DisMouse：从鼠标移动数据中分离信息

鼠标移动数据包含关于用户、任务和用户界面的丰富信息，但分离各个组成部分仍然具有挑战性且未被探索。作为解决这一挑战的第一步，我们提出DisMouse——第一种从鼠标移动数据中分离用户特定和用户独立信息以及随机变化的方法。我们的方法核心是一个以半监督方式训练的自动编码器，由自监督去噪扩散过程和监督对比用户识别模块组成。通过在三个数据集上的评估，我们表明DisMouse 1)捕获了鼠标输入的补充信息，因此为建模鼠标移动提供了一个可解释的框架，2)可用于生成精炼特征，从而实现各种应用，如个性化可变鼠标数据生成，3)可跨不同数据集泛化。总的来说，我们的结果强调了解耦表示学习在可解释、可控和泛化鼠标行为建模方面的显著潜力。