{“状态”：“确定”，“消息类型”：“工作”，“信息版本”：“1.0.0”，“邮件”：{“索引”：{“日期部分”：[[2024,6,1]]，“日期时间”：“2024-06-01T19:56:48Z”，“时间戳”：1717271808039}，“参考计数”：38，“发布者”：“计算机协会（ACM）”，“问题”：“3”，“资助者”：[{“DOI”：“10.13039\/501100001809”，“名称”：“中国国家自然科学基金”，“doi-asserted-by”：“crossref”，“award”：[“61902042”]}，{“doi”：“10.13039\/501100005230”，“name”：“重庆市自然科学基金会”，“doi-asserted-by”：，“doi-asserted-by”：“crossref”，“award”：[“2020CDJ-LHZ-057”]}，{“name”：“GRF”，“adward”：“14200420”]}]，“content-domain”：{“domain”:[“dl.acm.org”]，“crossmark-restriction”：true}，“short-container-title”：[”acm Trans.Knowl.Discov.Data“]，”published-print“：{”date-parts“：[2021,6,30]}、“abstract”：“”\n在线产品评级系统已成为亚马逊、eBay、谷歌Play商店和TripAdvisor等众多网络服务不可或缺的组成部分。此类系统的一个功能是通过消费者提供的产品评级（或评论）来揭示产品质量。然而，一种著名的心理现象被称为“u201c”基于消息的说服<\/jats:italic>\n\u201d导致\u201c\n以级联方式进行的偏向<\/jats:italic>\n\u201d产品评级（我们称之为说服级联<\/jats:italic>\n）。本文研究：（1） 说服级联如何影响产品质量评估的准确性？（2） 给定一个真实的产品评级数据集，如何推断说服级联并进行分析以得出实际见解<\/jats:italic>\n我们首先开发了一个数学模型来捕捉说服级联的关键因素。我们构造了一个高阶马尔可夫链来刻画说服级联的意见动态，并证明了意见的收敛性。通过矩阵摄动理论和Chernoff界，我们进一步限定了包括平均评分规则在内的一类评分聚合规则的产品质量估计误差。我们还设计了一个最大似然算法来推断说服级联的参数。我们对亚马逊和TripAdvisor的合成数据和真实世界的数据进行了实验。实验结果表明，我们的推理算法具有较高的准确性。此外，说服级联显著存在，但在实际场景下，平均评分规则的产品质量估计误差较小。\n<\/jats:p>“，”DOI“：”10.1145\/3440887“，”type“：”journal-article“，”created“：{”date-parts“：[[2021,4,21]]，”date-time“：”2021-04-21T15:42:54Z“，”timestamp“：1619019774000}，”page“：4，“标题”：[“理解在线产品评级系统中的说服级联：建模、分析和推理“]，”前缀“：”10.1145“，”卷“：”15“，”作者“：[{”ORCID“：”http://\/ORCID.org\/0000-0001-7935-7210“，”authenticated-ORCID“：false，”给定“：”Hong“，”family“：”Xie“，”sequence“：”first“，”affiliance“：[}”name“：”重庆大学，中国重庆“}]}，{”given“：”Mingze“，”family“：”Zhong“，”sequence“：”additional“，”affiliation“：[{”name“：”Chongqing University，China“}]}，{”given”：“Yongkun”，“family”：“Li”，“sequence”：“additional”，“affiliance”：[{“name”：“University of the China Science and Technology，Hulfi，Anhui，China”}]}]，{“given：”John C.S.“，”家人“：”Lui“，”序列“：”附加“，”affiliation“：[{“name”：“The Chinese University of Hong Kong，Shatin，NT，Hong KongSAR，China”}]}]，“member”：“320”，“published-on-line”：{“date-parts”：[2021,4,21]]}，“reference”：[{“key”：“e_1_2_1_1”，“volume-title”：“Proceedings of The 2016 INTRS WORKSHOP.”，“author”：“Adomavicius Gedimisas”，“year”：“2016”，“unstructured”：“Gedimisas Adomavicius、Jesse Bockstedt、Shawn P.Curley和Jingjing Zhang。2016年。了解个性化与聚合评级对用户偏好的影响。2016年INTRS研讨会会议记录。Gedimisas Adomavicius、Jesse Bockstedt、Shawn P.Curley和Jingjing Zhang。2016.了解个性化评级与综合评级对用户偏好的影响。2016年INTRS研讨会会议记录。“}，{”key“：”e_1_1_2_1“，”doi-asserted-by“：”publisher“，”doi“：”10.1177\/0047287516643185“}”，{“key”：“e_2_1_3_1”，”unstructured“：”Jonah Berger.2012。糟糕的评论可以促进销售。这里是\u2019s为什么。哈佛商业评论。乔纳·伯杰（Jonah Berger）。2012年。糟糕的评论可以促进销售。这里是\u2019s为什么。哈佛商业评论。“}，{”key“：”e_1_2_1_4_1“，”unstructured“：”BrightLocal.2016。当地消费者评论调查。BrightLocal公司。BrightLocal公司。2016年，当地消费者评论调查。