不需要一个人来预测Airbnb的挂牌价格- 提供客户评论和租赁功能的AI模型可以解决问题。这是斯坦福大学一组研究生得出的结论，他们在Arxiv.org上的一篇论文中进行了调查(“ 使用机器学习和情感分析的Airbnb价格预测 ”)，该系统利用机器学习和自然语言处理来预测未来的Airbnb利率。

除了本文，他们还在GitHub上提供了优化的模型。

在Airbnb上为租赁物业定价对房主来说是一项艰巨的任务，因为它决定了该地点的客户数量。另一方面，客户必须在不了解该物业最佳价值的情况下评估报价。” “本文旨在使用机器学习，深度学习和自然语言处理技术来开发可靠的价格预测模型，以在不提供有关该属性的最少信息的情况下，帮助业主和客户进行价格评估。”

为了训练他们的价格预测系统，研究人员利用了纽约市的公开Airbnb数据集，其中包括50,221个条目，共有96个功能。他们检查了每个功能，以删除那些缺少字段且经常无法修复的功能，并将布尔值更改为二进制，并删除重复的和“无用”的功能，例如主机图片URL。(这将功能的数量减少到22个。)在培训过程中，团队使用了原始数据的90%(39,980个样本)，保留了5%的验证和测试(9,996个样本)。

在培训之前，该团队利用开放源代码TextBlob语料库来分析列表评论的情绪，这给每个评论分配了-1(非常负面的情绪)和1(非常正面的情绪)之间的分数。分数是与给定列表相关的所有评论的平均值，并作为一项新功能包含在训练数据集中。

该团队测试了几种预测价格的机器学习技术，包括线性回归，基于树的模型，SVR和神经网络。但是他们报告说，性能最佳的模型-支持向量回归(SVR)-在测试集上获得了69%的R2分数(衡量预测对真实数据点的逼近程度)。

共同作者写道：“鉴于数据集的异质性以及所涉及的隐藏因素和交互性术语(包括所有者的个人特征，这是无法考虑的)，这种准确性水平是一个有希望的结果，”他着手今后的工作，收集了更多信息。训练示例并尝试使用新颖的神经网络架构。