2024年9月，研究团队博士生王冰冰的论文GazeGCN: Gaze-aware Graph Convolutional Network for Text Classification获Neurocomputing期刊录用。

近年来，图卷积网络被广泛应用于文本分类中，以捕捉上下文关系，但常忽略词与文档之间的句法关系。心理语言学研究表明，人类在处理复杂句子时基于认知以解析和理解句子的结构，从而导致眼动信号的变化。为此，本文提出了一种新的眼动感知图卷积网络（GazeGCN），将人类眼动信号融入图卷积网络架构，利用共享的眼动信息建模单词与文档的复杂关系。具体而言，本文首先构建了一个眼动预测模型，获取五个眼动信号，形成每个单词的注视分布。接着，采用Wasserstein距离计算注视分布，以推导注视感知的单词-单词权重，从而更好地捕捉单词间的丰富关系。此外，将眼动信号与词频-逆文档频率结合，以改善单词-文档权重的推导。最终，通过整合眼动感知的单词-单词权重和单词-文档权重，构建图以充分利用它们之间的关系。实验结果显示，该方法在七个基准数据集上超越了现有的最先进基线方法。

Neurocomputing是人工智能领域的国际性期刊，影响因子5.5，JCR Q1期刊，在中科院学术推荐列表中为二区期刊，CCF-C类期刊。

论文信息：Bingbing Wang, Bin Liang, Zhixin Bai, Min Yange, Lin Gui, Ruifeng Xu*. GazeGCN: Gaze-aware Graph Convolutional Network for Text Classification. Neurocomputing. 2024