在免费搜索在线购物场景中的人类行为可以从使用Hjorth参数的EEG激活中预测Hjorth参数
Ninja Katja Horr1, Bijan Mousavi1, Keren Han1
1Brain Intelligence Neuro-Technology Ltd, Beijing, China.
Frontiers in neuroscience
|November 29, 2023
概括
通过脑电图 (EEG) 测量的大脑活动可以预测在线购物选择. 来自EEG信号的Hjorth参数准确预测购买决策,机器学习模型的准确度超过80%.
科学领域:
- 神经科学是一个神经科学.
- 消费者行为 消费者行为
- 机器学习 机器学习
背景情况:
- 了解电子商务中的消费者决策至关重要.
- 传统方法往往缺乏对购买意图的实时洞察力.
- 电脑电图 (EEG) 为在网上购物期间的认知过程提供了潜在的窗口.
研究的目的:
- 为了调查大脑激活模式是否可以预测现实世界的在线购物决策.
- 为了评估机器学习算法的有效性,从EEG数据分类购买意图.
- 探索Hjorth参数对预测消费者选择的有用性.
主要方法:
- 参与者在浏览电子商务产品页面时记录了EEG信号.
- 机器学习模型被训练来区分与购买与丢弃产品相关的EEG模式.
- 提取和分析了时间域EEG特征的Hjorth参数.
主要成果:
- 来自原始EEG数据的Hjorth参数可显著预测高准确度的购买选择.
- 随机森林模型在分类购买意图 (二级和三级) 中达到80%以上的准确性.
- 时间域Hjorth参数被证明是有效的,与传统的频域EEG分析形成鲜明对比.
结论:
- 脑电图信号,特别是Hjorth参数,可以准确地预测在线购物行为.
- 霍尔斯参数为预测建模中分析EEG数据提供了一个计算效率高的替代方案.
- 需要进一步的研究来解决电子商务应用程序实时实施的挑战.
