利用脑信号更好地理解人类阅读理解

阅读理解是一个复杂的认知过程，涉及许多人类大脑活动。已有大量工作研究了信息检索相关场景中阅读理解的模式和注意力分配。然而，人们对阅读理解过程中大脑内部发生的情况以及这些认知活动如何影响信息检索过程知之甚少。此外，随着脑电图（EEG）等脑成像技术的进步，几乎可以实时采集脑信号，并探索其是否可以作为反馈来促进信息获取性能。在本文中，我们精心设计了一项基于实验室的用户研究，以探究阅读理解过程中的大脑活动。我们的发现表明，神经反应会随着不同类型的阅读内容（即能够满足用户信息需求的内容和不能满足用户信息需求的内容）而变化。我们认为，在阅读理解的微观时间尺度上，各种认知活动，例如认知负荷、语义-主题理解和推理加工，支撑了这些神经反应。基于这些发现，我们阐述了对信息检索任务（如排序模型构建和界面设计）的若干见解。此外，我们提出了为主动式现实世界系统检测阅读理解状态的可能性。为此，我们提出了一个统一的基于脑电图的阅读理解建模框架（UERCM）。为了验证其有效性，我们基于脑电图特征对两个阅读理解任务（答案句分类和答案抽取）进行了广泛的实验。结果表明，利用脑信号提升这两个任务的性能是可行的。