Airbnb 评论聚类
应用统计
2019-07-01 v3 统计计算
统计方法学
摘要
在过去十年中，在线客户评论对消费者在线预订住宿的决策影响日益增强。口碑概念的重新重要性体现在通过分析在线评论进行文本挖掘和情感分析来研究消费者体验的兴趣增长上。我们针对2009年至2016年收集的英文波士顿Airbnb评论开发了一种聚类方法。该方法基于潜在变量模型混合，为处理聚类二元数据提供了吸引人的框架。我们在此解决发现具有意义消费者细分的问题，这些细分从评论背后的潜在主题和情感上均一致。开发了带惩罚的潜在特质混合方法以减少参数数量并识别对聚类无信息的变量。引入分量特定速率参数避免了在对聚类数据推断共享速率参数时可能发生的过度惩罚。我们将客人分为四组——房源驱动型客人、房东驱动型客人、近期整体负面住宿客人和有一些负面体验的客人。
引用
@article{arxiv.1705.03134,
title = {Clustering Airbnb Reviews},
author = {Yang Tang and Paul D. McNicholas},
journal= {arXiv preprint arXiv:1705.03134},
year = {2019}
}