論文の概要: Relevance Feedback with Brain Signals

• arxiv url: http://arxiv.org/abs/2312.05669v1
• Date: Sat, 9 Dec 2023 20:19:16 GMT
• ステータス: 処理完了
• システム内更新日: 2023-12-12 19:23:05.003369
• Title: Relevance Feedback with Brain Signals
• Title（参考訳）: 脳信号による関連フィードバック
• Authors: Ziyi Ye, Xiaohui Xie, Qingyao Ai, Yiqun Liu, Zhihong Wang, Weihang Su, Min Zhang
• Abstract要約: 本稿では,BCIに基づく関連性フィードバックと疑似関連性信号と暗黙の信号を組み合わせて文書の再ランク付け性能を向上させる新しいフレームワークを提案する。 脳信号は、特にフィードバックの欠如やうるさいという暗黙の信号がある場合、いくつかの難解な検索シナリオで特によく機能する。
• 参考スコア（独自算出の注目度）: 29.97518045855005
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The Relevance Feedback (RF) process relies on accurate and real-time relevance estimation of feedback documents to improve retrieval performance. Since collecting explicit relevance annotations imposes an extra burden on the user, extensive studies have explored using pseudo-relevance signals and implicit feedback signals as substitutes. However, such signals are indirect indicators of relevance and suffer from complex search scenarios where user interactions are absent or biased. Recently, the advances in portable and high-precision brain-computer interface (BCI) devices have shown the possibility to monitor user's brain activities during search process. Brain signals can directly reflect user's psychological responses to search results and thus it can act as additional and unbiased RF signals. To explore the effectiveness of brain signals in the context of RF, we propose a novel RF framework that combines BCI-based relevance feedback with pseudo-relevance signals and implicit signals to improve the performance of document re-ranking. The experimental results on the user study dataset show that incorporating brain signals leads to significant performance improvement in our RF framework. Besides, we observe that brain signals perform particularly well in several hard search scenarios, especially when implicit signals as feedback are missing or noisy. This reveals when and how to exploit brain signals in the context of RF.
• Abstract（参考訳）: RF(Relevance Feedback)プロセスは、フィードバック文書の正確かつリアルタイムな関連度推定に頼り、検索性能を向上させる。 明示的関連アノテーションの収集はユーザにとって余計な負担となるため,疑似関連信号と暗黙的フィードバック信号を代替手段として使用することを検討した。 しかし、そのような信号は関連性の間接的な指標であり、ユーザインタラクションが欠如している、あるいはバイアスのある複雑な検索シナリオに悩まされる。 近年,携帯型・高精度脳コンピュータインタフェース(BCI)機器の進歩により,検索過程におけるユーザの脳活動の監視が可能となった。 脳信号は検索結果に対するユーザーの心理的反応を直接反映できるため、追加のRF信号として機能する。 rfの文脈における脳信号の有効性を検討するために,bciに基づく関連フィードバックと疑似関連信号と暗黙的信号を組み合わせた新しいrfフレームワークを提案する。 ユーザスタディデータセットの実験結果から,脳波を取り入れることで,RFフレームワークの性能が大幅に向上することが示された。 さらに,脳の信号は,特に暗黙の信号が欠落したり,騒々しい場合に,いくつかの難解な検索シナリオにおいて特に良好に機能することが観察された。 これは、RFの文脈で脳信号を利用するタイミングと方法を明らかにする。

