引入 EEG 分析以帮助个人化音乐偏好预测
人机交互
2024-04-25 v1 信息检索
摘要
如今，个性化推荐系统在我们日常生活中的音乐场景中发挥着越来越重要的作用，具备偏好预测能力。然而，现有方法主要依赖用户的隐式反馈（如点击、停留时间），忽略了用户经验的细节。本文引入脑电图 (EEG) 信号作为个人化音乐偏好的基础，以实现个性化推荐系统。为实现日常生活中的数据收集，我们使用干电极便携式设备收集数据。我们进行了一项用户研究，参与者聆听音乐并记录偏好和情绪，同时使用便携式设备收集 EEG 信号。对收集的数据进行分析表明，音乐偏好、情绪与 EEG 信号之间存在显著关系。此外，我们对 EEG 信号特征进行实验，以预测个人化音乐偏好。实验结果显示，在 EEG 的帮助下，评分预测和偏好分类都有显著改善。我们的工作证明了在便携式设备中引入 EEG 信号用于个人化音乐偏好预测的可能性。而且，我们的方法不局限于音乐场景，EEG 信号作为显式反馈可用于个性化推荐任务。
引用
@article{arxiv.2404.15753,
title = {Introducing EEG Analyses to Help Personal Music Preference Prediction},
author = {Zhiyu He and Jiayu Li and Weizhi Ma and Min Zhang and Yiqun Liu and Shaoping Ma},
journal= {arXiv preprint arXiv:2404.15753},
year = {2024}
}
备注
Accepted by CHCI 2022