Resumen: La predicción del comportamiento del consumidor es uno de los propósitos importantes en marketing, neurociencia cognitiva e interacción humana-computadora. Los datos de electroencefalografía (EEG) pueden ayudar a analizar el proceso de decisión al proporcionar información detallada sobre la actividad neuronal del cerebro. En esta investigación, se utiliza un enfoque comparativo para predecir el comportamiento del consumidor mediante datos de EEG. En el primer paso, las características de los datos del EEG del conjunto de datos Neuma se extrajeron y limpiaron. Para los modelos Graph Neural Network (GNN), se crearon las características de conectividad cerebral. Se utilizan y comparan diferentes modelos de aprendizaje automático, como modelos clásicos y redes neuronales gráficas. Los modelos GNN con diferentes arquitecturas se implementan para tener una comparación integral; Además, se aplican una amplia gama de modelos clásicos, como los modelos de conjunto, lo que puede ser muy útil para mostrar la diferencia y el rendimiento de cada modelo en el conjunto de datos. Aunque los resultados no mostraron una diferencia significativa en general, los modelos GNN generalmente tuvieron un mejor rendimiento en algunos criterios básicos donde los modelos clásicos no eran satisfactorios. Este estudio no solo muestra que combinar modelos de análisis de señales EEG y aprendizaje automático puede proporcionar un enfoque para una comprensión más profunda del comportamiento del consumidor, sino que también proporciona una comparación integral entre los modelos de aprendizaje automático que se han utilizado ampliamente en estudios previos en las neuromarketing basadas en EEG, como las redes de vectores de soporte (SVM) y los modelos que no se usan o raramente en el campo, como las redes gráficas neurales.
Publicado Originalme en export.arxiv.org El 28 de septiembre de 2025.
Ver Fuente Original
