民宿业成为共享经济发展的新风口,共享住宿越来越成为人们外出旅行的一种选择。互联网平台为游客和商家创造了一个良好的沟通平台,游客购买产品方便快捷,通过OTA平台发表的评论也为商家提供了很多有价值的信息资源。为了更好的满足游客的个性化住宿需求,游客的评论文本数据有重大的研究意义。研究基于旅游体验理论,运用数据挖掘法、内容分析法、聚类分析法、文献研究法,以Airbnb的游客评论文本内容分为研究对象,综合运用旅游体验理论和聚类分析对游客的旅游体验进行分析,并从中提取到影响游客体验的相关要素,基于此,试图提出提升游客体验的可行性建议。首先,系统梳理国内外关于共享经济与旅游体验的相关研究,总结目前研究的侧重点和不足之处。结合数据挖掘技术和Python编程语言,主要运用旅游体验理论为研究提供理论支撑。在梳理文献的基础上深入理解共享经济、数据挖掘和聚类分析的内涵,在此基础上展开后续研究。其次,对国内民宿发展概况以及共享住宿发展的行业特征及存在的问题进行了分析,对Airbnb共享住宿平台发展以及提供的各项体验活动进行探讨。本文以国家信息中心发布的共享住宿房源量排名前十的城市北京、上海、广州、成都、厦门、重庆、杭州、青岛、西安、深圳为研究对象,通过Python语言抓取Airbnb平台上的这十座城市的游客评论文本信息,使用Jieba中文分词工具对文本内容进行处理与分析,在游客体验要素提取的基础上,运用K-Means聚类算法将相关要素聚集到相同的群组中,再进行体验要素概念模型构建,发现周边环境体验是基础;个性化生活体验是核心;游客整体体验是重要内容;基于此对共享住宿的不足进行分析。最后,Airbnb已经提供了众多体验活动并为游客带来了全新的体验感受,但平台的本土化和国内旅游市场的不断变化对其带来了新的挑战和机遇,在日常运作和管理中会使得一些要素得不到满足,影响整体的旅游体验。因此,在要素分析结果的基础上,结合旅游体验相关内容、游客和共享住宿市场,不断提升房源内部体验水平与民宿提供的相关服务,以提升游客综合体验水平。本研究可以快速及时的从游客评论数据中抽取出游客体验要素,可以为民宿经营者和相关企业提供有效的参考意见,同时也是拓宽了数据挖掘技术的广泛应用。随着互联网、人工智能等技术的不断革新,住宿领域也会不断优化发展,也会对共享经济创造更大的价值。