論文の概要: A Spatio-Temporal Point Process for Fine-Grained Modeling of Reading Behavior

• arxiv url: http://arxiv.org/abs/2506.19999v1
• Date: Tue, 24 Jun 2025 20:39:21 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-26 21:00:42.530981
• Title: A Spatio-Temporal Point Process for Fine-Grained Modeling of Reading Behavior
• Title（参考訳）: 読み出し動作の微粒化モデリングのための時空間過程
• Authors: Francesco Ignazio Re, Andreas Opedal, Glib Manaiev, Mario Giulianelli, Ryan Cotterell,
• Abstract要約: 心理言語学のアンサッツは、読者の固定とケードをモデル化することで、オンラインの文処理に関する洞察が得られるということである。 このようなモデリングの標準的なアプローチは、強い仮定を課す、集約された視線追跡測定とモデルに依存している。 本稿では,より一般的な読解行動の確率的モデルを提案する。 ササードはホークスプロセスを用いてモデル化され、それぞれの固定が時間と空間で新しい固定が生じる確率をとらえる。
• 参考スコア（独自算出の注目度）: 47.47269936037604
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Reading is a process that unfolds across space and time, alternating between fixations where a reader focuses on a specific point in space, and saccades where a reader rapidly shifts their focus to a new point. An ansatz of psycholinguistics is that modeling a reader's fixations and saccades yields insight into their online sentence processing. However, standard approaches to such modeling rely on aggregated eye-tracking measurements and models that impose strong assumptions, ignoring much of the spatio-temporal dynamics that occur during reading. In this paper, we propose a more general probabilistic model of reading behavior, based on a marked spatio-temporal point process, that captures not only how long fixations last, but also where they land in space and when they take place in time. The saccades are modeled using a Hawkes process, which captures how each fixation excites the probability of a new fixation occurring near it in time and space. The duration time of fixation events is modeled as a function of fixation-specific predictors convolved across time, thus capturing spillover effects. Empirically, our Hawkes process model exhibits a better fit to human saccades than baselines. With respect to fixation durations, we observe that incorporating contextual surprisal as a predictor results in only a marginal improvement in the model's predictive accuracy. This finding suggests that surprisal theory struggles to explain fine-grained eye movements.
• Abstract（参考訳）: 読み込みとは、空間と時間にまたがって展開するプロセスであり、読者が空間内の特定の点に焦点を当てる固定と、読者が焦点を急速に新しい点にシフトするササードを交互に行う。 心理言語学のアンサッツは、読者の固定とササードをモデル化することで、オンラインの文処理に関する洞察が得られるということである。 しかし、そのようなモデリングに対する標準的なアプローチは、強い仮定を課す集約された視線追跡測定とモデルに依存しており、読書中に発生する時空間力学の多くを無視している。 本稿では,時空間にいつ着地するかだけでなく,時空間にいつ着地するかを把握し,時空間的な時間的プロセスに基づくより一般的な読書行動の確率的モデルを提案する。 ササードはホークスプロセスを用いてモデル化され、それぞれの固定が時間と空間で新しい固定が生じる確率をとらえる。 固定イベントの持続時間は、固定固有の予測器が時間にわたって絡み合う関数としてモデル化され、こぼこぼこ効果を捉えている。 私たちのホークスプロセスモデルは、ベースラインよりも人間のササードに適しています。 固定期間については,予測器としてコンテキスト推定を組み込むことで,モデルの予測精度がわずかに改善されることが観察された。 この発見は、仮定理論が細かい目の動きを説明するのに苦労していることを示唆している。

関連論文リスト

• TPP-Gaze: Modelling Gaze Dynamics in Space and Time with Neural Temporal Point Processes [63.95928298690001]
  ニューラル・テンポラル・ポイント・プロセス(TPP)に基づく新規かつ原則化されたスキャンパスダイナミクスのアプローチであるTPP-Gazeを提案する。 提案手法は,最先端手法と比較して総合的に優れた性能を示す。
  論文  参考訳（メタデータ） (2024-10-30T19:22:38Z)
• TempSAL -- Uncovering Temporal Information for Deep Saliency Prediction [64.63645677568384]
  本稿では,逐次時間間隔でサリエンシマップを出力する新たなサリエンシ予測モデルを提案する。 提案手法は,学習した時間マップを組み合わせることで,サリエンシ予測を局所的に調整する。 私たちのコードはGitHubで公開されます。
  論文  参考訳（メタデータ） (2023-01-05T22:10:16Z)
• Towards Spatio-Temporal Aware Traffic Time Series Forecasting--Full Version [37.09531298150374]
  同じ時系列パターンの複雑な時系列パターンが時間によって異なる可能性があるため、トラフィックシリーズの予測は困難である。 このような時間的モデルは、時間的位置と時間的期間に関わらず、共有パラメータ空間を使用し、時間的相関は場所間で類似しており、常に時間にわたって保持するわけではないと仮定する。 サブテンポラリモデルにICDを意識したモデルをエンコードするフレームワークを提案する。
  論文  参考訳（メタデータ） (2022-03-29T16:44:56Z)
• Interval-censored Hawkes processes [82.87738318505582]
  本研究では,Hawkesプロセスのパラメータを間隔制限設定で推定するモデルを提案する。 我々は、ホークス族に対する非均質近似が、間隔検閲された設定において牽引可能な可能性を認めている方法を示す。
  論文  参考訳（メタデータ） (2021-04-16T07:29:04Z)
• Wave Propagation of Visual Stimuli in Focus of Attention [77.4747032928547]
  周囲の視覚環境の変化に対する迅速な反応は、計算資源を視覚領域の最も関連する場所に再配置する効率的な注意機構を必要とする。 本研究は, 営巣動物が提示する有効性と効率性を示す, 生物学的に有望な注目焦点モデルを提案する。
  論文  参考訳（メタデータ） (2020-06-19T09:33:21Z)
• A Spatio-temporal Transformer for 3D Human Motion Prediction [39.31212055504893]
  本研究では,3次元人間の動きの生成モデル作成作業のためのトランスフォーマーに基づくアーキテクチャを提案する。 実験により,これが基礎となる運動力学を効果的に学習し,自己回帰モデルで観測される時間経過に伴う誤差の蓄積を低減することを示した。
  論文  参考訳（メタデータ） (2020-04-18T19:49:28Z)
• Modeling of Spatio-Temporal Hawkes Processes with Randomized Kernels [15.556686221927501]
  犯罪予測や交通予測など,イベントプロセスのダイナミクスを推測する実践的応用が盛んである。 イベント発生間の励起を捕捉する能力によって一般的に使用される,社会的時間的ホークスプロセスについて紹介する。 空間カーネルの計算をランダム化変換と勾配降下で置き換え,その過程を学習する。
  論文  参考訳（メタデータ） (2020-03-07T22:21:06Z)

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。