利用眼动轨迹包含的参数来预测顾客是否喜欢某些商品,对于电子商务的推荐系统具有重要意义。通过采集顾客观察某物品的眼动参数,借鉴Find-s算法概念学习的思想,提出眼动轨迹语义提取算法,该算法首先学习先验知识,然后通过让样例正反例...利用眼动轨迹包含的参数来预测顾客是否喜欢某些商品,对于电子商务的推荐系统具有重要意义。通过采集顾客观察某物品的眼动参数,借鉴Find-s算法概念学习的思想,提出眼动轨迹语义提取算法,该算法首先学习先验知识,然后通过让样例正反例距离最大实现确定眼动参数包括注视时间、瞳孔大小、眨眼次数以及回视次数的权重,利用SEBET(Se-mantic extraction based eye tracking)算法,通过■计算样例正反例之间的距离,依照距离的远近来判断顾客是否喜欢某商品,从而实现从眼动轨迹进行语义提取。实验中,记录被试观察水果图片的眼动参数,分析出被试的喜好,与被试实际喜好进行了比较,发现样本与正例的距离为0.91,与反例的距离为3.01,与实际情况相符。展开更多
文摘利用眼动轨迹包含的参数来预测顾客是否喜欢某些商品,对于电子商务的推荐系统具有重要意义。通过采集顾客观察某物品的眼动参数,借鉴Find-s算法概念学习的思想,提出眼动轨迹语义提取算法,该算法首先学习先验知识,然后通过让样例正反例距离最大实现确定眼动参数包括注视时间、瞳孔大小、眨眼次数以及回视次数的权重,利用SEBET(Se-mantic extraction based eye tracking)算法,通过■计算样例正反例之间的距离,依照距离的远近来判断顾客是否喜欢某商品,从而实现从眼动轨迹进行语义提取。实验中,记录被试观察水果图片的眼动参数,分析出被试的喜好,与被试实际喜好进行了比较,发现样本与正例的距离为0.91,与反例的距离为3.01,与实际情况相符。