文献类型：期刊文章

作　　者：王晓明[1] 赵歆波[1]

WANG Xiaoming;ZHAO Xinbo(National Engineering Laboratory for Integrated Aero-Space-Ground-Ocean Big Data Application Technology,School of Computer,Northwestern Polytechnical University,Xi'an 710072,China)

机构地区：[1]西北工业大学计算机学院空天地海一体化大数据应用技术国家工程实验室,西安710072

出　　处：《清华大学学报（自然科学版）》

基　　金：国家自然科学基金资助项目(61231016;61871326);教育部人文社会科学研究一般项目(18YJCZH180)

年　　份：2019

卷　　号：59

期　　号：6

起止页码：468-475

语　　种：中文

收录情况：BDHX、BDHX2017、CAS、CSA、CSA-PROQEUST、CSCD、CSCD2019_2020、EI、IC、INSPEC、JST、MR、RCCSE、SCOPUS、ZGKJHX、ZMATH、核心刊

摘　　要：传统眼动模型基于心理学假设和经验数据构建,不能对未见文本数据进行预测,且不能解决阅读个体化差异问题。针对这一问题,该文提出了一种利用深度神经网络预测读者注视点的眼动模型。与传统基于心理学的眼动模型不同,该模型不是基于经验数据集,而是基于双向长短期记忆-条件随机场(bi-directional long short-term memory-conditional random field,bi-LSTM-CRF)神经网络。该模型使用阅读过程中读者的眼球运动数据作为训练数据,来预测该读者阅读其他文本时的注视点。计算机模拟结果表明:bi-LSTM-CRF模型能够使用较少的数据特征获得与现有机器学习模型相似的预测准确度,这使所提出的模型在实时人机交互应用领域具有吸引力。

关 键 词：个体阅读  眼动追踪  眼动模型  深度神经网络  

分 类 号：TP391.1] TP183[计算机类]