效用函式的概念解釋/預測。從大數據中提取效用函式
在我看來，效用函式通常只是一組事實。是否有可以解釋或預測效用函式的效用函式框架或模型。IE。如果使用者對項目 A 和 B 具有價值並且有項目 C（在概念上與項目 A 和 B 相關聯，即它具有 B 的顏色或 A 和可用性特徵），那麼這個框架可以預測使用者對項目 C 的價值嗎？
也許有某種可以解釋效用函式的框架？即，存在具有作為概念集的 ABox 組件和具有這些概念的實例集的 TBox 組件的本體。也許有一個框架可以列出與某些產品相關的概念，並且每個消費者對這些概念都有一些價值，並且可以從中推導出實際產品的效用函式？
如何使用效用函式對單個客戶資料進行建模？也許可以從與收銀機數據、聯繫電話等相關的大數據中提取效用函式？
在這些方面是否存在一些研究和實踐趨勢？也許這些是相當普遍的事情，我不知道相關的關鍵字？
我相信您正在尋找的是享樂回歸：
在經濟學中，享樂回歸或享樂需求理論是一種估計需求或價值的顯示偏好方法。它將正在研究的項目分解為其組成特徵，並獲得每個特徵的貢獻值的估計值。這要求可以將被估價的複合商品簡化為其組成部分，並且市場對這些組成部分進行估價。特徵模型最常使用回歸分析進行估計，儘管更通用的模型，例如銷售調整網格，是特徵模型的特例。
一個屬性向量，可以是一個虛擬變數或面板變數，被分配給每個特徵或特徵組。特徵模型可以適應非線性、變數互動或其他復雜的估值情況。
特徵模型通常用於房地產評估、房地產經濟學和消費者價格指數 (CPI) 計算。在 CPI 計算中，特徵回歸用於控制產品質量變化的影響。由於替代效應導致的價格變化會受到特徵質量調整的影響。
BLS 有一個很好的完整範例，說明使用這種方法對攝影機質量的變化進行定價。他們探索品牌、儲存格式、圖像穩定、重量和其他特性如何影響價格，以捕捉攝影機價值的變化如何影響消費決策中的替代。