本申请涉及信息处理技术领域，特别是涉及一种学习报告生成方法、装置、计算机设备和存储介质。
背景技术：
随着计算机技术的发展，计算机智能教学系统应运而生，它能通过模拟人类教学专家的经验和方法来辅助教学。比如，通过分析学生的知识掌握水平来进行辅助教学。
然而，传统方法只专注于做测评时，学生对知识点本身的掌握情况进行分析，即只专注于知识点掌握情况的结果性评价，导致对学习结果的评估不准确。
技术实现要素：
基于此，有必要针对上述技术问题，提供一种能够提高学习结果评估的准确性的学习报告生成方法、装置、计算机设备和存储介质。
一种学习报告生成方法，所述方法包括：
从数据库中，获取最后一次答题的遗忘时间和最后一次答题的正确率；
获取所述最后一次的上一次答题前的实际遗忘速率；
根据所述实际遗忘速率、所述最后一次答题的遗忘时间和所述正确率，确定当前的知识点隶属度；
根据所述知识点隶属度，生成学习报告。
在其中一个实施例中，所述最后一次的上一次答题前的实际遗忘速率，为第一实际遗忘速率；所述最后一次答题的遗忘时间，为第一遗忘时间；
所述根据所述实际遗忘速率、所述最后一次答题的遗忘时间和所述正确率，确定当前的知识点隶属度包括：
根据所述第一遗忘时间和所述正确率，确定最后一次答题前的第二实际遗忘速率；
根据所述第一实际遗忘速率、所述第二实际遗忘速率和所述正确率，确定所述最后一次答题后的理论遗忘速率；
获取当前的第二遗忘时间，并根据所述第二遗忘时间和所述理论遗忘速率，确定当前的知识点隶属度。
在其中一个实施例中，所述根据所述第一遗忘时间和所述正确率，确定最后一次答题前的第二实际遗忘速率包括：
根据所述正确率，确定最后一次答题的错误率；
确定所述错误率与所述正确率的比率；
根据所述比率和所述第一遗忘时间，确定最后一次答题前的第二实际遗忘速率。
在其中一个实施例中，所述根据所述第一实际遗忘速率、所述第二实际遗忘速率和所述正确率，确定所述最后一次答题后的理论遗忘速率包括：
根据所述正确率，确定最后一次答题的错误率；
根据所述第一实际遗忘速率、所述第二实际遗忘速率、所述正确率和所述错误率，确定所述最后一次答题后的理论遗忘速率。
在其中一个实施例中，所述根据所述第一实际遗忘速率、所述第二实际遗忘速率、所述正确率和所述错误率，确定所述最后一次答题后的理论遗忘速率包括：
按照以下公式确定所述最后一次答题后的理论遗忘速率：
v＝lastv*mem*mem*mem (1-mem)*upperv；
其中，v为最后一次答题后的理论遗忘速率；lastv为最后一次答题前的实际遗忘速率；upperv为最后一次的上一次答题前的实际遗忘速率；mem为最后一次答题的正确率；1-mem为最后一次答题的错误率。
在其中一个实施例中，所述根据所述第二遗忘时间和所述理论遗忘速率，确定当前的知识点隶属度包括：
根据所述第二遗忘时间和所述理论遗忘速率，确定知识点的遗忘程度；
根据所述知识点的遗忘程度，确定当前的知识点隶属度。
在其中一个实施例中，所述方法还包括：
确定目标对象；
构建与所述目标对象对应的知识点遗忘曲线模型；
所述根据所述实际遗忘速率、所述最后一次答题的遗忘时间和所述正确率，确定当前的知识点隶属度包括：
将所述实际遗忘速率、所述最后一次答题的遗忘时间和所述正确率输入所述知识点遗忘曲线模型中，输出当前的知识点隶属度。
一种学习报告生成装置，所述装置包括：
数据获取模块，用于从数据库中，获取最后一次答题的遗忘时间和最后一次答题的正确率；
数据获取模块还用于获取所述最后一次的上一次答题前的实际遗忘速率；
知识点隶属度确定模块，用于根据所述实际遗忘速率、所述最后一次答题的遗忘时间和所述正确率，确定当前的知识点隶属度；
学习报告生成模块，用于根据所述知识点隶属度，生成学习报告。
