利用 EEG 与眼动追踪进行隐式搜索意图识别：新数据集与跨用户预测

基于摘要分析。该研究关注视觉搜索中导航意图（仅浏览场景）与信息意图（寻找目标物体）的隐式识别，贡献是提供用户自行决定搜索时长的 EEG 与眼动数据集，并提出跨用户搜索意图预测方法，无需显式用户输入。 任务与数据设计：摘要指出，既有研究在信息意图条件下采用固定搜索时长，而自然视觉搜索通常在找到目标后结束；此外，既有结合 EEG 的方法需要目标用户的带标签训练数据。本文通过用户决定搜索时长的任务设置，以及跨用户预测方案，分别回应这两项适用性限制。作者称这是首个公开可用的此类 EEG 与眼动数据集及首个跨用户预测方法；这些优先性声明尚未独立检索确认。 方法与结果：方法使用 EEG 和眼动记录识别搜索意图，但摘要未提供信号预处理、特征提取、模态融合、模型结构或训练目标的具体信息。作者报告，在留一用户评估下，跨用户预测的 Accuracy 与用户内预测相当；然而所给摘要中的两项准确率数值均缺失，无法量化其表现或差距。用户内与跨用户协议不同，需结合各自划分和对照条件解读，不能据此认定两者已实现严格等效。 验证与复现：需取得全文及数据说明，核对被试规模、任务与标签定义、搜索时长分布、EEG 与眼动同步方式，以及留一用户划分下预处理和模型选择的执行范围。还需确认推理所需时间窗口与实际意图识别时点，以判断该设置对交互应用的适用性。实验协议、消融及统计信息尚未验证，数据获取与实现条件也尚待核对。本文研究的是 EEG 与眼动支持的搜索意图识别，摘要不足以支持对其他 BCI 任务有效性的结论。