在线旅游住宿平台在为游客带来便利的同时也加剧了信息过载的问题,推荐系统因此被广泛应用并旨在为游客提供个性化的决策支持和提高其交易效率,也有助于在线旅游运营商树立自身竞争力。共享住宿近年来成为了在线住宿的一大热点,一方面,共享住宿吸引当地居民出租闲置房屋给有住宿需求的房客,另一方面,平台引入了双向选择和双向评价机制来缓释交易风险,共享住宿因此衍生了区别于传统在线住宿的两个特点:房客在选择房间时考虑房东这一属性,房东有权拒绝房客的预订申请。研究表明这两个特点成为了房客预订房间的影响因素,然而现存的共享住宿推荐忽略了这两个因素。因此,本文在现有住宿推荐研究的基础上考虑上述两个因素,构建共享住宿两阶段推荐模型SARBSR(Shared Accommodation Recommendation based on Bidirectional Selection and Review mechanisms),旨在推荐符合房客对房间和房东的偏好以及房客的预订申请能够得到房东同意的房间,并参考相关文献将信任作为本文两个考虑因素的综合量化指标。模型的第一阶段推荐符合房客对于房间和房东的偏好的房间。具体来说,对关于房东的评论文本进行情感分析(SA)从而量化房东的可信任程度作为房间的属性之一,据此构建多属性评分推荐(HMAR)和基于内容的协同过滤(HCBCF)的混合推荐模型,并产生推荐候选集,其中房客的多属性偏好通过LDA对其评论文本分析获得。第二阶段在候选集中选择房客更有可能获得房东同意的房间。具体地,首先将信任作为房东选择房客的综合指标;然后构建房客特征向量作为房东信任的影响因素,最后采用支持向量回归(SVR)对房东的信任评估建模并根据房东的历史接待记录构建训练集,据此预测房东对后续申请者的信任程度并从候选集选择房间。为了验证模型SARBSR的有效性,本文基于共享住宿代表性平台Airbnb进行了实证研究。实验分析表明,本文考虑的两个因素均对共享住宿的推荐精度产生了积极贡献,同时,由于结合了共享住宿的特点,SARBSR在本实验中表现优于经典推荐模型协同过滤算法(CF)、矩阵分解(MF)、多属性评分推荐(MAR)和基于内容的协同过滤推荐(CBCF)。SARBSR具有一定的实践指导意义,有助于共享住宿运营商提升房客的预订效率和满意度以及自身的服务水平和竞争力,对盈利模式为收取交易服务费的运营商而言,SARBSR在提高交易效率从而增加营收方面有积极的影响。