罰則付き推定による潜在変数モデルの識別と消費者行動分析

使用惩罚估计识别潜在变量模型和消费者行为分析

• 批准号: 22K13496
• 负责人: 佐藤 平国
• 金额: $ 2.66万
• 依托单位: Meiji University
• 依托单位国家: 日本
• 项目类别: Grant-in-Aid for Early-Career Scientists
• 财政年份: 2022
• 资助国家: 日本
• 起止时间: 2022-04-01 至 2026-03-31
• 项目状态: 未结题
• 来源: https://kaken.nii.ac.jp/en/grant/KAKENHI-PROJECT-22K13496/
• 关键词: ニューラルネットワーク; LDA; テキスト分析; マーケティング尺度; 顧客エンゲージメント; 潜在変数モデル; 識別性; 罰則化法; 機械学習; 消費者行動研究

本年度は（１）Latent Dirichlet Allocationと順序カテゴリカル因子分析モデルの統合モデルの検証と、（２）罰則付きニューラルネットワークを用いたテキストデータと顧客エンゲージメント尺度データの同時分析に取り組んだ。（１）については、テキストデータのBag of Wordsや購買履歴データなどの離散値データと、マーケティング尺度や心理尺度によって測定された順序カテゴリデータの同時分析を目標とした潜在変数モデルとなっている。このモデルは、行動データやユーザー生成データ（コンテンツ）の分析に、消費者心理を理解する観点から解釈しやすい心理変数を補助的に利用できる。既存の類似モデルとは異なり、心理変数と行動データの関係性を探索するだけでなく、同時分析によって推定される心理変数を活用して行動データを予測したり、未観測の心理変数を予測したりすることを狙いとしている。（２）では、ホテル業界を対象とした調査データをもとに、レビューデータからの顧客エンゲージメント尺度の項目得点を再現するモデルの学習を試みた。モデルには、マーケティング尺度（心理尺度）データの分析で一般的に利用される確認的因子分析モデルやPLS-SEM(Partial Least Squares Structural Equation Modeling)の自然な拡張である罰則付きニューラルネットワークを使っている。顧客エンゲージメント尺度を選んだ理由は、レビューの投稿行動や口コミ行動と顧客エンゲージメントには高い関連性が指摘されているためである。また、ホテル業界を選んだ理由は、レビューサイトやSNSでの投稿など、インターネット上で利用できるテキストデータが豊富であると考えたためである。しかし、モデルの精度だけではなく、既存の顧客エンゲージメント尺度の理論的かつ実用上の問題が見つかっている。

This year, we have (1) Latent Dirichlet Allocation and Sequential Dirichlet Factor Analysis,(2) Penalty Allocation and Sequential Dirichlet Factor Analysis, and (3) Penalty Allocation and Sequential Dirichlet Factor Analysis. (1) The Bag of Words for purchase, the scale of purchase, the psychological scale of purchase, the order of purchase, the potential number of purchase, and the time limit for purchase. Analysis of consumer psychology, analysis of consumer psychology, analysis of consumer psychology, The relationship between the existing and the undetected psychological data is explored. (2) To investigate and analyze the problems faced by the industry and to evaluate the problems faced by the customers. The analysis of Partial Least Squares Structural Equation (PLS-SEM) is based on the analysis of the general use of factor analysis. The customer must choose the criteria, the reason, the contribution action, the customer must choose the high relevance, the reason, the contribution action, the customer must choose the high relevance, the contribution action, the customer must choose the high relevance, the contribution action, the customer must choose the high relevance, the high relevance, the customer must choose the high relevance, the high relevance, the customer must choose the high relevance, the high relevance, the customer must choose the high relevance. In the industry, the selection process is divided into three parts: the first part is the selection process, the second part is the selection process, the third part is the selection process, the fourth part is the selection process, the third part is the selection process, the fourth part is the selection process, the selection process, the fourth part is the selection process, the The accuracy of the test results is very low, and the existing customer's test results are very low.

项目成果

テキストデータを利用したEサービス品質の測定と予測

使用文本数据测量和预测电子服务质量

• 发表时间: 2022
• 作者: 平田 燕奈;松田 琢磨;渡部 大輔;神田正樹;神田正樹;神田正樹;神田正樹;楊樂華;楊樂華・呉 贇;楊樂華;呉 贇・楊樂華;郷香野子;Kanoko Go;的場匡亮;Sato Toshikuni;Toshikuni Sato;長田元;佐藤 平国
• 通讯作者: 佐藤 平国

A Penalized Neural Network Model for Predicting Unobserved Scores of Construct Indicators and Reproducing Latent Scores of the Theoretical Constructs by Using Text Information

一种利用文本信息预测构建指标的未观察分数并再现理论构建的潜在分数的惩罚神经网络模型

• 发表时间: 2022
• 作者: Fazekas;B.;熊谷健;熊谷健;Kanoko Go;Tokita Sayaka;Toshikuni Sato
• 通讯作者: Toshikuni Sato