attribute sub-ratings, and host lis

attribute sub-ratings, and host listings count on the number of reviews. To achieve the above three research purposes, we collected 1.046 million guest reviews and 114,310 host self-statements in 36 cities from Inside Airbnb. We conduct a text analytical framework of online hosts’ affinity, and compare its association with the number of reviews and its moderating effects on the relationships among ‘sub-ratings and the number of reviews’ and ‘hosts’ listings count, sub-ratings and the number of reviews’.

結果 (繁體中文) 1:

屬性子評級和主機列表都依賴評論數量。為了實現上述三個研究目的，我們從Inside Airbnb收集了36 個城市的 104.6 萬條房客評論和 114,310 條房東自我陳述。我們建立了線上主機親和力的文本分析框架，並比較了它與評論數量的關聯及其對“次級評級和評論數量”與“主機”列表數、次級評級和評論數量之間關係的調節作用。評論數量” 。

結果 (繁體中文) 2:

屬性子評級和主持人清單取決於評論的數量。
為了達到上述三個研究目的，我們收集了1.046
來自
Airbnb內部。 我們對線上主機進行文字分析
親和力，並將其與評論數量及其
對次級評級和
評論數量”和“主持人”清單計數、次級評級和
評論數量。

結果 (繁體中文) 3:

屬性子評級和主機列表取決於評論的數量。
爲達到上述三個研究目的，我們收集了1.046
來自36個城市的百萬條訪客評論和114，310條主持人自我陳述
Airbnb內部。我們提出了在線主持人的文本分析框架
親和力，並比較其與評論的數量及其關聯
次級評級和次級評級之間關繫的調節效應
“評論數量”和“主持人”列表計數、子評級和
“評論數量”。