ИЕРАРХИЧЕСКОЕ БАЙЕСОВСКОЕ МОДЕЛИРОВАНИЕ ЛАТЕНТНЫХ ПРОЦЕССОВ РАНЖИРОВАНИЯ
DOI:
https://doi.org/10.26577/JMMCS1313202612Ключевые слова:
байесовское моделирование, латентные переменные, ранжирование, электронная коммерция, иерархические моделиАннотация
В данной работе предлагается универсальная байесовская иерархическая модель для оценки скрытых процессов ранжирования в поисковых системах электронной коммерции. В отличие от традиционных регрессионных подходов, ранжирование рассматривается как порядковое проявление ненаблюдаемого рейтинга, динамика которого описывается случайным блужданием с изменением цены. Модель объединяет уравнение состояния, порядковую логистическую модель наблюдений и иерархическое объединение чувствительности по категориям товаров. Архитектура инвариантна к платформе и структуре признаков алгоритма. Предложенный подход позволяет учитывать временную зависимость наблюдений и восстанавливать скрытое состояние системы без доступа к внутренним механизмам ранжирования, что значительно расширяет возможности количественного анализа алгоритмов поиска на цифровых платформах. Оценка выполняется полностью в байесовской постановке с использованием метода MCMC (NUTS), получая апостериорные распределения параметров и скрытые состояния изменения. Эмпирическая проверка была проведена на собственной панельной выборке результатов поиска, сгенерированных системой мониторинга. Полученные результаты подтверждают эффективность модели для восстановления скрытых ранжирований, выявления неоднородности ценовой чувствительности между категориями и прогнозирования изменений позиций без доступа к алгоритму ранжирования.
