当下疫情防控进入常态化时期,旅游业也从2020年初的低谷时期渐渐复苏。民宿作为一种深受年轻人喜欢的旅游住宿选择,在2020年初一度面临大量房源停止营业、经营惨淡的情况,而现在,民宿业也正逐步恢复到疫情前的水平。民宿平台作为一个中介平台,将提供民宿房源的经营者和旅游出行者连接在一起,并为计划住宿的潜在消费者提供了大量的信息数据。这些数据中,有很大一部分是民宿消费者在平台上对自己住宿时的体验和感想进行一个分享。对于这些评论数据,民宿消费者既是生产者,也是需求者。许多潜在消费者在选择特定房源作为自己的出行住宿前,都会通过浏览评论,来了解其他消费者对于该房源的评价从而找到更符合自己需求的房源。在这一过程中,他们透过大量的评论数据,了解到其他用户对于该民宿的真实体验和经历。同时,这些评论也会较大程度地影响潜在消费者的最终决策。以民宿行业为例:如果一个民宿房源下有大量的积极正面评论,那么就有更大可能吸引更多的消费者,反正,如果一个民宿房源下有大量的消极负面评论,可能就会劝退潜在的消费者。本文采用文本挖掘的方式,尝试了解携程民宿用户在该平台上做出的评论,了解消费者评论的情感倾向,以及消费者在对民宿做出评论时,所围绕的话题,亦或是消费者对于民宿满意的和不满意的具体方面。在经过分析之后,本文希望能够给民宿经营者或平台一些参考性的提议。本文可以分为以下几个部分:首先通过爬虫获取武汉地区民宿的评论数据,在对数据进行一个初步浏览后,本文发现通过爬虫得到的数据还比较粗放,存在许多不规范的地方,因而本文先对对武汉地区民宿平台的评论数据进行一个预处理以增强其规范性,再经过分词等操作后,本文进一步展示了词云图以及词频统计并对其结果进行了一些分析。其次,在获得了规范化的数据并进行了初步的分析探讨以后,本文对评论数据进行了一个情感分析,以判别这些数据的感情倾向。在进行情感分析,本文使用了基于情感词典和基于机器学习的两种方法。为了对两种不同方法得出的结果进行比较,论文使用准确率指标进行了检验,通过比较结果,本文得出基于机器学习的方法的情感分类准确率更高,并基于朴素贝叶斯的方法分别对正面评价和负面评价构建语义网络图,对用户评论中的观点做了进一步的分析以及可视化展示。最后,本文基于LDA主题模型,分别对民宿平台的积极评论和消极评论进行主题分析,对于用户评价的主题进行挖掘、整合并进行了可视化展示,然后结合前文的分析结果进行聚类分析并做出进一步的探讨,得出结论,从而为民宿房东、消费者和民宿平台提出建议。本文得出的结论主要有:（1）相较于基于情感词典的情感分类,基于机器学习分类算法的情感分类准确率更高;（2）用户对于民宿住房的产生正面评价的原因往往是相似且笼统的,而产生负面评价的原因则多种多样且更为细致;（3）消费者对于房间的正面评价主要是围绕房间干净整洁、装修和布景温馨、房东服务态度好,酒店环境优美、交通便利、房间设备完善等,而消费者对于房间的负面评价主要是围绕房间装修差、卫生情况糟糕、房间内部设施不完善,民宿外部环境差,实物与宣传不符等。（4）针对民宿网络平台上存在一些评论不规范等问题,民宿平台也需要采取一些措施加强监管。