1.
A Trainable Spaced Repe00on Model
for Language Learning
• Duolingoの社員がACLという国際会議で発表した論文
– h:p://www.aclweb.org/anthology/P/P16/P16-1174.pdf
• ユーザーが単語を学習するときに、その単語を次に
出すタイミングはいつがいいか
– 計量心理学の分野(忘却曲線)
• Duolingoでユーザーが学習した結果を元に機械学習
(回帰問題)を使うと、忘却曲線の半減期を正しく推定
• ユーザーがさらにサービスを活用してくれるように
• データとコード公開
– h:ps://github.com/duolingo/halflife-regression

2.
Duolingoについて
• 2012年に立ち上げ。150万ユーザーが使ってい
る語学サイト
• 21言語のコースがあって、80以上の言語が現在
開発中
• ユーザーに合わせて動的にレッスンが生成され
る
– h:p://www.lifehacker.jp/
2015/08/150809duolingo_hideki_shima.html
– h:p://www.lifehacker.jp/
2015/08/150825duolingo_hagiwara1.html

3.
スクリーンショット

4.
既存手法:ライトナーシステム
• h:ps://ja.wikipedia.org/wiki/ライトナーシステ
ム
• 1回正解したら次に提示するのは2日後、2回
連続なら4日後、...、4回連続なら`2^4`=16日
後にその単語を提示
図は論文より
引用

5.
提案手法
• 忘却曲線をベースに、ユーザーが単語を覚えている
確率を回帰で予測する問題に定式化
• 指数の方の部分を線形なモデルで表現
• パラメータはclosed-formで求められないので、
AdaGradを使ってitera0veに最適化
p: 単語を覚えている確率。実際にはセッショ
ン中に単語を正しく覚えていた割合を使う
Δ: 前回学習時からの時間
h: ユーザーの長期記憶に対する強度
x: 特徴量ベクトル
Θ: パラメータベクトル
l: 損失関数
λ: 正則化パラメータ

6.
特徴量
• Interac0on features
– ユーザーがその単語を何回見たか、何回正解し
たか、間違ったか
• Lexeme tag features
– 品詞や時制、三単元のSなどをsparseな特徴量と
して表現
– マイナーな言語(現在21言語あるらしい)でもでき
るようになっているのは言語マニアな社員がたく
さんいるからか...

7.
図は論文より
引用

8.
結果
• 6週間、100万ユーザーで比較実験
• Any(crowdsourced transla0ons, online forum
discussionsを含む)とLessonが増えて、Prac0ce
が減った 図は論文より
引用