人们不必预测Airbnb上市价格的预测 -AI模型提供客户评论和租赁功能将成功。这是斯坦福大学研究生团队得出的结论，他们在一篇关于Arxiv.org的论文(“使用机器学习和情感分析的Airbnb价格预测”)系统中进行调查，该系统利用机器学习和自然语言处理来预测未来的Airbnb费率。

除了论文，他们还在GitHub上提供了优化模型。

“在Airbnb上定价租赁物业对业主来说是一项具有挑战性的任务，因为它决定了该地区的客户数量。另一方面，客户必须在对房产的最佳价值知之甚少的情况下评估所提供的价格，“共同作者写道。“本文的目的是利用机器学习，深度学习和自然语言处理技术开发一种可靠的价格预测模型，以便在给予房产最少的可用信息的情况下，对房产所有者和客户进行价格评估。”

为了培训他们的价格预测系统，研究人员为纽约市提供了Airbnb公共数据集，其中包括50,221个条目，总共有96个特征。他们检查了每个功能，以删除频繁且无法修复的缺失字段并将布尔值更改为二进制文件，并删除重复和“无信息”功能，如主机图片URL。(这将功能数量减少到22个。)在培训过程中，团队使用了90%的原始数据(39,980个样本)，保留了5%用于验证和测试(9,996个样本)。

在培训之前，该团队利用开源TextBlob语料库来分析列表评论的情绪，其中每个评论的得分为-1(非常负面情绪)和1(非常积极的情绪)。在与给定列表相关联的所有评论中对得分进行平均，并将其作为训练数据集中的新特征包括在内。

该团队测试了几种价格预测机器学习技术，包括线性回归，基于树的模型，SVR和神经网络。但他们报告说，性能最佳的模型 - 支持向量回归(SVR) - 在测试集上实现了69%的得分(衡量预测与实际数据点的接近程度)的69%。

“鉴于数据集的异质性以及涉及的隐藏因素和交互条款，包括业主的个人特征，这是不可能考虑的，这种准确度是一个很有希望的结果，”共同作者写道，他们留待未来的工作收集更多培训实例和新型神经网络架构的实验。