本研究提出了一种混合方法框架，解决了阅读行为识别中对指令任务的依赖。通过理论模型、统计分析和AI分类器，成功区分了阅读行为特征，并在真实环境中识别了速度、密度和序列性。轻量级2D卷积神经网络的F1评分达到了0.8，为教育者提供了有效的评估和教学支持。

用户画像可以提高付费率，但需结合场景进行分析。小说阅读APP应关注用户兴趣和行为，避免简单的信息收集。通过分析用户的付费记录和阅读行为，构建精准标签，制定有效策略，以提升用户的付费转化率。

本文研究了利用大型语言模型预测人类阅读行为的方法，并比较了不同语言的预训练变压器模型在反映自然人类句子处理的阅读时间测量方面的表现。结果显示，变压器模型可以准确地模拟人类阅读行为，并可以隐式地编码语言的相对重要性。作者还分析了这些模型的跨领域和跨语言能力，并展示了它们如何反映人类句子处理。