随着共享经济的快速发展,共享短租平台也大量崛起,Airbnb作为最先发展的典型代表,其模式的成功推动了中国在线短租市场的迅速发展,涌现了一大批在线短租公司,面对日趋激烈的行业竞争,房源出租难度以及获利难度不断增大,所以如何更贴切的了解房客关于房源的选择意愿及其影响因素显得尤为重要,本文将会对该问题进行分析、研究,以便提升短租房源的竞争力和吸引力。已有针对房客选择意愿的研究主要是通过调查问卷或实验等方法,基于一些数字属性去探究对选择意愿的影响,存在数据较为主观且数据量较小的问题。本文通过爬虫技术从Airbnb上获得了北京市的28452条房源的有效样本数据。基于市场机制和消费者心理理论,考虑了信息感知和视觉导向作用对房客的影响,在结构化数据的基础上加入了文本数据和图像数据为研究对象,更加全面的探究了房客选择意愿的影响因素。本文利用文本挖掘技术,即文本分词、关键词提取、主题分析和信息熵用于提取和测量房源标题的信息量、主题多样性和区位内容真实性三个文本特征,基于图像分析技术,对房源图片进行灰度化,利用python中opencv库中的梯度函数、颜色检测、轮廓检测等方法来提取房源图片的清晰度、明亮度、颜色和纹理度四个图像特征,对房源标题文本和房源图片进行全面而深入的挖掘和分析,探究房源的文本特征和图像特征对房客选择意愿的影响。最后,通过lasso模型进行变量的选择,针对多种维度属性特征构建了房客选择意愿预测模型,通过对比发现,本文构建的DNN模型分类器的效果优于其他模型,并且提高了预测的准确率。通过对比包含文本特征和图片特征的预测模型与不包含文本特征和图片特征的预测模型,发现加入文本特征和图片特征的模型的正确率也有所提高,由此验证了非结构化数据的重要性。另外,通过结果分析,探究了房东可信度影响因素、房源自身特征影响因素、房源区位特征影响因素、信息感知影响因素以及视觉导向影响因素对房客选择意愿的影响过程。本文的研究成果为短租平台中房东如何进行标题制定和房源照片呈现提供了一定的理论意义和实践指导意义。