随着全球化和自由化进程的加快,越来越多的人热衷于体验共享生活。共享经济如今已经成为了一种潮流趋势,是当下时兴的生活方式。继滴滴出行打开共享交通出行市场之后,人们纷纷把目光投向了共享住宿。共享住宿和传统住宿最大的不同在于,共享住宿体现的是人与人之间的交流,住到当地人家中,和当地人交流,能够更好的体验当地的风土人情。而这样就会带来一个问题,即资源问题,由于当地人家的房间数量是有限的,不像酒店能够容纳较多的人,因此,可能会导致一部分消费者无法预订到满意的房源。此外,由于共享住宿依附于互联网平台,在互联网上实现共享住宿的浏览预订等。因此,关于共享住宿的预订,很大程度上与互联网上显示的信息,即在线信息有一定的联系。基于此,本文将利用在线信息研究共享住宿的发展状况以及预订量。本文在国内外研究的基础上,依托于Airbnb爱彼迎共享住宿平台,收集了截止至2018年7月7日该平台展示的上海、北京、杭州、大理、成都、重庆六大热门城市的房源在线信息共1790条,主要包括浏览数、评论数、价格等22项,以及评论文本数据137370条。随后,利用描述性统计方法分析在线信息的各个维度,体现每个城市的异同。利用情感分析研究每个房源的评论文本,并得出评论文本的情感值,将情感值和在线信息共同作为样本数据进行模型构建,充分利用了在线信息。当前在预订量的研究上大多利用的是回归模型,因此,本文在前人基础上利用机器学习算法中的多元回归、岭回归和Lasso回归进行模型构建,结果显示模型拟合程度较低。为了提高模型的拟合程度,本文又运用了机器学习算法XGBoost进行数据的再次拟合,发现模型拟合程度大大提高,并且利用模型的特征重要性解释了预订量的影响因素。本文系统描述了共享经济下不同城市共享住宿发展状况的异同,并且在预订量预测上实现了很好的突破,无论是帮助消费者预订自己满意的房源或者帮助房主提前预测客流量都具有较好的现实意义,不仅如此还帮助房主了解哪些在线信息会增加房源预订的可能性。基于研究结论,本文分别为消费者、房主及Airbnb平台提供了一些实际的建议,如重视平台展示、激励分享评论,同时号召消费者参与分享过程,共同改革共享住宿事业,促进共享住宿事业更好的发展。