一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现本申请各实施例所述的学习报告生成方法中的步骤。
一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现本申请各实施例所述的学习报告生成方法中的步骤。
上述学习报告生成方法、装置、计算机设备和存储介质，根据最后一次的上一次答题前的实际遗忘速率、最后一次答题的遗忘时间和最后一次答题的正确率，确定当前的知识点隶属度，生成学习报告。除了考虑学生对知识本身作答准确情况以外，还考虑到学生对知识点的掌握水平是随时间不断变化的，即考虑到时间对知识掌握的影响情况。从记忆维度和理解维度来进行分析，能够更加准确地分析知识点掌握情况，从而能够生成更加准确的学习报告，以提高对学习结果评估的准确性。
附图说明
图1为一个实施例中学习报告生成方法的应用环境图；
图2为一个实施例中学习报告生成方法的流程示意图；
图3为一个实施例中确定当前的知识点隶属度的步骤的流程示意图；
图4为另一个实施例中学习报告生成方法的流程示意图；
图5为一个实施例中学习报告生成装置的结构框图；
图6为一个实施例中学习报告生成装置的结构框图；
图7为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
本申请提供的学习报告生成方法，可以应用于如图1所示的应用环境中。其中，计算机设备102用于从数据库104中获取数据，并生成学习报告。数据库104用于存储答题数据，答题数据可以包括答题的遗忘时间和答题的正确率。计算机设备102可以是终端或服务器。数据库104可以是存储答题数据的数据库。
在一个实施例中，如图2所示，提供了一种学习报告生成方法，以该方法应用于图1中的计算机设备为例进行说明，包括以下步骤：
s202，从数据库中，获取最后一次答题的遗忘时间和最后一次答题的正确率。
其中，最后一次答题，是截止当前，在进行过的所有答题中的最后一次的答题。当前，是刷新学习报告时的时间点。最后一次答题的遗忘时间，是从第一次答题开始到最后一次答题所经历的时间。
具体地，计算机设备从数据库中获取最后一次答题的遗忘时间和最后一次答题的正确率。
在一个实施例中，数据库中可以存储每一次答题的遗忘时间和每一次答题的正确率。当计算机设备需要某一次答题的遗忘时间和正确率时，计算机设备可以直接从数据库中获取该次答题的遗忘时间和正确率。
在另一个实施例中，数据库中可以存储每一次答题的时间点和每一次答题的正确率。当计算机设备需要某一次答题的遗忘时间和正确率时，计算机设备可以从数据库中获取该次答题的时间点和正确率，以及第一次答题的时间点，然后根据该次答题的时间点和第一次答题的时间点得到该次答题的遗忘时间。
在一个实施例中，最后一次答题的遗忘时间和最后一次答题的正确率可以是计算机设备获取答题数据，然后根据答题数据进行统计，得到每一次答题的遗忘时间和正确率，这样就可以得到最后一次答题的遗忘时间和最后一次答题的正确率。
s204，获取最后一次的上一次答题前的实际遗忘速率。
其中，最后一次的上一次答题，是最后一次答题的上一次答题，即，截止当前，在进行过的所有答题中的倒数第二次答题。实际遗忘速率，是实际的遗忘速率，是根据答题正确率和遗忘时间得到的实际的遗忘速率。
具体地，计算机设备获取最后一次的上一次答题前的实际遗忘速率。
在一个实施例中，计算机设备可以从数据库中获取最后一次的上一次答题的遗忘时间和正确率，然后根据最后一次的上一次答题的遗忘时间和正确率得到最后一次的上一次答题前的实际遗忘速率。
在另一个实施例中，计算机设备可以直接获取之前生成学习报告的过程中得到的最后一次的上一次答题前的实际遗忘速率。
