Decoding Consumer Preferences Using Attention-Based Language Models
利用注意力语言模型解读消费者偏好AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要明确将文本表示映射到拍卖需求结构模型的私人估值与市场规模参数，并进行反事实分析，直接对应结构估计。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
关注这篇论文的作者
利用注意力语言模型解读消费者偏好
- 研究问题
- 作者研究如何从二手车自然语言描述中提取需求信息，并估计拍卖结构模型中的私人估值和每个车辆挂牌的市场规模。
- 方法与思路
- 作者分两阶段训练仅编码器语言模型：先用车辆描述编码拍卖结果，再将所得表示投影到结构模型参数空间进行半非参数估计。
- 材料陈述的贡献
- 摘要称，该方法利用文本估计需求原始参数，并在留出拍卖样本及独特的零样本实例中验证训练市场范围内的反事实分析能力。
- 阅读关注点
- 应核对拍卖模型和需求参数的识别、文本编码到参数的映射、留出样本设计，以及零样本实例如何支持反事实验证。
- 阅读边界
- 依据 arXiv 预印本摘要，同行评审或期刊接收未核实；摘要未给出识别假设和验证指标，反事实能力限于所述训练市场范围。
原文摘要
This paper proposes a new demand estimation method using attention-based language models. An encoder-only language model is trained in a two-stage process to analyze the natural language descriptions of used cars from a large US-based online auction marketplace. The approach enables semi-nonparametrically estimation for the demand primitives of a structural model representing the private valuations and market size for each vehicle listing. In the first stage, the language model is fine-tuned to encode the target auction outcomes using the natural language vehicle descriptions. In the second stage, the trained language model's encodings are projected into the parameter space of the structural model. The model's capability to conduct counterfactual analyses within the trained market space is validated using a subsample of withheld auction data, which includes a set of unique "zero shot" instances.