迈向脑部段落检索：基于EEG的查询表征研究

信息检索（IR）系统主要依赖用户将内在信息需求转化为（文本）查询的能力。然而，这一转化过程往往充满不确定性且认知负担沉重，导致查询无法完整或准确地反映用户的真实需求。对于信息需求不明确或存在身体障碍而限制传统文本输入的用户，认知意图与查询表达之间的鸿沟尤为突出。近期神经科学研究探索了脑机接口（BMI）作为潜在解决方案，旨在弥合用户认知语义与搜索意图之间的差距。然而，当前从脑信号中解码显式文本查询的方法在习得鲁棒的脑到文本表征方面效果有限，常常无法捕捉脑信号中蕴含的细微语义信息。为解决这些局限，我们提出了BPR（脑部段落检索）框架，该框架无需中间查询转换，能够直接从用户脑信号中检索相关段落。我们利用密集检索架构将EEG信号和文本段落映射到共享语义空间。通过在ZuCo数据集上的大量实验，我们证明BPR在precision@5上相较于现有EEG到文本基线方法提升了高达8.81%，并在30名参与者中保持了有效性。我们的消融研究揭示了难负样本采样和专用脑编码器在实现鲁棒跨模态对齐中的关键作用。这些结果验证了直接进行脑到段落检索的可行性，并为开发用户认知状态与IR系统之间更自然的交互界面奠定了基础。