基于眼动的读者识别和文本理解评估的判别模型
本文提出两个能够处理整体刺激物的简单序列模型,不需要对句子中所有单词进行特征聚合,同时根据儿童的眼动情况,从语言学角度研究汉语读者的识别障碍。结果表明,使用序列模型可以在眼动序列上识别视觉障碍,但将语言刺激考虑在内并无法提高识别率。
Oct, 2022
我们提出了一种新颖的计算模型,采用分层主动推理来模拟阅读和眼动。该模型将语言处理视为对层次生成模型的推理,从音节到句子的多个粒度级别上进行预测和推理。我们的方法结合了大规模语言模型的文本预测能力和主动推理的眼动引导信息,实现了对预测的测试。我们的模型表现出在阅读已知和未知词汇和句子时的熟练程度,并符合阅读双重路径理论中词汇和非词汇路径的区分。总之,我们的模型在理解阅读和眼动中涉及的复杂认知过程方面取得了显著进展,并具有通过模拟适应性推理来理解和解决阅读障碍与诵读障碍相关的潜在启示。它可能为该病症提供有价值的见解,并有助于制定更有效的治疗措施的发展。
Aug, 2023
本文提出了一种使用眼动模式进行生物识别的新框架,利用 fixations 和 saccades 提取特征,并使用 Gaussian Radial Basis Function Network 用于生物认证。使用文本阅读和屏幕上的随机点跟随等两种视觉刺激进行了测试,结果表明眼动模式是一种强大的生物证明模式,该算法已经在 BioEye 2015 数据库上进行了验证,并发现胜过其他所有方法。结合虹膜识别技术使用眼动动力学可能会导致一个牢固的防伪人员身份识别系统。
Jan, 2016
我们提出了一种基于离散序列到序列扩散模型的 ScanDL,通过利用预训练的词表示和联合嵌入刺激文本和注视序列,捕捉两个输入之间的多模式交互。我们在数据集内外进行了评估,并证明它明显优于最先进的扫视路径生成方法,最后,我们进行了广泛的心理语言学分析,突出了该模型展示人类阅读行为的能力。
Oct, 2023
本文报告了两个眼动追踪语料库和两种语言模型(BERT 和 GPT-2)的实验结果。实验表明,预测自然阅读过程中多种眼动追踪参数时,包含的特征和基于 transformer 的语言模型的架构都发挥了作用。同时通过 SP-LIME,实验分析了不同特征组的相对重要性。
Mar, 2022
本文提出了一种名为 Eyettention 的双序列模型,它可以同时处理词序列和注视序列,通过交叉序列注意机制实现了两个序列的对齐,并在不同的语言数据集上进行了广泛评估和深入分析。结果显示,Eyettention 在预测扫描路径方面表现优于现有模型。
Apr, 2023
本研究分析了人类阅读理解过程中的凝视方式及其对于机器阅读理解的帮助,通过收集了一个新的眼动追踪数据集,得出了阅读过程中与问题相关的文本部分会有更长的凝视时间的结论,并提出了模仿人类寻求信息的阅读行为以提高模型性能的方法,在英语阅读理解问答中获得了表现的提升。
Sep, 2020
这篇论文介绍了一种新颖的凝视驱动的句子简化系统,旨在提高语言学习者的阅读理解能力。通过结合凝视特征和语言特征来评估句子理解,系统识别到理解困难时,通过 GPT-3.5 将复杂的词汇和语法替换为简化的替代词汇和语法,从而提供简化版本,收集了 19 名英语学习者阅读英文文本时的眼动数据,实验结果表明我们的系统能够准确估计句子级别的理解能力,此外,我们还发现 GPT-3.5 的简化在传统可读性指标和个别单词难度、不同语言层面的释义方面提高了可读性。
Sep, 2023
本文介绍了一种基于眼动特征的生物识别身份验证方法,并针对多个数据集对其进行了广泛的用户身份识别研究。通过对刺激类型、IVT 参数等多方面的分析,发现选择最佳 IVT 参数、添加高阶导数特征和包含额外的眨眼识别器等三个方法对身份验证准确性的提高具有积极影响。
Nov, 2021
本文阐述在当前数字化和逐渐普及的人工智能技术下,眼动技术在领域专家识别、不同领域的知识迁移以及混乱的时间检测等方面发挥了重要作用,并建立了数字诊断模型以及可能的数字助理培训选择。
Feb, 2022