s206，根据实际遗忘速率、最后一次答题的遗忘时间和正确率，确定当前的知识点隶属度。
其中，实际遗忘速率，是指最后一次的上一次答题前的实际遗忘速率。当前，是生成学习报告的时间点。知识点隶属度，是表示知识点掌握程度的指标(例如：若知识点隶属度为1，则表示知识点已全部掌握；若知识点隶属度为0.7，则表示知识点已掌握70％，以此类推)。
具体地，可以根据如下方式对知识点隶属度进行定义：根据艾宾浩斯(h.ebbinghaus)遗忘曲线可知，遗忘速率随着知识点隶属度的平方成正比减少，且知识点隶属度是关于遗忘时间的函数。因此，构建如下微分方程：
s'(t)＝-vs(t)2
其中，s为知识点隶属度，t为遗忘时间，v为遗忘速率。
根据上述微分方程，解得：
对上述函数求反函数，得：
可以理解，根据上述函数表达式可知，当知识点隶属度和遗忘时间已知时，可以确定在该遗忘时间下的遗忘速率。当遗忘时间和遗忘速率已知时，可以确定在该遗忘时间下的知识点隶属度。
具体地，计算机设备根据最后一次的上一次答题前的实际遗忘速率、最后一次答题的遗忘时间和最后一次答题的正确率，确定当前的知识点隶属度。
在一个实施例中，若当前时间点为最后一次答题的时间点，即，在最后一次答题后立即生成学习报告，则计算机设备只需根据最后一次的上一次答题前的实际遗忘速率、最后一次答题的遗忘时间和最后一次答题的正确率，确定当前的知识点隶属度。
在另一个实施例中，若当前时间点不是最后一次答题的时间点，即，在最后一次答题后的一段时间后生成学习报告，则计算机设备根据最后一次的上一次答题前的实际遗忘速率、最后一次答题的遗忘时间和最后一次答题的正确率，以及当前的遗忘时间，确定当前的知识点隶属度。其中，当前的遗忘时间，是从第一次答题开始到当前所经历的时间。
s208，根据知识点隶属度，生成学习报告。
其中，学习报告，是对知识点隶属度(即，知识点掌握程度)的报告。
具体地，计算机设备根据知识点隶属度，生成学习报告。
在一个实施例中，计算机设备可以根据某个学生在某个学科中对应的知识点隶属度，生成针对该学生在该学科下的学习报告。
在一个实施例中，计算机设备可以将知识点隶属度存入数据库中，然后将知识点隶属度从数据库取出，生成学习报告。
在一个实施例中，计算机设备可以根据学习报告，对知识点掌握情况进行进一步的分析，比如：可以分析某个学生对哪一科目的掌握程度最好，对哪一科目的掌握程度最差等。
本实施例中，根据最后一次的上一次答题前的实际遗忘速率、最后一次答题的遗忘时间和最后一次答题的正确率，确定当前的知识点隶属度，生成学习报告。除了考虑学生对知识本身作答准确情况以外，还考虑到学生对知识点的掌握水平是随时间不断变化的，考虑到时间对知识掌握的影响情况，即，从记忆维度和理解维度来进行分析，能够更加准确地分析知识点掌握情况，从而能够生成更加准确地学习报告，以提高对学习结果评估的准确性。进而，能够更加有针对性地、准确地进行辅助教学。
在一个实施例中，如图3所示，最后一次的上一次答题前的实际遗忘速率，为第一实际遗忘速率；最后一次答题的遗忘时间，为第一遗忘时间；根据实际遗忘速率、最后一次答题的遗忘时间和正确率，确定当前的知识点隶属度的步骤，包括：
s302，根据第一遗忘时间和正确率，确定最后一次答题前的第二实际遗忘速率。
其中，第一遗忘时间，是最后一次答题的遗忘时间。正确率，是最后一次答题的正确率。第二实际遗忘速率，是最后一次答题前的实际遗忘速率。
具体地，计算机设备根据最后一次答题的遗忘时间和最后一次答题的正确率，确定最后一次答题前的实际遗忘速率。
s304，根据第一实际遗忘速率、第二实际遗忘速率和正确率，确定最后一次答题后的理论遗忘速率。
