論文の概要: Understanding Consumer Preferences for Movie Trailers from EEG using Machine Learning

• arxiv url: http://arxiv.org/abs/2007.10756v1
• Date: Tue, 21 Jul 2020 12:35:18 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-08 04:12:29.882853
• Title: Understanding Consumer Preferences for Movie Trailers from EEG using Machine Learning
• Title（参考訳）: 機械学習を用いた脳波からの映画トレーサの消費者嗜好の理解
• Authors: Pankaj Pandey, Raunak Swarnkar, Shobhit Kakaria and Krishna Prasad Miyapuram
• Abstract要約: これまでの研究では、脳波が捉えた誘発応答の変化を理解することによって、消費者の嗜好を効果的に予測できることが示されている。 我々の研究は、ニューラルネットワークが消費者選択の効果的な予測要因となり、消費者の行動に対する理解を著しく向上させることを示唆している。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Neuromarketing aims to understand consumer behavior using neuroscience. Brain imaging tools such as EEG have been used to better understand consumer behavior that goes beyond self-report measures which can be a more accurate measure to understand how and why consumers prefer choosing one product over another. Previous studies have shown that consumer preferences can be effectively predicted by understanding changes in evoked responses as captured by EEG. However, understanding ordered preference of choices was not studied earlier. In this study, we try to decipher the evoked responses using EEG while participants were presented with naturalistic stimuli i.e. movie trailers. Using Machine Learning tech niques to mine the patterns in EEG signals, we predicted the movie rating with more than above-chance, 72% accuracy. Our research shows that neural correlates can be an effective predictor of consumer choices and can significantly enhance our understanding of consumer behavior.
• Abstract（参考訳）: 神経マーケティングは、神経科学を用いて消費者の行動を理解することを目的としている。 eegのような脳イメージングツールは、消費者の行動をよりよく理解するために使われており、これは、消費者が製品を選ぶことを好む理由を理解するための、より正確な尺度である。 これまでの研究では、脳波による誘発反応の変化を理解することによって、消費者の嗜好を効果的に予測できることが示されている。 しかし、順序づけられた選択の選好の理解は以前には研究されなかった。 本研究では,脳波を用いた誘発反応の解読と,自然主義的な刺激,すなわち映画トレーラーの提示を試みた。 機械学習技術を使って脳波信号のパターンをマイニングし、72%以上の精度で映画評価を予測した。 本研究は,ニューラルネットワークが消費者選択の効果的な予測因子となり,消費者行動の理解を著しく向上させることを示す。

関連論文リスト

• Modeling User Preferences via Brain-Computer Interfacing [54.3727087164445]
  我々はBrain-Computer Interface技術を用いてユーザの好みを推測し、その注意力は視覚的コンテンツと感情的体験との関連性に相関する。 我々はこれらを,情報検索,生成モデルのパーソナライズされたステアリング,感情経験のクラウドソーシング人口推定など,関連するアプリケーションにリンクする。
  論文  参考訳（メタデータ） (2024-05-15T20:41:46Z)
• Exploring the Impact of Opinion Polarization on Short Video Consumption [13.860862694398692]
  本研究は、オピニオン偏光(OP)が短いビデオ消費に与える影響に焦点を当てる。 好き嫌いやウォッチタイムといった従来のフィードバックのメトリクスは、OPを完全にキャプチャして測定するのに失敗します。 本研究は脳波信号を用いて,OPに対する神経応答を評価する新しい非侵襲的アプローチを提案する。
  論文  参考訳（メタデータ） (2024-03-07T03:26:10Z)
• Unveiling Emotions from EEG: A GRU-Based Approach [2.580765958706854]
  ゲーテッド・リカレント・ユニット(GRU)アルゴリズムは、感情状態を予測するために脳波信号が使えるかどうかをテストする。 我々の公開データセットは、幸せ、中立、ネガティブな感情を呼び起こす刺激にさらされた人々の脳波記録と同様に、中立なデータを休ませることから成り立っている。
  論文  参考訳（メタデータ） (2023-07-20T11:04:46Z)
• ASPEST: Bridging the Gap Between Active Learning and Selective Prediction [56.001808843574395]
  選択予測は、不確実な場合の予測を棄却する信頼性のあるモデルを学ぶことを目的としている。 アクティブラーニングは、最も有意義な例を問うことで、ラベリングの全体、すなわち人間の依存度を下げることを目的としている。 本研究では,移動対象領域からより情報のあるサンプルを検索することを目的とした,新たな学習パラダイムである能動的選択予測を導入する。
  論文  参考訳（メタデータ） (2023-04-07T23:51:07Z)
• Intelligent analysis of EEG signals to assess consumer decisions: A Study on Neuromarketing [0.0]
  本研究は,脳波(EEG)信号を分析することにより,消費者の広告(広告)や製品に対する肯定的・否定的な反応を理解する方法を提案する。 これらの信号は18～22歳のボランティアの安価な単電極ヘッドセットを用いて記録される。
  論文  参考訳（メタデータ） (2022-05-29T18:41:15Z)
• Transformers for prompt-level EMA non-response prediction [62.41658786277712]
  エコロジー・モメンタリー・アセスメント(Ecological Momentary Assessments、EMA)は、認知状態、影響、行動、環境要因を測定するための重要な心理的データ源である。 参加者がEMAプロンプトに反応しない非応答は、内因性問題である。 非応答を正確に予測できる能力は、EMAのデリバリを改善し、コンプライアンスの介入を開発するために利用することができる。
  論文  参考訳（メタデータ） (2021-11-01T18:38:47Z)
• Backprop-Free Reinforcement Learning with Active Neural Generative Coding [84.11376568625353]
  動的環境におけるエラー(バックプロップ)のバックプロパゲーションを伴わない行動駆動型生成モデルの学習のための計算フレームワークを提案する。 我々は、まばらな報酬でも機能するインテリジェントエージェントを開発し、推論として計画の認知理論からインスピレーションを得ている。 我々のエージェントの堅牢な性能は、神経推論と学習のためのバックプロップフリーアプローチがゴール指向の行動を促進するという有望な証拠を提供する。
  論文  参考訳（メタデータ） (2021-07-10T19:02:27Z)
• A Novel Transferability Attention Neural Network Model for EEG Emotion Recognition [51.203579838210885]
  脳波感情認識のための伝達型注目ニューラルネットワーク(TANN)を提案する。 TANNは、伝達可能な脳波領域のデータとサンプルを適応的に強調することにより、感情的な識別情報を学習する。 これは、複数の脳領域レベル判別器と1つのサンプルレベル判別器の出力を測定することで実現できる。
  論文  参考訳（メタデータ） (2020-09-21T02:42:30Z)
• Face to Purchase: Predicting Consumer Choices with Structured Facial and Behavioral Traits Embedding [53.02059906193556]
  消費者の顔の特徴と履歴に基づいて消費者の購入を予測することを提案する。 階層型埋め込みネットワークに基づく半教師付きモデルを設計し、消費者の高レベルな特徴を抽出する。 実世界のデータセットを用いた実験結果から,消費者の購買行動を予測するために,顔情報の導入による肯定的な効果が示された。
  論文  参考訳（メタデータ） (2020-07-14T06:06:41Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。