関連論文リスト

• R&B -- Rhythm and Brain: Cross-subject Decoding of Music from Human Brain Activity [0.12289361708127873]
  音楽は、文化全体にわたる人間の経験に大きな影響を及ぼす普遍的な現象である。 本研究では,音楽の知覚における機能的MRI(FMRI)を用いた人間の脳活動から,音楽の復号化が可能であるかを検討した。
  論文  参考訳（メタデータ） (2024-06-21T17:11:45Z)
• 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)
• Characterizing Information Seeking Processes with Multiple Physiological Signals [12.771920957950334]
  本研究では,インフォメーション・インフォメーション・インフォメーション・インフォメーション(IN)の実現,クエリ・フォーミュレーション(QF),クエリ・サブミッション(QS),関連判断(RJ)の4段階からなる情報検索について検討する。 本研究は,これらの段階にわたる生理的信号を分析し,一対の非パラメトリック反復測定統計検査の結果を報告する。 本研究は,情報探索プロセスにおけるユーザの行動と感情的反応に関する貴重な知見を提供する。
  論文  参考訳（メタデータ） (2024-05-01T05:15:00Z)
• Exploring neural oscillations during speech perception via surrogate gradient spiking neural networks [59.38765771221084]
  本稿では、ディープラーニングフレームワークと互換性があり、スケーラブルな、生理学的にインスパイアされた音声認識アーキテクチャを提案する。 本研究では, 終末から終末までの勾配降下訓練が, 中枢スパイク神経ネットワークにおける神経振動の出現に繋がることを示す。 本研究は, スパイク周波数適応やリカレント接続などのフィードバック機構が, 認識性能を向上させるために, 神経活動の調節と同期に重要な役割を担っていることを明らかにする。
  論文  参考訳（メタデータ） (2024-04-22T09:40:07Z)
• Query Augmentation by Decoding Semantics from Brain Signals [61.89860975682576]
  本稿では,脳信号からデコードされた意味情報を組み込んでクエリを強化するBrain-Augを提案する。 fMRIデータセットの実験的結果は、Brain-Augが意味的により正確なクエリを生成することを示している。
  論文  参考訳（メタデータ） (2024-02-24T04:08:51Z)
• Enhancing Affective Representations of Music-Induced EEG through Multimodal Supervision and latent Domain Adaptation [34.726185927120355]
  脳波の重み付けとして音楽信号を用い,その意味的対応を共通の表現空間に投影することを目的としている。 我々は、LSTMに基づくアテンションモデルと、音楽タギングのための事前訓練されたモデルを組み合わせたバイモーダル・フレームワークと、その2つのモードの分布を整列するリバース・ドメイン・ディミネータを併用して、バイモーダル・フレームワークを利用する。 脳波入力クエリに関連音楽サンプルを提供することにより、モダリティのいずれからも、間接的に、教師付き予測を行うことで、感情認識に利用することができる。
  論文  参考訳（メタデータ） (2022-02-20T07:32:12Z)
• Learning shared neural manifolds from multi-subject FMRI data [13.093635609349874]
  MRMD-AEmaniと呼ばれる,複数の被験者から共通の埋め込みを実験で学習するニューラルネットワークを提案する。 学習した共通空間は、テンポラル多様体(トレーニング中に見えない新しい点をマッピングできる)を表し、目に見えない時間点の刺激特徴の分類を改善する。 このフレームワークは、将来的には脳-コンピュータインタフェース(BCI)トレーニングなど、多くのダウンストリームアプリケーションに応用できると考えています。
  論文  参考訳（メタデータ） (2021-12-22T23:08:39Z)
• EEGminer: Discovering Interpretable Features of Brain Activity with Learnable Filters [72.19032452642728]
  本稿では,学習可能なフィルタと事前決定された特徴抽出モジュールからなる新しい識別可能なEEGデコーディングパイプラインを提案する。 我々は,SEEDデータセットおよび前例のない大きさの新たな脳波データセット上で,脳波信号からの感情認識に向けたモデルの有用性を実証する。 発見された特徴は、以前の神経科学の研究と一致し、音楽聴取中の左右の時間領域間の機能的接続プロファイルの顕著な相違など、新たな洞察を提供する。
  論文  参考訳（メタデータ） (2021-10-19T14:22:04Z)
• Emotional EEG Classification using Connectivity Features and Convolutional Neural Networks [81.74442855155843]
  CNNと脳のつながりを利用した新しい分類システムを導入し,その効果を感情映像分類により検証する。 対象映像の感情的特性に関連する脳接続の集中度は分類性能と相関する。
  論文  参考訳（メタデータ） (2021-01-18T13:28:08Z)
• Learning to Combine Top-Down and Bottom-Up Signals in Recurrent Neural Networks with Attention over Modules [81.1967157385085]
  ロバスト知覚はボトムアップ信号とトップダウン信号の両方に依存している。 ボトムアップ信号とトップダウン信号が動的に結合されるディープリカレントニューラルネットワークアーキテクチャについて検討する。 言語モデリング、逐次画像分類、映像予測、強化学習における様々なベンチマークにおいて、遠方方向情報フローが強いベースライン上で結果を改善することを実証する。
  論文  参考訳（メタデータ） (2020-06-30T17:26:19Z)
• Harvesting Ambient RF for Presence Detection Through Deep Learning [12.535149305258171]
  本稿では,深層学習による人的存在検出における環境無線周波数(RF)信号の利用について検討する。 WiFi信号を例として,受信機で取得したチャネル状態情報(CSI)が伝搬環境に関する豊富な情報を含んでいることを示す。 畳み込みニューラルネットワーク(CNN)は、大きさと位相情報の両方を適切に訓練し、信頼性の高い存在検出を実現するように設計されている。
  論文  参考訳（メタデータ） (2020-02-13T20:35:55Z)

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。