无需大声笑：基于现实环境中连环漫画生理信号的幽默评价预测

我们探讨了在现实环境中使用脑电图（EEG）、皮肤电活动（EDA）和心电图（ECG）作为推断幽默评价的有效来源。我们报告了一个实验，其中25名参与者在浏览一个流行的用户生成的幽默内容网站时，记录了他们的生理反应。我们构建了预测模型来推断参与者对内容幽默性的评价，并证明几种生理信号的融合可以达到0.73的ROC曲线下面积（AUC）分类性能。我们发现，在信息消费过程的后期阶段，生理信号的最具判别力的变化发生在EEG的较高频率带、较高的EDA水平和心率加速上。此外，我们通过分别基准测试每个生理信号的预测能力，并将它们与基于面部视频记录的最先进的面部识别算法进行比较，进行了全面的分析。分类性能从结合生理信号和视频记录时的0.88（以AUC为单位）到仅使用ECG信号时的0.55。