随着消费者对住宿需求的不断提高,人们不再满足于单一化的酒店模式,同时,国内存在大量的闲置房,为在线短租的发展提供了基础,近年来兴起了众多的在线短租平台,例如小猪短租和途家网等,这种住宿方式有别于传统的酒店住宿,意味着它的房屋特征与传统酒店大不相同。在如今共享经济发展火热的情况下,从国内居民的住宿习惯出发,爬取途家网平台的真实数据,使用相对大规模和更多维度的数据拟合在线短租房销量,研究影响在线短租房销量的主要因素,补充以往学者对在线短租的以理论为主的研究,对促进在线短租市场发展是十分重要的。本文首先对以往关于在线短租市场的研究进行文献综述,然后对Lasso、GBRT、RF和XGBoost等方法的理论基础进行了阐述。在分析国内在线短租平台的差异之后,选择途家网为研究平台,通过Python程序爬取成都、上海、北京和广州地区的在线短租房相关数据,将爬取到的四个地区在线短租房网络评论的情感划分为正向、中性和负向三类,分别对正向和负向评论文本进行分词和词频统计,归类相同类别的词语,得出用户关注的特征并进行汇总,发现用户关注的特征主要包括房屋属性、房东属性、整洁卫生、交通位置、管理服务、设施服务、入住满意度和房屋特色八个方面,我们从上述特征出发构建合适的指标体系。另外,本文考虑了在线短租是一种体验式消费,用户对真实上传的照片可能有更直观的感受,因此,加入网络评论中含有照片的评论数占所有评论数的比例这一变量代表用户反馈度,反馈度越高,用户了解的信息越全面。然后,通过网络爬虫有针对性的获取相应的数据,对数据进行预处理并基于Lasso回归筛选系数不为零的影响因素构建Lasso-XGBoost模型,并与GBRT、RF、XGBoost三种单一模型和Lasso-GBRT、Lasso-RF两种组合模型的表现进行对比分析。结果表明,Lasso-XGBoost模型拥有较好的拟合效果,表现出了较明显的拟合优势,算法的训练性能也很高。根据Lasso-XGBoost的拟合结果,不同地区影响在线短租房销量的变量中,用户入住满意度指标(好评率、差评率)和反馈度指标(含有照片的评论占所有网络评论的比例)均比较靠前,尽管它们对于在线短租房销量的重要性排序不同,但是对在线短租房销量都具有十分重要的影响。同时,由于入住满意度指标和用户反馈度指标的重要性较大,其他因素如在线短租房的单项评分的影响就减弱了。