_i，x_j)为核函数：

通过求解上述对偶问题得最优解α^*＝(α₁^*，…，α_l^*)^T，选取α*的一个正分量0＜α_j*＜C，并据此计算阙值

b^*＝y_j-∑y_iα_i^*K(x_i,x_j)， (5)

最后构造决策函数

给定两个样本x₁，x₂∈R^N,则两样本之间的距离可以表示为d(x₁，x₂),表示样本x_l的第i个分量,在线性的情况下,两样本之间的距离定义如下：

在非线性情况下,两样本之间的距离定义如下：

其中为将原空间中向量x映射到高维向量空间中所对应的向量，为核函数；

设一类样本为x_1i，i＝1，…，l，另一类样本为x_2j，j＝1，···,m，d(x_1i，x_2j)表示第一类中的第i个样本到第二类中的第j个样本的距离，则对每一个i值，d_i＝mind(x_1i,x_2j)(j＝1,2,···，m)，所对应的向量x_2j就是第二类样本的一个边界向量；

对原始样本通过距离筛选,得到l个由相对边界向量过程的初始训练样本(x₁，y₁)，…，(x_l，y_l)，其中x_i∈Rⁿ，i＝1，…，l，y_i∈{-1，1}是样本x_i所属的类别,m为训练样本的类数目,设第k个支持向量机的训练样本集合为X＝{(x_i，y_i)|y_i≥k}，得

约束条件：

转化为其对偶问题进行求解：

得到其对应的决策函数为：

5.如权利要求4所述互动式语言学习平台，其特征在于，分层取样时，以其中一个字段为依据，设该字段属性值分别为：t₁，t₂，···，t_s，数据表中记录总数为m，每条记录(1-m)对应该字段的属性值分别为：k₁，k₂，···，k_m，则可以建立函数

f：{k₁，k₂，···，k_m}α{t₁，t₂，···，t_s}；

当f(k_i)＝t₁(i＝1，2，···m)，取出该字段的属性值k_i所对应的所有记录，若记录数不为零，则得到第一个类p₁，记录数为m₁；

在剩余的记录中，当f(k_i)＝t₂(i＝1，2，···m-m₁)，取出该字段的属性值k_i所对应的所有记录，若记录数不为零，则得到第二个类p₂，记录数为m₂；依此类推，可以得到最终的分类结果；

设最终分类结果为：p₁，p₂，···，p_n，共n类，且每类对应的记录数分别为：m₁，m₂，···，m_n，

因此总记录数为m＝m₁+m₂+···+m_n，于是得到每类占总记录数的百分比，即权值：

设需从总记录中随机抽取P条记录，p_i既表示类，也表示该类的数目，按四舍五入取整，则：

p₁类中抽取记录数：

p₂类中抽取记录数：

······

p_n类中抽取记录数：

最终的抽样条数P＝p₁+p₂+p₃+..........+p_n。