2 つの視線追跡スキャンパスを比較したいと思います。視線追跡により、画像をラベル付きタイル (長方形領域) に分割するために、観察者が見る一連のラベルが生成されます。また、視線追跡から、目がタイル N を見ている時間と時間を知ることができます。
固定のタイミングが考慮されない限り、レーベンシュタインまたは文字列の編集距離は正常に機能します。たとえば、ユーザー 1 がタイル "AKPLA" を見て、ユーザー 2 がタイル "ATPLB" を見た場合、文字列編集距離は 2 になりますが、ユーザー 2 はユーザー 2 よりもはるかに長い時間 "P" を見る可能性があります。
タイミングの違いも測定するために距離測定を改善する方法のアイデアはありますか? (アルゴリズムは文字列に限定されないことに注意してください。整数の配列でも同様に機能します)。
アイトラッキングのスキャンパスは、本来は時系列です。時系列を、その人が見たラベルのみを含む文字列に変換すると、時間に関する情報が失われます。
したがって、時間を考慮したい場合は、元の時系列で作業するか、変換のために時間を考慮する必要があります。
例: 10 秒ごとに、その人が平均して見た場所のラベンを与えることができます。「AATTTPLBB」ではなく「AAAAKPLAA」の可能性があります。この場合、Edit Distance を使用すると、誰かがどこを見ているかが考慮されます。
また、タイムスタンプと位置を含むオリジナルの時系列のアイ トラッキングに単純に取り組むこともできます。次に、Dynamic Time Warping を使用して非類似度を推定できます。
いずれにせよ、これは非常に幅広い質問であり、おそらくあなたには関係ないでしょう。自分で見つけた答えを投稿できれば最高です。