論文の概要: Utilizing Cognitive Signals Generated during Human Reading to Enhance Keyphrase Extraction from Microblogs

• arxiv url: http://arxiv.org/abs/2606.26485v1
• Date: Thu, 25 Jun 2026 00:43:12 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-26 18:46:32.121454
• Title: Utilizing Cognitive Signals Generated during Human Reading to Enhance Keyphrase Extraction from Microblogs
• Title（参考訳）: マイクロブロッグからのキーワード抽出を促進するためのヒト読解時の認知信号の利用
• Abstract要約: 脳波(EEG)信号が、マイクロブログベースのキーフレーズ抽出のために、視線追跡信号を補完できるかどうかを検討する。 その結果,読み上げ時の認知信号は特徴の組み合わせやモデルアーキテクチャによらず,AKE性能を一貫して改善することがわかった。
• 参考スコア（独自算出の注目度）: 4.5023436266956285
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Microblogging platforms generate massive amounts of short, noisy, and dispersed user content, making automatic keyphrase extraction (AKE) an important but challenging task. Prior studies have used eye-tracking signals to improve microblog-based AKE because such signals reflect readers' attention to salient words. However, eye tracking alone is limited by physiological, acquisition, and feature-decoding constraints. To address this issue, we investigate whether electroencephalogram (EEG) signals can complement eye-tracking signals for AKE. Using the ZuCo cognitive language processing corpus, we select 8 EEG features and 17 eye-tracking features and incorporate them into microblog-based AKE models. To reduce possible distortion of cognitive signals by model structures, we inject these features into the input of the soft-attention layer and the query vectors of the self-attention layer. We then evaluate different combinations of cognitive signals across AKE models. The results show that cognitive signals produced during reading consistently improve AKE performance, regardless of feature combinations and model architectures. EEG features bring the largest gains, while combining EEG and eye-tracking features yields performance between the two individual signal types, suggesting partial complementarity but also possible redundancy or noise. These findings indicate that EEG signals provide useful cognitive evidence for microblog-based AKE and that multimodal cognitive signals deserve further investigation.
• Abstract（参考訳）: マイクロブログプラットフォームは、大量のショート、ノイズ、分散されたユーザコンテンツを生成し、自動キーフレーズ抽出(AKE)を重要かつ困難なタスクにする。 従来の研究では、マイクロブログベースのAKEを改善するために視線追跡信号が用いられてきた。 しかし、視線追跡のみは生理学的、取得、特徴復号の制約によって制限される。 この問題に対処するために、脳波(EEG)信号がAKEの視線追跡信号を補完するかどうかを検討する。 ZuCo認知言語処理コーパスを用いて、8つの脳波特徴と17個の視線追跡特徴を選択し、それらをマイクロブログベースのAKEモデルに組み込む。 モデル構造による認識信号の歪みを低減するため,ソフトアテンション層の入力と自己アテンション層のクエリベクトルにこれらの特徴を注入する。 次に、AKEモデル間で異なる認知信号の組み合わせを評価する。 その結果,読み上げ時の認知信号は特徴の組み合わせやモデルアーキテクチャによらず,AKE性能を一貫して改善することがわかった。 EEG機能は最大の利益をもたらし、EEGとアイトラッキング機能を組み合わせることで、2つの信号タイプ間のパフォーマンスが向上し、部分的な相補性だけでなく、冗長性やノイズの可能性も示唆される。 これらの結果から,脳波信号はマイクロブログに基づくAKEに有用な認知的証拠となり,マルチモーダル認知的シグナルはさらなる研究に値することが示唆された。

