通过协变量信息Mallows混合的基于秩的贝叶斯聚类
统计方法学
2024-02-19 v2
摘要
以排名、评分、成对比较或点击形式收集的数据在从市场营销到政治学等各个领域经常被收集，以了解评估者的个人偏好。将此类偏好数据与评估者相关的特征相结合，可以更好地理解评估者的行为和选择。Mallows模型是一种流行的排名模型，因为它能灵活适应不同类型的偏好数据，而先前提出的贝叶斯Mallows模型（BMM）为贝叶斯推断提供了一个计算高效的框架，同时也允许通过有限混合捕捉用户的异质性。我们开发了一种基于贝叶斯Mallows的有限混合模型，该模型在执行聚类的同时也考虑了与评估者相关的特征，称为带协变量的贝叶斯Mallows模型（BMMx）。BMMx基于一个相似性函数，该函数利用乘积分割模型（PPMx）方案，在评估者的协变量相似时先验地有利于将评估者聚集到一个簇中。我们提出了两种测量协变量相似性的方法：一种基于测量协变量对簇的拟合优度的新型确定性函数，另一种基于PPMx中的增广模型。我们在模拟实验和真实数据示例中研究了BMMx的性能，展示了该方法在推进不同应用中对评估者偏好和行为的理解方面的潜力。
引用
@article{arxiv.2312.12966,
title = {Rank-based Bayesian clustering via covariate-informed Mallows mixtures},
author = {Emilie Eliseussen and Arnoldo Frigessi and Valeria Vitelli},
journal= {arXiv preprint arXiv:2312.12966},
year = {2024}
}