学习鼠标运动的高效表示以预测用户注意力
人机交互
2020-06-03 v1 信息检索
机器学习
机器学习
摘要
追踪鼠标光标运动可用于预测用户在异构页面布局（如搜索引擎结果页 SERPs）上的注意力。迄今为止，已有工作严重依赖手工特征，这是一种耗时且常需领域专业知识的方法。我们研究了鼠标光标运动的不同表示，包括时间序列、热力图与基于轨迹的图像，以构建并对比循环与卷积神经网络，从而预测用户对直接展示内容（如 SERP 广告）的注意力。我们的模型在原始鼠标光标数据上训练并取得了有竞争力的性能。我们得出结论：应将神经网络模型用于涉及鼠标光标运动的下游任务，因为它们能为重排序与评估提供宝贵的隐式反馈信号。
引用
@article{arxiv.2006.01644,
title = {Learning Efficient Representations of Mouse Movements to Predict User Attention},
author = {Ioannis Arapakis and Luis A. Leiva},
journal= {arXiv preprint arXiv:2006.01644},
year = {2020}
}
备注
arXiv admin note: text overlap with arXiv:2001.07803