结合深度学习机制从注视中预测兴趣 泉青叶（Aoba Izumi）、 原田有理子（Fumiko Harada） 岛川宏光（Hiromitsu Shimakawa）

《Sensors》：Combining Deep Learning Mechanisms to Predict Interests from Gaze Aoba Izumi, Fumiko Harada and Hiromitsu Shimakawa

　　

摘要

本文提出了一种模型，旨在通过用户的视线来预测他们的个人兴趣。当前的图像处理技术能够识别每个用户的视线和瞳孔直径，但无法识别用户的兴趣。该模型采用了深度学习技术，包含两种处理视线的机制：一种针对个体特征，另一种为多人共有的特征。其训练方法利用了这样一个人类特性：用户对视觉对象的兴趣会影响他们的视线。由于已知当用户观看感兴趣的事物时瞳孔直径会变大，因此我们可以利用瞳孔直径作为标签来训练模型以预测用户的个人兴趣。值得注意的是，本文不仅提出了预测个人兴趣的模型结构，还研究了模型参数调整的过程，以揭示从视线中预测个人兴趣所需的条件。该方法使我们能够为每位用户提供个性化信息，例如视频点播服务中的推荐、电子购物时的广告、餐厅菜单中的菜品注释等。