机构名称：
¥ 1.0
直到最近，研究人员的人类行为数据主要吸引了人类认知。但是，这些人类语言处理信号在基于机器学习的自然语言处理任务中也可能是有益的。为此目的使用EEG脑活动在很大程度上尚未探索。在本文中，我们介绍了第一项大规模研究，以系统地分析EEG脑活动数据改善自然语言处理任务的潜力，特别关注信号的特征最有益。我们提出了一种多模式的机器学习体系结构，该体系结构从文本输入以及脑电图功能中共同学习。我们发现，将EEG信号填充到频带中比使用宽带信号更有益。此外，对于一系列单词嵌入类型，脑电图数据改善了二进制和三元感性分类，并且优于多个基准。对于更复杂的任务，例如关系检测，只有上下文化的BERT嵌入在我们的实验中优于基准，这增加了进一步研究的需求。最后，脑电图数据表明，当有限的培训数据可用时，特别有希望。
解码多模式自然语言处理的EEG大脑活动
主要关键词
相关文件推荐
