基于 EEG 和眼动追踪的隐式搜索意图识别：新数据集与跨用户预测
人机交互
2025-08-05 v1 计算机视觉与模式识别
摘要
对于机器有效地帮助人类完成具有挑战性的视觉搜索任务，他们必须区分人类是仅是浏览场景（导航意图）还是在寻找目标对象（信息意图）。以往的研究提出将结合电脑神经信号（EEG）和眼动测量来识别此类搜索意图，即无需明确的用户输入。然而，这些方法在实际场景中的适用性受到两个关键限制。首先，先前的工作在信息意图条件中使用固定的搜索时间——这与自然终止于找到目标后的视觉搜索形成鲜明对比。其次，纳入 EEG 测量的方法解决的预测场景需要来自目标用户的ground truth训练数据，这在许多用例中是不切实际的。我们通过制作第一个面向导航意图与信息意图识别的 EEG 和眼动追踪数据集，其中用户决定搜索时间，来克服这些限制。我们提出了首个基于 EEG 和眼动追踪录音的跨用户搜索意图预测方法，并在离开用户留差评估中实现了 84.5% 的准确率——相当于 within-user 预测准确率（85.5%），但提供了更大的灵活性。
引用
@article{arxiv.2508.01860,
title = {Implicit Search Intent Recognition using EEG and Eye Tracking: Novel Dataset and Cross-User Prediction},
author = {Mansi Sharma and Shuang Chen and Philipp Müller and Maurice Rekrut and Antonio Krüger},
journal= {arXiv preprint arXiv:2508.01860},
year = {2025}
}