一种用于检测眼动追踪数据中困惑状态的神经架构
计算机视觉与模式识别
2020-03-17 v1 机器学习
图像与视频处理
摘要
受深度学习在多个领域成功的鼓舞，我们研究了一种将其方法新颖地应用于检测眼动追踪数据中用户困惑状态有效性的课题。我们提出了一种并行使用 RNN 与 CNN 子模型的架构，以利用数据的时间与视觉空间特性。在用户对 ValueChart 可视化工具交互的数据集上的实验表明，我们的模型优于基于 Random Forests 的现有模型，在灵敏度与特异度综合指标上实现了 22% 的提升。
引用
@article{arxiv.2003.06434,
title = {A Neural Architecture for Detecting Confusion in Eye-tracking Data},
author = {Shane Sims and Cristina Conati},
journal= {arXiv preprint arXiv:2003.06434},
year = {2020}
}