基于社交媒体数据的应急决策大群体群智知识挖掘及其价值测度方法研究

本文针对突发事件下的社交媒体数据体量庞大,但能够辅助应急决策的大群体群智知识分布无序且价值难以测度的问题,提出了一种应急决策大群体群智知识挖掘及其价值测度方法。首先,基于社交媒体博文数据,依据特定应急决策知识框架,采用TF-IDF(term frequency-inverse document trequency)法和改进后的词汇链算法构建了应急决策大群体群智知识挖掘方法;然后,提出了博文热度计算方法,在此基础上根据知识的语义重要性计算博文包含的群智知识总价值,并使用Shapley函数对群智知识价值进行分配;最后,以“新冠疫情”事件为案例对方法进行应用,并通过对比分析说明了方法的有效性和优越性。

基于社交媒体数据的洪水风险信息提取与应用研究综述

社交媒体数据作为一种时空大数据,具有实时性和位置服务的特点,近年来在国外洪水风险管理中得到广泛应用。目前国内针对该数据类型在洪水风险管理中的研究较少,相关应用受限。通过对国内外基于社交媒体数据的洪涝灾害研究进行综述,探讨洪水风险信息的提取与分析方法,指出社交媒体数据在洪水风险管理中的应用方向,包括洪涝灾害的监测预警、灾情的时空分析、情绪和响应行为分析、救灾部署及灾害损失评估等。此外,社交媒体数据具有实时性、多类型性、可视化的优势,也存在质量与精度有限、虚假信息过多、用户群体受限和文化差异等挑战。如何发挥社交媒体数据的优势,弥补传统监测手段的不足,对于我国城市应急管理部门高效应对洪水风险具有重要意义。

融合专利数据与社交媒体数据的潜在颠覆性技术识别——基于深度学习模型

作为推动社会进步与经济发展的重要力量,如何快速且精确地识别潜在颠覆性技术对于提升企业竞争力、推动产业变革等具有关键意义。本文提出一种融合专利数据与社交媒体数据的潜在颠覆性技术早期识别方法,是对已有研究理论和方法的重要补充。第一,检索相关领域专利数据,对数据进行划分;第二,基于颠覆性技术的特征,选取与颠覆性技术相关的指标以构建指标体系,并计算其技术影响力;第三,依托Bi-LSTM(bi-directional long short-termmemory)训练专利指标与技术影响力之间的关系,预测出候选颠覆性技术,并结合BERTopic提取技术主题;第四,通过BERTopic主题建模基于社交媒体数据提取出社会主题,并通过关注度和情感倾向对社会主题进行评价;第五,通过语义相似度,将社会主题与技术主题匹配映射,以对技术主题进行分类,进而识别出潜在颠覆性技术;第六,以医疗机器人为例,阐述该识别方法的应用过程。研究结果表明,Bi-LSTM模型在准确率、精准率、召回率和F1-score上均超过90%,优于其他模型;将医疗机器人领域中的潜在颠覆性技术划分为高关注度-积极态度、低关注度-积极态度与低关注度-消极态度3种类型;识别出的医疗机器人潜在颠覆性技术,能够为国家发展政策制定与相关产业布局提供参考。

基于社交媒体数据的社区公共服务设施使用后评估指标体系探讨

社交媒体中关于社区公共服务设施的评价内容具有多维度、多层次、多形式的特征,这类数据可以为设施的使用后评估体系建立提供支持。对社交媒体数据进行分类清洗、分词及词语统计,分别提取设施供需两方对设施评价的特征词。以特征词的统计学特征筛选和确定评价指标因子,建立了以属性特征、功能需求、运营情况及建筑因素为评价内容,利益主体为评价者的二元评价矩阵,以特征词在评价文本中的平均频率作为指标因子权重。该研究使用社交媒体数据挖掘和文本分析方法,探讨了社区公共服务设施使用后评估体系,为社区复合服务设施建设提供思考。

基于社交媒体数据的北京市历史名园景观感知与评价研究

城市建成区内的历史园林是城市文化和生态遗产的重要组成部分,也是重要的公众游憩绿地。在保护历史园林的同时,深入挖掘其内蕴的历史文化价值并合理高效地利用文化遗产资源,可推动历史名园的可持续发展。基于北京市9个历史名园的社交媒体数据,通过词频统计,分析公众对历史名园的关注情况和历史文化感知情况,并对公园内山石、水体、植物、建筑及其他景观要素进行进一步细分,构建历史公园景观要素指标体系,运用重要性-满意度分析(IPA)法探究游客景观要素感知差异。研究结果有助于深入理解公众对历史名园景观的感知现状,并在后续的更新和管理实践中进行适当调整,调动历史名园进行文化遗产保护传承的社会积极性。

