广告情绪识别及其在计算广告中的应用

基于摘要分析。该研究面向广告情绪识别，比较基于视听内容与基于用户 EEG 的情绪预测，并考察预测结果能否改善流式视频中的广告插入。其贡献包括构建情感视频广告数据集、比较 CNN 特征与手工视听描述符、评估 EEG 特征，以及将情绪预测用于计算广告应用。 在内容侧，研究利用 CNN 提取广告特征，并与手工视听描述符进行比较；在用户侧，研究从 EEG 信号识别广告诱发的情绪，同时比较多种分类器及多任务学习方法。摘要未说明情绪标签维度、EEG 预处理、特征构造、多任务学习的任务定义及优化目标，具体机制尚未验证。 作者报告，在其广告情绪识别实验中，CNN 特征优于手工视听描述符，EEG 特征比内容特征更好地编码广告诱发情绪，多任务学习在所比较的分类器中表现最佳。摘要未提供相应指标、数值、数据划分或被试内与跨被试协议，因此不能据此判断优势幅度及跨用户泛化能力。 在应用侧，作者报告通过一项涉及 18 名用户的研究，展示 EEG 特征支持的广告插入相较于基于内容或人工插入的方案，可改善广告回忆与观看体验。该人数对应应用研究，不能据此推定 EEG 数据采集或模型训练的被试规模；广告插入规则、对照条件、效果量与统计信息尚未验证。 本研究主要对象是广告情绪识别及计算广告，而非通用 BCI 解码。复现时需核对数据集与 EEG 数据的可获取性、情绪标注一致性、训练测试划分、特征提取与多任务学习实现，以及应用研究的具体评估流程。摘要未提供代码或数据开放信息。