基于眼动追踪与神经序列模型的有无阅读障碍普通话读者分类
计算与语言
2022-12-05 v2 机器学习
摘要
已知眼动反映阅读中的认知过程，且心理学阅读研究表明，有阅读障碍与无阅读障碍读者的眼动模式存在差异。近年来，研究者尝试基于支持向量机（SVM）利用眼动对阅读障碍读者进行分类。然而，这些方法（i）基于对参与者所读所有词取平均的高度聚合特征，因而忽略了眼动的序列性质；（ii）未考虑语言刺激及其与读者眼动的交互。在本工作中，我们提出两种简单的序列模型，处理整个刺激上的眼动而无需跨句子聚合特征。此外，我们以两种方式将语言刺激纳入模型——上下文词嵌入和人工提取的语言特征。这些模型在一个包含有和无阅读障碍儿童眼动的普通话数据集上进行了评估。我们的结果表明：（i）即使是如中文这样的语标文字，序列模型也能够在眼动序列上分类阅读障碍，达到最先进的性能；（ii）纳入语言刺激无助于提升分类性能。
引用
@article{arxiv.2210.09819,
title = {Eye-tracking based classification of Mandarin Chinese readers with and without dyslexia using neural sequence models},
author = {Patrick Haller and Andreas Säuberli and Sarah Elisabeth Kiener and Jinger Pan and Ming Yan and Lena Jäger},
journal= {arXiv preprint arXiv:2210.09819},
year = {2022}
}