CIRE：用于解码韵律情绪调制的言语意图的中文 EEG 数据集

基于摘要分析。该研究针对相同文本在缺少上下文时可因韵律情绪不同而表达不同意图的问题，提出中文 EEG 数据集 CIRE，用于研究听者对言语互动意图的理解及其神经解码。其主要贡献是提供文本表达对应、意图含义不同的语音刺激所诱发的 EEG，并配套听觉材料的声学表征。 数据包含 38 名参与者在理解传达态度的语音刺激时采集的、经过预处理的 128 通道高密度 EEG，以及由 Wav2vec2 提取的刺激声学嵌入。这里的主要研究对象是听者对言语意图的理解，而非直接解码说话者的言语生成意图；两类任务的适用性不能等同。 作者采用信号处理流程、认知分析框架及机器学习方法，通过认知神经科学分析和二分类意图任务验证数据集。作者报告，基线模型在跨被试评估中的 Accuracy 为 68.2%，并报告相关差异具有可解释的神经生理关联。摘要未说明具体类别定义、基线模型、划分方式及统计检验，因此该结果只能按所述跨被试二分类背景理解，不能直接与其他语音 BCI 任务比较。 复现及使用时需核对刺激构造、文本与韵律情绪的控制方式、EEG 预处理、声学嵌入与 EEG 的对应关系，以及跨被试训练和测试协议。还需确认分类依据如何区分声学差异、情绪加工与意图理解。数据访问条件、实验协议、消融及统计信息尚未验证；作者提出的认知神经科学、语音 BCI 与类脑算法应用潜力，不等同于这些应用已得到验证。