本书以深度学习理论、自然语言处理理论、语言认知计算理论为核心，提出了一种基于深度学习的阅读眼动可计算模型，并被应用在两个任务上。第一个是结合深度学习和领域知识的阅读眼动注视词预测，第二个是基于阅读眼动的生物特征识别。
第1章绪论
1.1研究目的与意义
1.2国内外研究概况
1.3相关研究述评及发展趋势
1.4研究内容
第2章阅读眼动注视序列标注方法
2.1自然语言处理序列标注任务
2.2阅读眼动注视序列标注方法
2.3数据集
2.4评价指标
2.5实验平台
2.6方法在机器学上的实现.
2.7本章小结
第3章基于深度学读眼动模型
3.1基于深度学读眼动模型基本架构
3.2基于预训练词向量和语言数据一维卷积的阅读词富语义表示
3.3融人注意力机制的阅读眼动模型架构
3.4阅读眼动序列标注分类器
3.5小样本阅读眼动数据下的堆叠式LSTM层数优化
3.6基于多输入深度学的阅读眼动领域知识融合
3.7与其他模型的对比
3.8本章小结
第4章基于深度学读注视词预测
4.1网络架构
4.2基于 Provo语料库的阅读注视词预测
4.3基于 GECO语料库的阅读注视词预测
4.4基于 Dundee语料库的阅读注视词预测
4.5阅读眼动数据技术
4.6与现有方法的对比.
4.7本章小结.
第5章基于阅读眼动的生物
5.1基于眼动轨迹的生物
5.2问题设置
5.3基于阅读眼动的生物模型架构
5.4注视序列相似度量方法
5.5实验过程与方法
.5.6实验结果与讨论
5.7 本章小结
第6结与展望
6.1结论和创新点
6.2未来工作方向.
参考文献
附录
第1章绪论
1.1研究目的与意义
阅读眼动(eye - movement)指人类在阅读文字时的眼球运动行为，由一系列的注视(fixation)和眼跳(saccade)组成。本书通过构建基于深度学读眼动可计算模型，解决现有阅读眼动模型建模过程较复杂和需要较多手工提取特征的问题，从而更地模拟人的阅读眼动行为。通过应用所提出的模行阅读眼动注视词预测和基于阅读眼动的生物一步验证模型的和有效。
本书的研究意义如下:
(1)阅读眼动建模是语言认知科学的研究热点，通过构建新型阅读眼动可计算模型，可以定量分析阅读行为和评价已有模型，为验证、修正和反驳现有理论假设提供有力的证据。
(2)通过构建阅读眼动可计算模型，对影响读者眼跳模式和眼跳策略的语言学特行定量研究，考察阅读背后的认知机制以及眼跳目标选择机制，会语言认知科学和阅读行为科学的发展。
(3)构建基于深度学读眼动模型，可以借鉴深度学然语言处理已有研究成果，利用深度学提取特征的优势，以减少使用手工提取特征;利用自然语言序列标注与阅读眼动注视序列的高度相似，以简化阅读眼动建模过程。
（4）基于深度学读眼动计算模型在机器视觉、自然语言处理，虚拟现实、身份识别等领域都有重要的应用价值。
……
书单推荐
