对眼睛追踪在推系统中的整合进行了比较研究

科学领域:

• 人与计算机的交互
• 信息科学 信息科学 信息科学
• 人工智能的人工智能

背景情况:

• 推系统传统上依赖于明确的用户反或静态配置文件.
• 实时捕捉隐性用户偏好对于增强个性化至关重要.
• 眼睛跟踪提供了一种非侵入性的方法来收集详细的用户交互数据.

研究的目的:

• 研究眼睛跟踪技术在推系统中的整合.
• 评估眼睛跟踪对推个性化,准确性和用户参与度的影响.
• 提出一个框架,用于实时推生成,使用基于凝视的数据.

主要方法:

• 一个全面的文献综述,综合了关于推系统中的眼睛跟踪的当前研究.
• 开发一个结构化的框架,包括眼睛追踪模块,偏好模块和推模块.
• 使用眼睛跟踪指标,如固定时间和凝视模式,以推断偏好.

主要成果:

• 基于凝视的反显著提高了推准确度.
• 眼睛跟踪提供了一个有价值的隐性,实时用户偏好数据来源.
• 目前的限制包括受控环境,样本多样性和设备成本.

结论:

• 眼睛跟踪对推系统的发展超越静态配置文件具有重大前景.
• 拟议的框架允许通过不断改进用户偏好来进行适应性建议.
• 未来的工作应该专注于可访问的工具和整合各种行为指标以获得更广泛的适用性.