其中，第一实际遗忘速率，是最后一次的上一次答题前的实际遗忘速率。第二实际遗忘速率，是最后一次答题前的实际遗忘速率。正确率，是最后一次答题的正确率。最后一次答题后的理论遗忘速率，是根据遗忘曲线在理论上推算出的最后一次答题后的遗忘速率。
具体地，计算机设备根据最后一次的上一次答题前的实际遗忘速率、最后一次答题前的实际遗忘速率和最后一次答题的正确率，确定最后一次答题后的理论遗忘速率。
s306，获取当前的第二遗忘时间，并根据第二遗忘时间和理论遗忘速率，确定当前的知识点隶属度。
其中，第二遗忘时间，是当前的遗忘时间，即，从第一次答题开始到当前所经历的时间。理论遗忘速率，是最后一次答题后的理论遗忘速率。知识点隶属度，是表示知识点掌握程度的指标。
具体地，计算机设备获取当前的遗忘时间，并根据当前的遗忘时间和最后一次答题后的理论遗忘速率，确定当前的知识点隶属度。
在一个实施例中，计算机设备可以先获取当前的时间点和第一次答题的时间点，然后根据当前的时间点和第一次答题的时间点得到第二遗忘时间，即，当前的遗忘时间。
本实施例中，根据最后一次的上一次答题前的实际遗忘速率、最后一次答题的遗忘时间和最后一次答题的正确率，确定当前的知识点隶属度，生成学习报告。除了考虑学生对知识本身作答准确情况以外，还考虑到学生对知识点的掌握水平是随时间不断变化的，考虑到时间对知识掌握的影响情况，即，从记忆维度和理解维度来进行分析，能够更加准确地分析知识点掌握情况，从而能够生成更加准确地学习报告，以提高对学习结果评估的准确性。进而，能够更加有针对性地、准确地进行辅助教学。
在一个实施例中，根据第一遗忘时间和正确率，确定最后一次答题前的第二实际遗忘速率的步骤，具体包括如下步骤：根据正确率，确定最后一次答题的错误率；确定错误率与正确率的比率；根据比率和第一遗忘时间，确定最后一次答题前的第二实际遗忘速率。
其中，正确率，是最后一次答题的正确率。第一遗忘时间，是最后一次答题的遗忘时间。第二实际遗忘速率，是最后一次答题前的实际遗忘速率。
具体地，计算机设备根据最后一次答题的正确率，确定最后一次答题的错误率，根据最后一次答题的错误率与最后一次答题的正确率的比率和最后一次答题的遗忘时间，确定最后一次答题前的实际遗忘速率。具体按照如下公式确定最后一次答题前的实际遗忘速率：
其中，lastv为最后一次答题前的实际遗忘速率。mem为最后一次答题的正确率。1-mem为最后一次答题的错误率。time为最后一次答题的遗忘时间。
本实施例中，计算机设备根据最后一次答题的正确率和最后一次答题的遗忘时间，确定最后一次答题前的实际遗忘速率，能更加准确地确定遗忘速率。
在一个实施例中，根据第一实际遗忘速率、第二实际遗忘速率和正确率，确定最后一次答题后的理论遗忘速率的步骤，具体包括如下步骤：根据正确率，确定最后一次答题的错误率；根据第一实际遗忘速率、第二实际遗忘速率、正确率和错误率，确定最后一次答题后的理论遗忘速率。
其中，正确率，是最后一次答题的正确率。错误率，是最后一次答题的错误率。第一实际遗忘速率，是最后一次的上一次答题前的实际遗忘速率。第二实际遗忘速率，是最后一次答题前的实际遗忘速率。
具体地，计算机设备根据最后一次答题的正确率，确定最后一次答题的错误率，根据最后一次的上一次答题前的实际遗忘速率、最后一次答题前的实际遗忘速率、最后一次答题的正确率和最后一次答题的错误率，确定最后一次答题后的理论遗忘速率。
本实施例中，计算机设备根据最后一次答题的正确率、最后一次的上一次答题前的实际遗忘速率和最后一次答题前的实际遗忘速率，确定最后一次答题后的理论遗忘速率，能更加准确地确定最后一次答题后的理论遗忘速率。
在一个实施例中，根据第一实际遗忘速率、第二实际遗忘速率、正确率和错误率，确定最后一次答题后的理论遗忘速率的步骤，具体包括如下步骤：按照以下公式确定最后一次答题后的理论遗忘速率：
