脑电图揭示了用户必需的信息
第一次,在机器学习解释的脑电图的帮助下,信息检索成为可能。
在赫尔辛基信息技术研究所(HIIT)和卓越计算推理中心(COIN)进行的一项研究中,实验室测试的受试者阅读他们自己选择的维基百科文章的介绍。在阅读过程中,受试者的脑电图被记录下来,然后这些阅读被用来模拟受试者觉得有趣的关键词。
“研究的目的是研究脑电图是否可以用来识别与测试对象相关的单词,预测受试者的搜索意图并使用它。信息推荐与该主题相关的、有趣的新文件。英语维基百科中有数百万个文档,所以推荐的准确性是在这个庞大但可控的语料库中进行研究的,”HIIT的研究员Tuukka Ruotsalo说。
由于大脑信号中的噪音,机器学习被用于建模,这样相关性和兴趣可以通过学习脑电图反应来识别。在机器学习方法的帮助下,可以识别出信息丰富的单词,因此它们也很有用信息检索应用程序。
“信息过载是日常生活的一部分,我们不可能对所有看到的信息做出反应。根据这项研究,我们不需要这样做;从大脑信号中测量出的脑电图反应可以用来预测用户的反应和意图,”HIIT研究人员Manuel Eugster说。
根据这项研究,大脑信号可以用来成功地预测用户感兴趣的其他维基内容。
根据研究结果,将该方法应用于真实的信息检索情境似乎很有前景。如今,我们将大量的工作时间用于搜索信息,在使知识工作更有效方面还有很大的空间,但实际应用仍然需要更多的工作。“这项研究的主要目标是首先证明这种新事物是可能的,”计算机科学系教授兼COIN主任塞缪尔·卡斯基(Samuel Kaski)说。
“在未来,脑电图传感器可能会舒服地佩戴。”通过这种方式,机器可以通过监测脑电图反应来自动观察、标记和收集相关信息,从而帮助人类。”Ruotsalo补充道。
进一步探索
用户评论