利用社交媒体数据分析街道空间活力因素的组成——以上海安福路、永康路街道为例

随着社交媒体蓬勃发展,公众已习惯通过社交媒体进行内容分享实现在线互动与内容评价,由此产生的社交媒体大数据可作为环境行为学研究的一个重要数据来源,乃至作为街道空间更新建设的重要参考依据。该文以上海安福路和永康路街道空间为研究对象,从社交媒体中爬取评价数据并提取高频词,以语义解析法(SD法)对街道空间高频词和消费者满意度情感进行分析。通过对比两个相似街道空间中商业活动、街道环境和人的活动相关的高频词对,尝试分析影响街道活力的构成因素,为提升城市街道活力提供依据。

基于社交媒体数据的西怀远村游客景观偏好及其时空特征研究

随着智能手机的普及,社交媒体上游客发布的旅游攻略和照片数量激增,成为以游客为视角研究旅游地特征的重要数据源。以太原市清徐县西怀远村为研究对象,通过照片视觉内容分析、文本分析和核密度分析等方法分析游客的景观偏好和时空分布特征。结果表明:(1)游客对西怀远景观偏好的类型是艺术墙绘和田园风光,而对文化活动、生活体验类等关注低,整体呈现重观光、轻体验的特征。(2)时间上,旅游受花期影响,呈现一年两季峰值特征;空间分布上,游客的集聚热点区域分别是油菜花田、艺术墙绘区和粉黛草田,游线单一。建议加强文化资源挖掘,丰富游线;结合节日安排节庆活动,提升旅游竞争力。研究有助于城郊乡村明确资源利用方向,以促进旅游产业活化。

社交媒体数据的获取与处理分析研究

带有地理空间信息的社交媒体数据是由众多专业和非专业用户主观发布并通过社交媒体向公众或组织提供的一种开放地理空间数据。为了高效地获取签到数据以及保证签到数据的正确性、可靠性、完整性,满足数据挖掘算法的需要,本文以微博签到数据为例,提出了获取数据的关键技术,包括调用微博API的方法、研究区域格网化的获取方法,提高了数据的获取效率。并且针对获取的原始数据提出了对其处理的方案并对获取的数据结果进行了相关的统计描述。

基于社交媒体数据的北京市游客与居民签到差异研究

城市空间分异研究对城市规划、旅游地资源配置、公共交通优化等具有重要意义。该文基于2016年北京市核心六区微博签到数据,根据游客和当地居民签到行为差异,依据时间特征、空间特征和签到比率特征,通过机器学习方法对游客与当地居民进行分类,利用局部莫兰指数和基于签到POI类型的层次聚类法实现细粒度的签到聚集区类型识别,并探究两类人群签到聚集区空间分布与签到类型的差异。结果表明:该文分类模型各项评价指标均在0.9以上,较前人分类结果有较大提升;基于该分类模型所得游客和居民社交媒体签到特征差异显著,游客签到主要集中在故宫周边,以风景名胜、体育休闲和餐饮服务类型为主,居民签到较分散且科教文化服务、商务住宅类型突出,同时发现“菖蒲河公园”等居民签到多而游客签到少的显著差异地区。利用社交媒体数据进行人群异质性角度下的空间分异研究,有助于准确捕捉不同人群在城市中的活动类型、特征并探究城市内部活动规律。

基于社交媒体数据的城市公共空间审美意象研究--以深圳地区为例

分布式的社交媒体作为信息时代一种个人情绪表达与公众意识呈现的重要大众叙事媒介,为城市空间的审美认知研究提供了新途径。文章以深圳为例,基于关键词提取社交媒体中空间审美认知相关条目的位置、文本和图像信息,识别城市审美空间。而后借助语义学的概念和方法,分析文本与图像中大量个体的主观审美感受,建立兼具个体性与群体性、物质性与文化性的城市公共空间审美意象体系,探索大众审美感知层面城市公共空间审美认知模式。

挖掘社交媒体数据探究自然灾害时公众注意力的变化

随着互联网行业的发展,在灾难发生期间,社交媒体已经成为公众重要的交流手段,通过对受灾地区公众的社交媒体数据进行合理的抽取与内容分析,可以为应急管理人员提供有效的决策支持。本研究选取了2021年10月山西暴雨期间的微博数据作为研究数据,通过运用词频-逆文档频率算法(TF-IDF)、中文词法分析(LAC)和百度AI(Artificial Intelligence)情感分析等方法对社交媒体数据进行综合分析以获取该灾害下公众情感以及公众注意力焦点变化趋势,为新媒体时代救援减灾工作提供支撑。

基于社交媒体数据的北京游客情感体验及时空特征研究

社交媒体数据的数量和类型日渐丰富,通过机器学习等分析技术可以对人们的行为和情感特征进行挖掘和分析。以北京游客为研究对象,基于新浪微博数据,经过数据预处理,利用文本分析和空间分析方法研究了游客情感的时空变化特征。结果表明:游客在京旅游的积极情感占比高于消极情感;在空间上,情感热点主要分布在主城区,情感冷点主要分布在郊区。游客的积极情感多表现为赞美、良好体验、文化丰富等;消极情感主要与人流量大、景区服务质量欠佳、较差的天气状况等因素有关。该结果以期丰富情感地理学的内容和方法,并为提升旅游业服务质量和城市基础设施建设提供理论依据。