v＝lastv*mem*mem*mem (1-mem)*upperv；公式(2)
其中，v为最后一次答题后的理论遗忘速率；lastv为最后一次答题前的实际遗忘速率；upperv为最后一次的上一次答题前的实际遗忘速率；mem为最后一次答题的正确率；1-mem为最后一次答题的错误率。
本实施例中，计算机设备根据最后一次答题的正确率、最后一次的上一次答题前的实际遗忘速率和最后一次答题前的实际遗忘速率，确定最后一次答题后的理论遗忘速率，能更加准确地确定最后一次答题后的理论遗忘速率。
在一个实施例中，根据第二遗忘时间和理论遗忘速率，确定当前的知识点隶属度的步骤，具体包括如下步骤：根据第二遗忘时间和理论遗忘速率，确定知识点的遗忘程度；根据知识点的遗忘程度，确定当前的知识点隶属度。
其中，第二遗忘时间，是当前的遗忘时间，即，从第一次答题开始到当前所经历的时间。当前，是生成学习报告的时间点。理论遗忘速率，是最后一次答题后的理论遗忘速率。知识点的遗忘程度，是由第二遗忘时间和理论遗忘速率得到的、表示知识点遗忘程度的指标。知识点隶属度，是表示知识点掌握程度的指标。
具体地，计算机设备根据当前的遗忘时间和最后一次答题后的理论遗忘速率，确定当前的知识点的遗忘程度，根据当前的知识点的遗忘程度，确定当前的知识点隶属度。具体按照如下公式确定当前的知识点隶属度：
其中，lxiang为当前的知识点隶属度。v为最后一次答题后的理论遗忘速率。xtime为当前的遗忘时间，即，生成学习报告时的遗忘时间。v*xtime为当前的知识点的遗忘程度。
本实施例中，计算机设备根据当前的遗忘时间和最后一次答题后的理论遗忘速率，确定当前的知识点隶属度，能更加准确地分析知识点掌握情况。
在一个实施例中，该方法还包括：确定目标对象；构建与目标对象对应的知识点遗忘曲线模型；根据实际遗忘速率、最后一次答题的遗忘时间和正确率，确定当前的知识点隶属度的步骤包括：将实际遗忘速率、最后一次答题的遗忘时间和正确率输入知识点遗忘曲线模型中，输出当前的知识点隶属度。
其中，目标对象，是要构建知识点遗忘曲线模型的目标对象。知识点遗忘曲线模型，是能够确定某一时间点的知识点隶属度的函数。实际遗忘速率，是最后一次的上一次答题前的实际遗忘速率。
具体地，计算机设备确定目标对象，构建与目标对象对应的知识点遗忘曲线模型，将最后一次的上一次答题前的实际遗忘速率、最后一次答题的遗忘时间和最后一次答题的正确率输入知识点遗忘曲线模型中，输出目标对象当前的知识点隶属度。
可以理解，遗忘曲线模型可以包括多个函数，即包括用于实现上述各实施例中计算遗忘速率和知识点隶属度的函数。通过遗忘曲线模型中包括的函数，能够根据最后一次的上一次答题前的实际遗忘速率、最后一次答题的遗忘时间和最后一次答题的正确率，计算目标对象当前的知识点隶属度。
现对遗忘曲线模型中的几个函数做如下介绍：
比如，求遗忘速率v的函数getv()为：
其中，v为遗忘速率。membership知识隶属临界值。time为遗忘时间。
可以理解，公式(4)与公式(1)是相对应的。公式(4)是一种通用形式，用公式(4)可以用来求解某次答题前的遗忘速率v，其中，公式(4)中的知识隶属临界值membership对应某次答题的正确率。公式(1)相当于是对通用形式的公式(4)在特定情况下的使用，用来求解最后一次答题前的实际遗忘速率。可以理解，公式(1)中，最后一次答题的正确率mem对应公式(4)中的知识隶属临界值membership。最后一次答题的遗忘时间time对应公式(4)中的遗忘时间time。最后一次答题前的实际遗忘速率lastv对应公式(4)中的v。
再比如，求实际遗忘时间的函数gettime()，该函数可以根据需要求解遗忘时间的时间点和第一次答题的时间点来得到实际遗忘时间。用该函数，可以求解本申请各实施例中提到的遗忘时间。
