有序空间数据的多评分准则模型及其在 Yelp 在线评分中的应用

近年来，随着用户在 Yelp 或 Amazon 等网站上为产品或本地商家提供有序评分，人们对在线评分数据的兴趣日益增加。评分异质性的一个来源是用户在提供评分时采用不同的标准；即使两个用户从产品中获得的收益相同，他们也可能以不同的方式将收益转化为评分。在本文中，我们提出了一种有序数据模型，称为多评分准则模型，该模型将用于将潜在效用转化为评分的标准视为用户特定的随机效应，并使用非参数方法对这些随机效应的分布进行建模。我们证明，除了由项目质量、用户偏差、项目与用户之间的交互以及用户和项目的空间结构引起的常规异质性来源外，该方法还能够解释这种类型的变异性。我们将本文开发的模型应用于 Yelp 网站的公开数据，并证明该模型不仅能提供更好的评分预测和更好的项目整体质量汇总，还能根据用户的评分行为产生可解释的聚类。