BrightLocal公司。“}，{”key“：”e_1_1_5_1“，”doi-asserted-by“：”publisher“，“doi”：“10.1509\/jmkr.43.3.345”}，“{”密钥“：”e_1_2_1_6_1“”，“doi-assert-by”：“publisher”，”doi“：”10.1145\/642713“}”，{“key”：“e_2_1_7_1”，“unstructured”：“Michael Gebicki.2015。我们应该信任TripAdvisor评论吗？旅行者。迈克尔·盖比奇（Michael Gebicki）。2015年。我们应该相信TripAdvisor评论吗？旅行者。“}，{”key“：”e_1_1_8_1“，”doi-asserted-by“：”publisher“，“doi”：“10.1145\/2792838.2799683”}，“key”：“e_2_1_9_1”，“volume-title”：“Kelley”，“author”：“Hovland Carl I”，“year”：“1953”，“unstructured”：“Carl I.Hovland，Irving L。Janis和Harold H。凯利。1953 . 沟通与说服：观点改变的心理学研究。耶鲁大学出版社。卡尔·霍夫兰（Carl I.Hovland）、欧文·贾尼斯（Irving L.Janis）和哈罗德·凯利（Harold H.Kelley）。1953年，《沟通与说服：意见改变的心理学研究》。耶鲁大学出版社。“}，{”key“：”e_1_1_10_1“，”doi-asserted-by“：”publisher“，“doi”：“10.1145\/1242572.1242759”}，“key”：“e_2_1_11_1”，“doi-assert-by”：“publisher”，”doi“：”10.1145\/1557019.1557072“}”，{“：”e_1_2_1_13_1“，”doi-asserted-by“：”publisher“，“doi”：“10.13189\/aeb.2013.0101”}，{“key“：”e_1_1_14_1“，”doi-asserted-by“：”publisher“，“doi”：“10.2753\/JEC1086-4415170404”}，{“key”：“e_1_cu1_15_1”，“unstructured”：“Michael Luca.2016。评论声誉和收入：Yelp的案例。com.哈佛商学院工作文件12-016哈佛商学院。迈克尔·卢卡。2016年，回顾声誉和收入：Yelp的案例。com.哈佛商学院工作文件12-016哈佛商学院。“}，{”key“：”e_1_1_16_1“，”doi-asserted-by“：”publisher“，“doi”：“10.1145 \/248888.2488466”}，“key”：“e_2_1_17_1”，“volume-title”：“Taylor”，“author”：“Muchnik Lev”，”year“：”2013“unstructured”：“Lev Muchnik，Sinan Aral，and Sean J.Taylor.2013.社会影响偏见：随机实验.Science 341，6146（2013），647\u2013651。列夫·穆奇尼克（Lev Muchnik）、西南·阿拉尔（Sinan Aral）和肖恩·泰勒（Sean J.Taylor）。2013.社会影响偏见：一项随机实验。Science 341，6146（2013），647\u2013651.“}，{”key“：”e_1_1_18_1“，”doi-asserted-by“：”publisher“，“doi”：“10.5555\/2017447.2017457”}，“key”：“e_2_1_19_1”，“doi-assert-by”：“publisher”，”doi“：”10.1214\/EJP.v20-4039“}”，{“key“:”e_2_ 1_20_1“”，“unstructured”：“Stacey Rudolph.2016。关于在线评论你需要了解的50个统计信息[信息图表]。商业2社区。斯泰西·鲁道夫。2016.关于在线评论你需要了解的50个统计数据[信息图表]。商业2社区。“}，{”key“：”e_1_2_1_21_1“，”volume-title“：”Peter Sheridan Dodds和Duncan J.Watts“，”author“：”Salganik Matthew J“，”year“：”2006“，”unstructured“：”Matthew J.Salganik，Peter Sheidan Dods，and Duncan J Watts.2006.《科学》311，5762（2006），854\u2013856。马修·萨尔加尼克（Matthew J.Salganik）、彼得·谢里丹·多兹（Peter Sheridan Dodds）和邓肯·沃茨（Duncan J.Watts）。2006.人工文化市场中不平等和不可预测性的实验研究。《科学》311，5762（2006），854\u2013856。“}，{”key“：”e_1_1_22_1“，”doi-asserted-by“：”publisher“，“doi”：“10.1145\/2959100.2959188”}，“key”：“e_1_i_1_23_1”，“unstructured”：“Khusbu Shrestha.2016。关于在线评论你需要了解的50个统计信息[信息图表]。旺达斯塔。库布·什雷斯塔。2016.关于在线评论你需要了解的50个统计数据[信息图表]。旺达斯塔。“}，{”key“：”e_1_2_1_24_1“，”unstructured“：”Signpost.2017。商业的未来：基于位置的评论对收入的影响。路标。路标。2017年，《商业的未来：基于位置的审查对收入的影响》。路标。“}，{”key“：”e_1_2_1_25_1“，”volume-title“：”矩阵微扰理论“，”author“：”Stewart Gilbert W.“，”unstructured“：”Gilbert W.Stewart.1990。矩阵摄动理论。学术出版社。吉尔伯特·W·斯图尔特。1990.矩阵微扰理论。学术出版社。