论文部分内容阅读
伴随着移动互联网的迅速普及，共享经济成为了风靡一时的词语。共享经济以互联网平台作为依托，以租借为主要形式，通过匹配交易双方的需求，成为了一种全新的经济模式。共享短租作为共享经济的核心组成部分之一，也被称为民宿，是当前人们在旅游中重要的住宿选项，而Airbnb正是其中全球最具代表性的企业。Airbnb通过P2P的模式向全世界的旅客发布房屋短租信息。房东在该平台上发布自己的房源信息，而房客使用房屋搜索平台来查找符合自己需求的房屋，向平台发起预约，在双方的交易达成后，到期房客便可以直接入住。
不过，因为房东和房客都是陌生人，不确定性和风险始终存在于二者之中。对于房客而言，一方面，一直担心房东提供的房间照片以及各种设施的真实性，甚至在租住期间的安全问题。另一方面，传统的电子商务的用户评价机制效果并不明显，短租平台中有过住宿体验的房客对房东的在线评级相似度过高，大约95%的评级为4.5星或5星，这使得传统的声誉机制的作用效果难以被房客采纳。因此，如何充分利用已知的有效信息来构建合理的信任预测模型，进而判断房客对于房东的信任程度，成为共享短租领域的热点问题。
先前的针对共享短租中房客的信任问题主要是通过问卷调查、试验等方式进行，探究房东的单一或少数几个维度属性特征对房客信任影响的研究，一方面，数据的样本数量比较小；另一方面，数据的获得方式相对主观，容易受到研究者们的主观影响。此外，有一些研究者们也通过统计分析探究房东的文本和数字属性对房客信任的影响，但是研究的数量还比较少。
本文采用了实证研究和机器学习的方法，运用了统计分析、文本分析、机器学习的技术手段，探究房客信任的影响因素与预测模型。在实证研究中，基于不确定性理论，得出结论：房东自我描述的情感强度对于房客信任有着显著的正向影响；在机器学习方法中，本文比较了逻辑回归、支持向量机、Vote模型与Adaboost，最终发现Adaboost模型的预测效果最好（F1=69.77,AUC=66.84）。根据本文的研究结果，本文不仅对在新兴的共享短租领域内探索信任与房东的自我描述的关系做出贡献，也通过构建预测模型，为提升房东和房客之间的信任提出参考。
不过，因为房东和房客都是陌生人，不确定性和风险始终存在于二者之中。对于房客而言，一方面，一直担心房东提供的房间照片以及各种设施的真实性，甚至在租住期间的安全问题。另一方面，传统的电子商务的用户评价机制效果并不明显，短租平台中有过住宿体验的房客对房东的在线评级相似度过高，大约95%的评级为4.5星或5星，这使得传统的声誉机制的作用效果难以被房客采纳。因此，如何充分利用已知的有效信息来构建合理的信任预测模型，进而判断房客对于房东的信任程度，成为共享短租领域的热点问题。
先前的针对共享短租中房客的信任问题主要是通过问卷调查、试验等方式进行，探究房东的单一或少数几个维度属性特征对房客信任影响的研究，一方面，数据的样本数量比较小；另一方面，数据的获得方式相对主观，容易受到研究者们的主观影响。此外，有一些研究者们也通过统计分析探究房东的文本和数字属性对房客信任的影响，但是研究的数量还比较少。
本文采用了实证研究和机器学习的方法，运用了统计分析、文本分析、机器学习的技术手段，探究房客信任的影响因素与预测模型。在实证研究中，基于不确定性理论，得出结论：房东自我描述的情感强度对于房客信任有着显著的正向影响；在机器学习方法中，本文比较了逻辑回归、支持向量机、Vote模型与Adaboost，最终发现Adaboost模型的预测效果最好（F1=69.77,AUC=66.84）。根据本文的研究结果，本文不仅对在新兴的共享短租领域内探索信任与房东的自我描述的关系做出贡献，也通过构建预测模型，为提升房东和房客之间的信任提出参考。