.png){kind=icon}
返回
Adaptive Preference Measurement with Unstructured Data
.png){kind=icon}
PRE
AI
DOI：10.1287/mnsc.2023.03775.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
许多产品的描述最有意义的方式是使用非结构化数据，如文本或图像。非结构化数据在电子商务中也很常见，其中产品通常通过照片和文本进行描述，而不是使用标准化的属性集合。尽管在产品能够被结构化属性有意义地描述时，如何有效测量消费者偏好的方法已有较多研究，但针对非结构化数据的同类研究却很少。本文引入了一种基于贝叶斯优化的实时自适应调查设计框架，用于测量非结构化数据的偏好。该方法通过基于非参数效用模型的不确定性自适应选择展示项目，最大化每题的信息增益，从而实现对个体层面偏好的快速估计。该框架基于非结构化数据的嵌入进行操作，因此无需手动编码产品属性。我们将该方法应用于服装偏好的测量，并强调其在一般市场营销研究任务以及具体设计客户入职调查以缓解冷启动推荐问题方面的潜力。此外，我们还开发了用于解释非参数效用函数的方法，这些方法使我们能够重建消费者对离散属性的估值，即使对于事先未考虑或不可用的属性也能实现。
Keyword:
preference measurement
onboarding surveys
Bayesian optimization
recommendation systems
image data
conjoint analysis
期刊
IF:
4.9
论文数:
794
被引数:
5.0W
机构
引用论文
分享收藏分享收藏Automatic Chemical Design Using a Data-Driven Continuous Representation of Molecules使用数据驱动的分子连续表示的自动化学设计.png)
ACS CENTRAL SCIENCE
OAAI
ACS CENTRAL SCIENCEIF10.4
OAAI分享收藏
查看更多内容