RecGaze

RecGaze数据集是首个包含眼动追踪结果、点击、光标移动和选择解释的综合性轮播图用户交互反馈数据集。该数据集由87名用户在3个电影选择任务中与40个不同的轮播图界面进行的交互组成，总计记录了3477次交互。数据集内容涵盖了用户在轮播图界面上的多种交互行为，包括浏览、选择和评估等。创建过程采用了控制环境下的用户研究方法，使用定制的屏幕模拟轮播图体验，并收集了鼠标移动、点击、眼动和屏幕录制等数据。数据集的应用领域主要针对轮播图界面的研究和推荐系统开发，旨在通过眼动信息构建更好的推荐系统，并鼓励基于眼动数据的推荐器发展。

The RecGaze dataset is the first-of-its-kind comprehensive carousel user interaction feedback dataset that covers eye-tracking data, clicks, cursor movements and selection explanations. It consists of interactions between 87 users and 40 distinct carousel interfaces across 3 movie selection tasks, with a total of 3,477 recorded interactions. The dataset includes a wide range of user interaction behaviors on carousel interfaces, such as browsing, selection and evaluation. Its creation adopted a controlled user study methodology, where a customized screen was used to simulate carousel experiences, and data including mouse movements, clicks, eye-tracking data and screen recordings were collected. The dataset is mainly applied to carousel interface research and recommendation system development, aiming to build better recommendation systems with eye-tracking information and promote the development of eye-tracking data-based recommenders.

搜集汇总

数据集介绍

构建方式

RecGaze数据集的构建基于一项精心设计的眼动追踪用户研究，旨在深入理解用户在轮播界面中的浏览行为。研究设计了40个屏幕界面，每个界面包含10种不同电影类型的轮播，每种类型展示15部电影。通过国际电影数据库（IMDB）和电影数据库（TMDB）API获取电影信息，确保数据的多样性和代表性。研究过程中，87名参与者完成了自由浏览、半自由浏览和直接搜索三种任务，共记录了3,477次交互行为。数据采集包括眼动追踪、鼠标移动、点击行为以及用户选择解释，确保了数据的全面性和多维性。

特点

RecGaze数据集作为首个包含眼动追踪数据的推荐系统数据集，具有独特的多模态特性。数据集不仅记录了传统的点击行为，还提供了详细的眼动数据、鼠标移动轨迹以及用户选择动机的解释。此外，数据集涵盖了10种电影类型和40种不同的轮播界面设计，为研究轮播界面的用户行为提供了丰富的情境多样性。数据集还包含了用户的人口统计信息和电影偏好，为个性化推荐系统的研究提供了重要支持。

使用方法

RecGaze数据集适用于多种研究场景，特别是在推荐系统和信息检索领域。研究人员可以利用该数据集分析用户在轮播界面中的浏览模式，如F型浏览行为或黄金三角模式。数据集还可用于开发和优化点击模型，通过眼动数据理解用户的注意力分布。此外，数据集支持离线评估，帮助研究者模拟用户行为并测试不同推荐算法的性能。使用该数据集时，建议结合公开的预处理数据和非公开的原始数据，以充分利用其多维特性。

背景与挑战

背景概述

RecGaze数据集由Brno University of Technology、University of Amsterdam、Kempelen Institute of Intelligent Technologies等机构的研究团队于2025年联合发布，是首个专注于轮播界面（Carousel Interfaces）的眼动追踪与用户交互数据集。该数据集旨在解决推荐系统领域中对轮播界面用户行为理解不足的问题，填补了现有研究主要集中于单一排名列表而忽略轮播界面复杂性的空白。RecGaze包含87名用户在3种电影选择任务中的3,477次交互记录，涵盖眼动数据、点击行为、光标移动及选择解释等多模态信息，为推荐系统、信息检索和人机交互领域提供了宝贵的实证研究基础。

当前挑战

RecGaze数据集面临的挑战主要体现在两个方面：领域问题挑战和构建过程挑战。在领域问题方面，轮播界面用户行为模式尚未明确，传统单一排名列表的研究结论难以直接迁移，且缺乏对眼动行为与点击决策关联性的深入理解。构建过程中，研究团队需克服多模态数据同步采集的技术难题，解决眼动追踪精度受用户头部移动和屏幕滚动影响的问题，并设计合理的实验流程以确保数据质量。此外，平衡不同电影类型在轮播中的呈现位置以消除偏见，以及处理部分电影海报无文字等界面设计限制，均为数据集构建带来显著挑战。

常用场景

经典使用场景

RecGaze数据集作为首个针对轮播界面设计的眼动追踪与用户交互数据集，其经典使用场景聚焦于分析用户在流媒体服务（如Netflix）或电商平台中浏览多列表推荐内容时的视觉注意模式。通过记录87名用户在40种轮播界面下的3477次交互行为（包括眼动轨迹、点击、光标移动及选择解释），该数据集为研究轮播布局对用户决策的影响提供了实证基础。例如，研究者可利用该数据集验证轮播界面中是否存在类似网页搜索中的F型浏览模式，或探究横向滑动行为如何改变用户对推荐项目的注意力分配。

衍生相关工作

该数据集已催生多个研究方向：1）基于凝视序列的推荐算法（如Qian Zhao等提出的GazePred框架的轮播适配）；2）跨模态行为建模（将眼动与点击数据结合构建新型点击模型，如Behnam Rahdari的轮播级联模型）；3）界面设计实证研究（如Benedikt Loepp团队利用该数据验证多列表布局对决策效率的影响）。这些工作共同推动了从‘单一列表’到‘多维交互空间’的推荐系统研究范式转变。

数据集最近研究

最新研究方向

随着电子商务和流媒体服务的快速发展，轮播界面（Carousel Interfaces）已成为展示推荐内容的主流方式。然而，相较于传统的单列排名列表，轮播界面的用户行为研究仍处于起步阶段。RecGaze数据集的推出填补了这一空白，成为首个结合眼动追踪、点击、光标移动和选择解释的综合性反馈数据集。该数据集不仅揭示了用户在轮播界面中的浏览行为（如黄金三角或F型浏览模式），还为推荐系统的优化提供了实证基础。当前研究热点包括基于眼动数据的点击模型构建、轮播界面的离线评估方法，以及多列表交互行为的深度分析。RecGaze的发布为轮播界面的设计优化和基于眼动的推荐系统开发开辟了新方向，具有重要的学术和工业应用价值。

相关研究论文

• RecGaze: The First Eye Tracking and User Interaction Dataset for Carousel Interfaces

  Kempelen Institute of Intelligent Technologies · 2025年