}，{“key”：“e_1_2_1_26_1”，“volume-title”：“新FindLaw和超级律师调查”，“非结构化”：“汤森路透，2016。New-FindLaw和超级律师调查显示，消费者对在线评论的信任度极高。汤森路透。汤森路透。2016年，New-FindLaw和超级律师调查显示，消费者完全信任在线评论。汤森路透。“}，{”key“：”e_1_1_27_1“，”doi-asserted-by“：”publisher“，“doi”：“10.1145\/2623330.2623720”}，“key”：“e_2_1_28_1”，“doi-assert-by”：“publisher”，”doi“：”10.1146\/annurev.psychol.51.1.539“}”，{“Wright Stephen J.”，“年份”：“1999年”，“非结构化”：“Stephen J。赖特和豪尔赫·诺塞达尔。1999 . 数值优化。施普林格科学35，67\u2013 68（1999），7。斯蒂芬·赖特和豪尔赫·诺塞达尔。1999.数值优化。Springer Science 35，67\u201368（1999），7.“，”journal-title“：”Springer Science“}，{“key”：“e_1_2_1_30_1”，“volume-title”：“第三十三届AAAI人工智能会议论文集”，“卷”：“33”，“作者”：“谢红”，“非结构化”：“Hong Xie，Yongkun Li，and John C.S.Lui.2019。了解在线产品评级系统中的说服级联。在第33届AAAI人工智能会议的会议记录中。第33卷。5490\u20135497。谢洪（Hong Xie）、李永坤（Yongkun Li）和路易斯（John C.S.Lui）。2019.了解在线产品评级系统中的说服级联。在第33届AAAI人工智能会议的会议记录中。第33卷。5490\u20135497.“}，{“key”：“e_1_2_1_31_1”，“volume-title”：“Lui”，“author”：“Xie Hong”，“year”：“2014”，“unstructured”：“Hong Xie和John C.S.Lui.2014.带部分信息的集团产品推荐数学模型：我们需要多少评级？绩效评估77（2014），72\u201395。谢红（Hong Xie）和路易斯（John C.S.Lui）。2014.带部分信息的团体产品推荐数学模型：我们需要多少评级？《绩效评估》77（2014），72\u201395.“}，{“key”：“e_1_1_32_1”，“doi-asserted-by”：“publisher”，”doi“：“10.1109\/ICDM.2015.30”}，“key“：”e_1_i_1_33_1“，”doi-assert-by“：”publisher“，“：”2017“，”非结构化“：”Meital Yachin.2017。在线评论\u2013趋势、创新与战略2017。Carmelon Digital公司。梅塔尔·亚钦。2017年在线评论\u2013年趋势、创新与战略2017。Carmelon Digital公司。“}，{”key“：”e_1_2_1_35_1“，”unstructured“：”Stefany Zaroban.2015。产品评论使每次在线访问的收入增加62%。数字商务。斯蒂芬·扎罗班（Stefany Zaroban）。2015年，产品评论使每次在线访问的收入增加62%。数字商务。“｝，｛”key“：”e_1_2_1_36_1“，”doi由“：”publisher“断言，”doi“：”10.1145\/3362651“｝，｛”key“：”e_1_1_37_1“，”doi由“：”publisher“断言，”doi“：”10.1145\/319859.3109885“｝，｛”key“：”e_1_1_38_1“，”doi由“：”publisher“断言，”doi“：”10.1287\/mksc.1120.0755“｝]，”container title“：[”ACM Transactions on Knowledge Discovery from Data“]，“原标题”：[]，“语言“：”en“，”链接“：[{”URL“：”https:\/\/dl.acm.org\/doi\/pdf\/10.1145\/3440887“，”内容类型“：”unspecified“，”content-version“：”vor“，”intended-application“：”similarity-checking“}]，”deposed“：{”date-parts“：[2023,1]]，”date-time“：”2023-01-01T21:20:03Z“，”timestamp“：1672608003000}，“score”：1，“resource”：{“primary“：{”URL“：”https:\/\/dl.acm.org\/doi\/10.1145\/3440887“}}，”副标题“：[]，”短标题“：[]，”已发布“：{”日期部分“：[[2021,4,21]]}，“引用计数”：38，“日志发布”：{“发布”：“3”，“发布发布”：\\/dx.doi.org\/10.1145\/3440887“，”关系“：{}，”ISSN“：[”1556-4681“，”1556-472X“]，”issn-type“：[{”value“：“1556-4681”，“type”：“print”}，{”value“：”1556-472X“，”type“:”electronic“}]，“subject”：[]，“published”：{”date-parts“：[2021,4,21]]}，“assertion”：[{”value：“2019-11-01”，“order”：0，“name”：“received”，“label”：“received”，{“value”：“2020-12-01”，“order”：1，“name”：“accepted”，“label“：”Accepted“，”group“：{”name“：”publication_history“，”label“:”publication history“}}，{”value“：”2021-04-21“，”order“：2，“name”：“published”，“label”：“published”，“group”：{