再比如，求知识点隶属度的函数getmembership()：
其中，getv为遗忘速率，gettime为实际遗忘时间，getmembership为知识点隶属度。
可以理解，公式(5)与公式(3)是相对应的。公式(5)是通用形式，公式(3)相当于对通用形式的公式(5)在特定情况下的应用，用于求解当前的知识点隶属度。其中，公式(3)的最后一次答题后的理论遗忘速率v对应公式(5)的遗忘速率getv。公式(3)的当前的遗忘时间xtime对应公式(5)的实际遗忘时间gettime。公式(3)的当前的知识点隶属度lxiang对应公式(5)的知识点隶属度getmembership。
在一个实施例中，目标对象，可以是某个学生在某个科目下的知识点掌握程度，也可以是某个学生在某个科目下的某个认知类型下的知识点掌握程度。
本实施例中，构建与目标对象对应的知识点遗忘曲线模型，将最后一次的上一次答题前的实际遗忘速率、最后一次答题的遗忘时间和最后一次答题的正确率输入知识点遗忘曲线模型中，输出当前的知识点隶属度，能够针对不同的目标对象构建独立的遗忘曲线模型，达到个性化精准助学的效果。
在一个实施例中，本申请各实施例中的学习报告生成方法可以用如图4所示的流程框图中的流程来实现。具体地，在流程开始后，计算机设备从数据库中获取最后一次答题的正确率mem、最后一次答题的遗忘时间time，并确定刷新学习报告的遗忘时间xtime，即，当前的遗忘时间。若截止当前共进行过的答题次数n大于1，则计算机设备从之前生成学习报告的过程中获取最后一次的上一次答题前的实际遗忘速率upperv，若截止当前共进行过的答题次数n不大于1，则对最后一次的上一次答题前的实际遗忘速率upperv进行预设(例如，可以预设
应该理解的是，虽然图2-3的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，图2-3中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些子步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
在一个实施例中，如图5所示，提供了一种学习报告生成装置500，包括：数据获取模块502、知识点隶属度确定模块504和学习报告生成模块506，其中：
数据获取模块502，用于从数据库中，获取最后一次答题的遗忘时间和最后一次答题的正确率。
数据获取模块502还用于获取最后一次的上一次答题前的实际遗忘速率。
知识点隶属度确定模块504，用于根据实际遗忘速率、最后一次答题的遗忘时间和正确率，确定当前的知识点隶属度。
学习报告生成模块506，用于根据知识点隶属度，生成学习报告。
在一个实施例中，最后一次的上一次答题前的实际遗忘速率，为第一实际遗忘速率；最后一次答题的遗忘时间，为第一遗忘时间；知识点隶属度确定模块504，还用于根据第一遗忘时间和正确率，确定最后一次答题前的第二实际遗忘速率；根据第一实际遗忘速率、第二实际遗忘速率和正确率，确定最后一次答题后的理论遗忘速率；获取当前的第二遗忘时间，并根据第二遗忘时间和理论遗忘速率，确定当前的知识点隶属度。
在一个实施例中，知识点隶属度确定模块504，还用于根据正确率，确定最后一次答题的错误率；确定错误率与正确率的比率；根据比率和第一遗忘时间，确定最后一次答题前的第二实际遗忘速率。
在一个实施例中，知识点隶属度确定模块504，还用于根据正确率，确定最后一次答题的错误率；根据第一实际遗忘速率、第二实际遗忘速率、正确率和错误率，确定最后一次答题后的理论遗忘速率。
在一个实施例中，知识点隶属度确定模块504，还用于按照以下公式确定最后一次答题后的理论遗忘速率：
