EEG-SVRec：面向短视频推荐、带有用户多维情感投入标签的 EEG 数据集

基于摘要分析。研究针对短视频推荐中行为数据稀疏、偶然交互及个人习惯造成的偏好推断噪声，提出 EEG-SVRec 数据集，将 EEG 信号与用户多维情感投入自评结合，用于探索用户偏好、情感体验及认知活动，并建立推荐评分预测基准。 数据与标签：作者报告，研究涉及 30 名参与者，采集了 3,657 次交互；这两个数字描述数据采集规模，而非训练或测试集规模。材料列出的自评维度包括效价（valence）、唤醒度（arousal）、沉浸感（immersion）、兴趣（interest），以及视觉与听觉维度。摘要将所采集的 EEG 描述为实时、低成本信号，但未提供设备、通道配置、采样率、预处理或信号与交互的对齐细节。 基准与结果：作者报告，在推荐算法的评分预测基准中，加入 EEG 信号带来显著改善；摘要未给出具体指标、数值、对照模型或统计检验，因此尚不能确定改善幅度及其适用范围。作者还认为该数据集有助于理解用户行为背后的情感体验与认知活动，但这不等同于已验证的认知机制或因果关系。 阅读与复现重点：需核对评分预测目标与多维自评标签的关系、EEG 特征及其融合方式，以及评估属于 Within-subject 还是 Cross-subject、同一参与者和视频如何划分。实验协议、消融及统计信息尚未验证；数据开放方式、许可与实现条件也需查阅全文。该研究的直接对象是 EEG 辅助短视频推荐，不应将其报告的评分预测改善扩展为通用 BCI 解码效果。