論文の概要: Intelligent analysis of EEG signals to assess consumer decisions: A Study on Neuromarketing

• arxiv url: http://arxiv.org/abs/2206.07484v1
• Date: Sun, 29 May 2022 18:41:15 GMT
• ステータス: 処理完了
• システム内更新日: 2022-06-19 23:34:51.841214
• Title: Intelligent analysis of EEG signals to assess consumer decisions: A Study on Neuromarketing
• Title（参考訳）: 消費者意思決定のための脳波信号の知的分析:ニューロマーケティングに関する研究
• Authors: Nikunj Phutela, Abhilash P, Kaushik Sreevathsan, B N Krupa
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Neuromarketing is an emerging field that combines neuroscience and marketing to understand the factors that influence consumer decisions better. The study proposes a method to understand consumers' positive and negative reactions to advertisements (ads) and products by analysing electroencephalogram (EEG) signals. These signals are recorded using a low-cost single electrode headset from volunteers belonging to the ages 18-22. A detailed subject dependent (SD) and subject independent (SI) analysis was performed employing machine learning methods like Naive Bayes (NB), Support Vector Machine (SVM), k-nearest neighbour and Decision Tree and the proposed deep learning (DL) model. SVM and NB yielded an accuracy (Acc.) of 0.63 for the SD analysis. In SI analysis, SVM performed better for the advertisement, product and gender-based analysis. Furthermore, the performance of the DL model was on par with that of SVM, especially, in product and ads-based analysis.
• Abstract（参考訳）: ニューロマーケティング(neuromarketing)は、神経科学とマーケティングを組み合わせることで、消費者の意思決定に影響を及ぼす要因を理解する新興分野である。 本研究は,脳波信号の分析により,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。 これらの信号を18〜22歳のボランティアから低コストの単電極ヘッドセットで記録する。 naive bayes (nb), support vector machine (svm), k-nearest neighbor and decision tree, and the proposed deep learning (dl) model などの機械学習手法を用いて,詳細な主観依存 (sd) と主観独立 (si) 分析を行った。 SVMとNBはSD解析の精度0.63(Acc.)を得た。 SI分析では、SVMは広告、製品、ジェンダーに基づく分析に優れていた。 さらに、DLモデルの性能は、特に製品および広告に基づく分析において、SVMと同等であった。

関連論文リスト

• Beyond Single-Value Metrics: Evaluating and Enhancing LLM Unlearning with Cognitive Diagnosis [34.62178125699054]
  UNCD (UNlearning Evaluation via Cognitive Diagnosis) は、LLMアンラーニングのきめ細かい評価のための新しいフレームワークである。 われわれのベンチマークであるUNCD-Cyberは、危険な能力の除去に関する詳細な評価を提供する。 当社の専用ベンチマークであるUNCD-Cyberは、危険な能力の除去に関する詳細な評価を提供する。
  論文  参考訳（メタデータ） (2025-02-19T06:56:59Z)
• LLMs Help Alleviate the Cross-Subject Variability in Brain Signal and Language Alignment [1.182997366332405]
  本研究の目的は,人間の脳波信号に固有の主題に依存しない意味情報を,深層学習で捉えることができるかどうかを検討することである。 雑音の多い脳波信号から主観非依存の意味的特徴を抽出するために,大言語モデル(LLM)を用いる。
  論文  参考訳（メタデータ） (2025-01-05T18:29:39Z)
• Fine-Grained Sentiment Analysis of Electric Vehicle User Reviews: A Bidirectional LSTM Approach to Capturing Emotional Intensity in Chinese Text [0.07927749619559048]
  本研究では,二方向性長短期記憶(Bidirectional Long Short-Term Memory, Bi-LSTM)ネットワークを用いた感情評価モデルを提案し,EV充電インフラのユーザレビューを分析した。 0から5までの感情スコアを割り当てることで、モデルが感情表現のきめ細かい理解を提供する。
  論文  参考訳（メタデータ） (2024-12-05T05:04:29Z)
• Sentiment Analysis Based on RoBERTa for Amazon Review: An Empirical Study on Decision Making [0.0]
  現状の自然言語処理(NLP)技術を利用して、Amazon製品レビューの感情分析を行う。 我々は、レビューの感情のトーンを正確に反映した感情スコアを導出するために、トランスフォーマーベースのモデルRoBERTaを採用している。
  論文  参考訳（メタデータ） (2024-10-18T22:46:27Z)
• Dynamic Sentiment Analysis with Local Large Language Models using Majority Voting: A Study on Factors Affecting Restaurant Evaluation [0.0]
  本研究では,局所言語モデルを用いた感情分析モデルに多数決機構を導入する。 レストラン評価に関するオンラインレビューの3つの分析により、複数の試みによる過半数投票は、一つの試みによる大規模なモデルよりも、より堅牢な結果をもたらすことを示した。
  論文  参考訳（メタデータ） (2024-07-18T00:28:04Z)
• Robustness of Explainable Artificial Intelligence in Industrial Process Modelling [43.388607981317016]
  我々は,地中真実シミュレーションと感度解析に基づいて,現在のXAI手法を評価する。 モデル化された産業プロセスの真の感度を正確に予測する能力において,XAI法とXAI法の違いを示す。
  論文  参考訳（メタデータ） (2024-07-12T09:46:26Z)
• Machine Learning for ALSFRS-R Score Prediction: Making Sense of the Sensor Data [44.99833362998488]
  筋萎縮性側索硬化症(Amyotrophic Lateral Sclerosis、ALS)は、急速に進行する神経変性疾患である。 iDPP@CLEF 2024チャレンジを先導した今回の調査は,アプリから得られるセンサデータを活用することに焦点を当てている。
  論文  参考訳（メタデータ） (2024-07-10T19:17:23Z)
• MR-Ben: A Meta-Reasoning Benchmark for Evaluating System-2 Thinking in LLMs [55.20845457594977]
  大規模言語モデル(LLM)は、問題解決と意思決定の能力の向上を示している。 本稿ではメタ推論技術を必要とするプロセスベースのベンチマークMR-Benを提案する。 メタ推論のパラダイムは,システム2のスロー思考に特に適しています。
  論文  参考訳（メタデータ） (2024-06-20T03:50:23Z)
• LLMs-based Few-Shot Disease Predictions using EHR: A Novel Approach Combining Predictive Agent Reasoning and Critical Agent Instruction [38.11497959553319]
  本研究では,構造化患者訪問データを自然言語物語に変換するための大規模言語モデルの適用可能性について検討する。 様々なERH予測指向のプロンプト戦略を用いて,LLMのゼロショット性能と少数ショット性能を評価した。 提案手法を用いることで,従来のERHによる疾患予測の教師付き学習法と比較して,LLMの精度は極めて低いことが示唆された。
  論文  参考訳（メタデータ） (2024-03-19T18:10:13Z)
• Adversarial Sample Enhanced Domain Adaptation: A Case Study on Predictive Modeling with Electronic Health Records [57.75125067744978]
  ドメイン適応を容易にするデータ拡張手法を提案する。 逆生成したサンプルはドメイン適応時に使用される。 その結果,本手法の有効性とタスクの一般性が確認された。
  論文  参考訳（メタデータ） (2021-01-13T03:20:20Z)
• Understanding Consumer Preferences for Movie Trailers from EEG using Machine Learning [0.0]
  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。
  論文  参考訳（メタデータ） (2020-07-21T12:35:18Z)

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。