v＝lastv*mem*mem*mem (1-mem)*upperv；
其中，v为最后一次答题后的理论遗忘速率；lastv为最后一次答题前的实际遗忘速率；upperv为最后一次的上一次答题前的实际遗忘速率；mem为最后一次答题的正确率；1-mem为最后一次答题的错误率。
在一个实施例中，知识点隶属度确定模块504，还用于根据第二遗忘时间和理论遗忘速率，确定知识点的遗忘程度；根据知识点的遗忘程度，确定当前的知识点隶属度。
在一个实施例中，如图6所示，学习报告生成装置500还包括：
遗忘曲线构建模块508，用于确定目标对象；构建与目标对象对应的知识点遗忘曲线模型。
知识点隶属度确定模块504还用于将实际遗忘速率、最后一次答题的遗忘时间和正确率输入知识点遗忘曲线模型中，输出当前的知识点隶属度。
本实施例中，根据最后一次的上一次答题前的实际遗忘速率、最后一次答题的遗忘时间和最后一次答题的正确率，确定当前的知识点隶属度，生成学习报告。除了考虑学生对知识本身作答准确情况以外，还考虑到学生对知识点的掌握水平是随时间不断变化的，考虑到时间对知识掌握的影响情况，即，从记忆维度和理解维度来进行分析，能够更加准确地分析知识点掌握情况，从而能够生成更加准确地学习报告，以提高对学习结果评估的准确性。进而，能够更加有针对性地、准确地进行辅助教学。
关于学习报告生成装置的具体限定可以参见上文中对于学习报告生成方法的限定，在此不再赘述。上述学习报告生成装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中，提供了一种计算机设备，该计算机设备可以是终端，其内部结构图可以如图7所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口、显示屏和输入装置。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种学习报告生成方法。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏，该计算机设备的输入装置可以是显示屏上覆盖的触摸层，也可以是计算机设备外壳上设置的按键、轨迹球或触控板，还可以是外接的键盘、触控板或鼠标等。
本领域技术人员可以理解，图7中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
在一个实施例中，提供了一种计算机设备，包括存储器和处理器，存储器存储有计算机程序，计算机程序被处理器执行时，使得处理器执行上述学习报告生成方法的步骤。此处学习报告生成方法的步骤可以是上述各个实施例的学习报告生成方法中的步骤。
在一个实施例中，提供了一种计算机可读存储介质，存储有计算机程序，计算机程序被处理器执行时，使得处理器执行上述学习报告生成方法的步骤。此处学习报告生成方法的步骤可以是上述各个实施例中学习报告生成方法中的步骤。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(rom)、可编程rom(prom)、电可编程rom(eprom)、电可擦除可编程rom(eeprom)或闪存。易失性存储器可包括随机存取存储器(ram)或者外部高速缓冲存储器。作为说明而非局限，ram以多种形式可得，诸如静态ram(sram)、动态ram(dram)、同步dram(sdram)、双数据率sdram(ddrsdram)、增强型sdram(esdram)、同步链路(synchlink)dram(sldram)、存储器总线(rambus)直接ram(rdram)、直接存储器总线动态ram(drdram)、以及存储器总线动态ram(rdram)等。
