基于脑记录预测文档相关性

基于摘要分析。该研究关注人在阅读完整文本文档时，与其所选主题相关的相关性判断能否通过 EEG 预测，并提出联合学习 EEG 表征与文档词嵌入的双模态方法。研究对象是文档相关性预测，而非一般阅读状态识别。 方法上，作者使用阅读期间记录的 EEG 表征人对词语的注意，使用词嵌入表征词语语义，再通过双模态架构联合预测文档相关性。摘要未说明两种模态的具体融合方式、训练目标、EEG 预处理或注意表征的构建过程，这些技术细节尚未验证。 作者报告，在其文档相关性预测实验中，使用若干 EEG 解码模型和词嵌入模型进行比较，双模态方法的 AUROC 为 0.68，高于仅使用词嵌入的 0.62 和仅使用 EEG 的 0.63。摘要未提供被试数量、文档来源、数据划分及上述数值对应的具体模型配置，因此不能判断这些结果属于被试内、跨被试或其他泛化协议，也不能据此认定差异具有统计显著性。 这项工作的可核对价值在于检验 EEG 能否为文本语义表征提供额外的个体相关性信息。进一步阅读需确认相关性标签的获取方式、训练测试划分如何处理被试与文档重叠，以及 EEG 增益是否在不同解码器和词嵌入配置下稳定。实验协议、消融及统计信息尚未验证；摘要结果尚不足以支持对未见被试、未见文档或实际检索场景的泛化判断。