我們經常可以看到各種各樣的英語詞彙量測試功能，你測試過嗎？你覺得準嗎？
我使用過有道詞典的詞彙量測試功能，我認為它最大的問題是，不管是誰不管測多少次，每次測的詞都是固定不變的，這就好像高考，全國各地年復一年都考同一套題。
當然，它是怎麼來評估詞彙量，使用什麼演算法，那就更不知道了。
本文提出了一種使用隨機抽樣梯度下降演算法來預估詞彙量的方法，經大量使用者反映，很準，你是不是心動了，想馬上試一試呢？立馬測試一下吧，
測完詞彙量，我們就來看看如何使用隨機抽樣梯度下降演算法來預估詞彙量：
1、將詞彙分成9個級別，難度是先遞增然後平穩然後稍微有一點下降。
2、從這9個級別中，隨機挑選總共100個單詞，從第1級到第9級挑選的個數分別是：5、10、15、15、15、10、10、10、10。
3、之所以選擇100個單詞，是經過精心設計的。正常時間需要8分鐘完成，如果高手來做題，應該會在5分鐘內完成；如果菜鳥做題，一般會超過16分鐘來完成；還有一種情況，就是如果有人閉著眼睛一直選a，這樣他大概只要1分鐘左右的時間。
4、因為這9個級別總體趨勢是梯度上公升的，在做題的時候，如果前面的梯度出現問題，那麼說明基礎不紮實，這雖然不會中斷測試也不應該中斷測試，但是會減少後面梯度的預估權重。
5、在詞彙量預估模型中，使用固定值預估+梯度下降演算法來計算。
6、給使用者記時，使用者答題完成後，計算每乙個級別答對的問題數目，如: 1 -> 2，2 -> 3，… ，9 -> 3。
7、計算每乙個級別答對的比率 = 每乙個級別答對的題數 / 每乙個級別總的題數。
8、遍歷每乙個答對的題，累加預估總詞數。如果題目屬於第一級, 則將第一級答對的比率乘以固定的預估值作為該題預估詞數。如果題目不屬於第一級, 則將上一級答對的比率和本級相乘，然後用這個比率乘以固定的預估值作為該題預估詞數。如果上一級全部答錯, 則將上一級的答對比率固定設定為0.1。
9、加入答題時間的影響。期望答題時間是8分鐘。每提前一秒鐘預估詞數加20，最多加量不超過3600。每落後一秒鐘預估詞數減20, 最多減量不超過9600。假定做題最快時間不少於4分鐘，如果少於四分鐘，每少n秒預估詞數就減去4800+n*20。
10、如果如上演算法最後獲得的預估詞數是負數，則去除負號取絕對值。
演算法實現如下：
1、使用如下**構造quiz物件，這裡我們不但支援中文詞典還支援英文詞典，進一步參考quiz類的完整實現：
dictionary dictionary = wordlinker.getvaliddictionary(request.getparameter("dictionary"));
quiz quiz = quiz.buildquiz(dictionary);
quizitem quizitem = quiz.getquizitem();
quiz.step()指示當前測試到第幾題了，quizitem.getmeanings()是提供給使用者的選項，預設是4個。
3、獲取使用者答案，將使用者答案儲存到quiz物件中，返回值表示使用者是否答對：
影音先鋒電影
4、當quiz.getquizitem()的返回值為null的時候，說明題已經答完了，那麼就給使用者顯示結果，告知使用者哪些題答對了，哪些題答錯了。可通過quiz.getquizitem()獲得所有的題目，並通過quizitem.isright()來判定是否正確，通過quizitem.getword().getword()來獲得詞，通過quizitem.getword().getmeaning()來獲得所有的選項，通過quizitem.getanswer()來獲取使用者提交的答案。
RANSAC 隨機抽樣一致演算法
ransac通過反覆選擇資料中的一組隨機子集來達成目標。被選取的子集被假設為局內點，並用下述方法進行驗證 1.首先我們先隨機假設一小組局內點為初始值。然後用此局內點擬合乙個模型，此模型適應於假設的局內點，所有的未知引數都能從假設的局內點計算得出。2.用1中得到的模型去測試所有的其它資料，如果某個點適...
隨機抽樣一致性演算法（RANSAC）
隨機抽樣一致性演算法 ransac 以下都是個人對於ransac的一些認識，可能有比較大的問題，望大家批評指正。應用的範圍 主要在散點圖中獲得乙個已知模型的引數，使得符合這個模型引數的點最多。散點圖由局內點和局外點之分，當散點在模型上時則是局內點，如果在模型外則為局外點。ransac的目標是找尋乙個...
一種隨機數生成演算法
隨機數生成類 class randnumber randnumber randnumber unsigned long s 0 else unsigned short randnumber random unsigned long n double randnumber frandom unsign...