以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。
1.一种学习报告生成方法，所述方法包括：
从数据库中，获取最后一次答题的遗忘时间和最后一次答题的正确率；
获取所述最后一次的上一次答题前的实际遗忘速率；
根据所述实际遗忘速率、所述最后一次答题的遗忘时间和所述正确率，确定当前的知识点隶属度；
根据所述知识点隶属度，生成学习报告。
2.根据权利要求1所述的方法，其特征在于，所述最后一次的上一次答题前的实际遗忘速率，为第一实际遗忘速率；所述最后一次答题的遗忘时间，为第一遗忘时间；
所述根据所述实际遗忘速率、所述最后一次答题的遗忘时间和所述正确率，确定当前的知识点隶属度包括：
根据所述第一遗忘时间和所述正确率，确定最后一次答题前的第二实际遗忘速率；
根据所述第一实际遗忘速率、所述第二实际遗忘速率和所述正确率，确定所述最后一次答题后的理论遗忘速率；
获取当前的第二遗忘时间，并根据所述第二遗忘时间和所述理论遗忘速率，确定当前的知识点隶属度。
3.根据权利要求2所述的方法，其特征在于，所述根据所述第一遗忘时间和所述正确率，确定最后一次答题前的第二实际遗忘速率包括：
根据所述正确率，确定最后一次答题的错误率；
确定所述错误率与所述正确率的比率；
根据所述比率和所述第一遗忘时间，确定最后一次答题前的第二实际遗忘速率。
4.根据权利要求2所述的方法，其特征在于，所述根据所述第一实际遗忘速率、所述第二实际遗忘速率和所述正确率，确定所述最后一次答题后的理论遗忘速率包括：
根据所述正确率，确定最后一次答题的错误率；
根据所述第一实际遗忘速率、所述第二实际遗忘速率、所述正确率和所述错误率，确定所述最后一次答题后的理论遗忘速率。
5.根据权利要求4所述的方法，其特征在于，所述根据所述第一实际遗忘速率、所述第二实际遗忘速率、所述正确率和所述错误率，确定所述最后一次答题后的理论遗忘速率包括：
按照以下公式确定所述最后一次答题后的理论遗忘速率：
v＝lastv*mem*mem*mem (1-mem)*upperv；
其中，v为最后一次答题后的理论遗忘速率；lastv为最后一次答题前的实际遗忘速率；upperv为最后一次的上一次答题前的实际遗忘速率；mem为最后一次答题的正确率；1-mem为最后一次答题的错误率。
6.根据权利要求2所述的方法，其特征在于，所述根据所述第二遗忘时间和所述理论遗忘速率，确定当前的知识点隶属度包括：
根据所述第二遗忘时间和所述理论遗忘速率，确定知识点的遗忘程度；
根据所述知识点的遗忘程度，确定当前的知识点隶属度。
7.根据权利要求1至6中任一项所述的方法，其特征在于，所述方法还包括：
确定目标对象；
构建与所述目标对象对应的知识点遗忘曲线模型；
所述根据所述实际遗忘速率、所述最后一次答题的遗忘时间和所述正确率，确定当前的知识点隶属度包括：
将所述实际遗忘速率、所述最后一次答题的遗忘时间和所述正确率输入所述知识点遗忘曲线模型中，输出当前的知识点隶属度。
8.一种学习报告生成装置，其特征在于，所述装置包括：
数据获取模块，用于从数据库中，获取最后一次答题的遗忘时间和最后一次答题的正确率；
数据获取模块还用于获取所述最后一次的上一次答题前的实际遗忘速率；
知识点隶属度确定模块，用于根据所述实际遗忘速率、所述最后一次答题的遗忘时间和所述正确率，确定当前的知识点隶属度；
学习报告生成模块，用于根据所述知识点隶属度，生成学习报告。
9.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述方法的步骤。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。
技术总结