関連論文リスト

• E^2-LLM: Bridging Neural Signals and Interpretable Affective Analysis [54.763420895859035]
  脳波からの感情分析のための最初のMLLMフレームワークであるELLM2-EEG-to-Emotion Large Language Modelを提案する。 ELLMは学習可能なプロジェクション層を通じて、トレーニング済みのEEGエンコーダとQベースのLLMを統合し、マルチステージのトレーニングパイプラインを使用する。 7つの感情カテゴリーにまたがるデータセット実験により, ELLM2-EEG-to-Emotion Large Language Modelは感情分類において優れた性能を発揮することが示された。
  論文  参考訳（メタデータ） (2026-01-11T13:21:20Z)
• WaveMind: Towards a Conversational EEG Foundation Model Aligned to Textual and Visual Modalities [55.00677513249723]
  脳波信号は認知過程と固有の神経状態の両方を同時に符号化する。 我々は、EEG信号とその対応するモダリティを統一意味空間にマッピングし、一般化された解釈を実現する。 結果として得られたモデルは、柔軟でオープンな会話をサポートしながら、堅牢な分類精度を示す。
  論文  参考訳（メタデータ） (2025-09-26T06:21:51Z)
• CoSupFormer : A Contrastive Supervised learning approach for EEG signal Classification [0.0]
  脳波信号は、脳の状態を理解するのに不可欠な豊富なマルチスケール情報を含んでいる。 ノイズやチャネルの変動を処理しながら、生の脳波信号から有意義な特徴を抽出することは、依然として大きな課題である。 この研究は、これらの問題にいくつかの重要なイノベーションを通じて対処する、新しいエンドツーエンドのディープラーニングフレームワークを提案する。
  論文  参考訳（メタデータ） (2025-09-24T19:04:12Z)
• CEReBrO: Compact Encoder for Representations of Brain Oscillations Using Efficient Alternating Attention [46.47343031985037]
  交互注意(CEReBrO)を用いた脳振動の表現のための圧縮法について紹介する。 トークン化方式は、チャネルごとのパッチで脳波信号を表現します。 本研究では,チャネル内時間的ダイナミックスとチャネル間空間的相関を共同でモデル化し,通常の自己アテンションに比べて6倍少ないメモリで2倍の速度向上を実現するための注意機構を提案する。
  論文  参考訳（メタデータ） (2025-01-18T21:44:38Z)
• CognitionCapturer: Decoding Visual Stimuli From Human EEG Signal With Multimodal Information [61.1904164368732]
  脳波信号の表現にマルチモーダルデータを完全に活用する統合フレームワークであるCognitionCapturerを提案する。 具体的には、CognitionCapturerは、各モダリティに対してモダリティエキスパートを訓練し、EEGモダリティからモダリティ情報を抽出する。 このフレームワークは生成モデルの微調整を一切必要とせず、より多くのモダリティを組み込むように拡張することができる。
  論文  参考訳（メタデータ） (2024-12-13T16:27:54Z)
• Feature Selection via Dynamic Graph-based Attention Block in MI-based EEG Signals [0.0]
  脳-コンピュータインタフェース(BCI)技術は、脳信号を分析して人間とコンピュータの直接的な相互作用を可能にする。 脳波信号は、しばしば低信号対雑音比、生理的アーティファクト、および個々の変数の影響を受けており、異なる特徴を抽出する際の課題を表している。 また、運動画像(MI)に基づく脳波信号には、MI特性との相関が低い特徴が含まれており、深部モデルの重みがそれらの特徴に偏っている可能性がある。
  論文  参考訳（メタデータ） (2024-10-31T00:53:29Z)
• Feature Estimation of Global Language Processing in EEG Using Attention Maps [5.173821279121835]
  本研究は,脳波の特徴推定に新たなアプローチを導入し,深層学習モデルの重みを利用してその関連を探索する。 視覚変換器とEEGNetから生成したアテンションマップは,従来の研究結果と一致した特徴を効果的に同定できることを実証する。 ViTsを用いたMel-Spectrogramの適用により、時間および周波数関連脳波特性の分解能が向上する。
  論文  参考訳（メタデータ） (2024-09-27T22:52:31Z)
• DGSD: Dynamical Graph Self-Distillation for EEG-Based Auditory Spatial Attention Detection [49.196182908826565]
  AAD(Auditory Attention Detection)は、マルチスピーカー環境で脳信号からターゲット話者を検出することを目的としている。 現在のアプローチは主に、画像のようなユークリッドデータを処理するために設計された従来の畳み込みニューラルネットワークに依存している。 本稿では、入力として音声刺激を必要としないAADのための動的グラフ自己蒸留(DGSD)手法を提案する。
  論文  参考訳（メタデータ） (2023-09-07T13:43:46Z)
• 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)
• EEG multipurpose eye blink detector using convolutional neural network [0.0]
  眼球運動によって放射される電気信号は、センサーに近接する脳波信号に非常に強いアーチファクトを生じる。 本研究の目的は,CNN(contrivialal neural network)を用いた脳波信号の瞬き検出と除去のための信頼性とユーザ独立アルゴリズムを作成することである。
  論文  参考訳（メタデータ） (2021-07-29T03:34:42Z)
• CogAlign: Learning to Align Textual Neural Representations to Cognitive Language Processing Signals [60.921888445317705]
  自然言語処理モデルに認知言語処理信号を統合するためのCogAlignアプローチを提案する。 我々は、CogAlignが、パブリックデータセット上の最先端モデルよりも、複数の認知機能で大幅な改善を実現していることを示す。
  論文  参考訳（メタデータ） (2021-06-10T07:10:25Z)

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。