数字记忆视角下图书馆社交媒体数据长期保存策略研究

在互联网技术飞速发展的今天,社交媒体成为民众工作生活中必不可少的一部分,而社交媒体数据的长期保存问题受到了图书馆情报领域的关注。基于此,文章介绍了数字记忆视角下社交媒体数据的概念和特点,阐述了数字记忆视角下图书馆开展社交媒体数据长期保存的必要性,诠释了我国社交媒体数据长期保存的障碍,最后提出了数字记忆视域下图书馆社交媒体长期保存的策略。

基于社交媒体数据的兰州市五泉山公园使用后评价研究

社交媒体数据在城市公园的使用后评价中起到了重要的作用。本文以兰州市五泉山公园为研究对象,利用Python3.6爬取2015年-2022的网络点评数据,通过ROST CM6对数据进行处理。通过讨论分析发现使用者对公园的自然环境、历史文化建筑方面较为满意,但公园整体景观特色还有待提升,园内公共服务设施质量较差、游憩路线拥挤方面还有待改进。

基于社交媒体数据挖掘的旅游者情绪感知

随着智能移动终端和社交媒体的普及,带有地理标签的社交媒体数据大量涌现,其“文本—位置—时间”的多维特征使得精细时空尺度上的旅游者情绪感知成为可能。该文基于2017-2019年旅游者发布的新浪微博数据,采用BERT模型对微博数据进行文本分析,探讨旅游者情绪的时空分布规律及不同主题下旅游者的情绪特征,并分析导致旅游者产生负面情绪的相关因素。研究发现,微博中旅游者情绪呈现昼夜、周和季节性节律变化,不同性别旅游者在情绪反应强度及情绪节律上存在差异,对“天气”和“餐饮”主题易产生强烈情绪。该文提出的旅游者情绪挖掘方法可从多维度、多层次挖掘旅游者情绪特征,为旅游目的地舆情监测和预警系统提供借鉴。

基于CNN-LSTM的社交媒体大数据评论文本情感元自动识别方法

为了准确识别社交媒体评论文本情感,助力公众负面情绪引导,提出了基于CNN-LSTM的社交媒体大数据评论文本情感元自动识别方法。通过社交媒体大数据分类,并通过具有字典功能的Token将评论文本转换成数字列表。结合词嵌入技术得到向量列表,完成社交媒体大数据向量转换的预处理。将预处理获取的向量列表输入CNN网络,得到评论文本情感元最终局部特征值。将该值传至LSTM,通过遗忘门、输入门、输出门调节,获取评论文本情感元特征表征结果,经Softmax分类器分类后,实现情感元自动识别。实验结果表明,该方法能有效完成实验数据预处理,用文字和标签的形式标记正面、负面情感元,并准确识别情感元,间接反映社会问题,应用性较强。

基于社交媒体数据的多维游憩情绪评价框架研究——以南京中心城区城市公园为例

利用大量带有情绪标签的社交媒体数据,了解和把握居民在城市公园绿地中的游憩情绪感知体验,为城市公园的改造提升提供策略依据。文章基于城市公园使用者发布的新浪微博数据,在Rost Content Mining软件和BERT模型的支持下对微博文本进行分类、分析,运用IPA分析法构建了游憩区位、环境、设施和感知4个维度的情绪评价框架模型,并以位于南京市中心城区的9个城市公园为例进行实证研究。研究发现:(1)居民在城市公园的游憩体验整体上积极正向,游客对于南京中心城区城市公园的总体建设较为满意,其中白鹭洲公园表现最好。(2)从IPA分析来看,重要性高—满意度低象限内的,急需改善的因素分别是玄武湖公园和鼓楼公园的游憩区位,莫愁湖公园和古林公园的游憩环境,绣球公园、鼓楼公园和小桃园的游憩感知。使用文章的评价框架,能有效捕捉游憩人群在城市公园中的情绪状态及其影响因素,这对城市公园的更新与改进具有重要的指导意义。

基于社交媒体数据的城市暴雨洪涝灾害风险评估——以郑州市“7·20”暴雨事件为例

近年来强降雨引发的城市洪涝灾害事件趋多,严重危害了人民的生命健康和财产安全,而客观、准确地开展城市暴雨洪涝灾害风险评估对于有效提升防灾减灾水平至关重要。但是,城市灾害点部分基础数据资料的缺失和滞后限制了城市暴雨洪涝灾害风险评估结果的准确性。随着移动互联技术的发展,民众在社交媒体上发布的相关灾害信息逐渐汇集成一种具有海量、时效性强和主题明确等特征的社交媒体数据资源,将其引入城市暴雨洪涝灾害风险评估工作对于准确刻画城市暴雨洪涝灾害的全貌无疑具有显著意义。以2021年郑州市“7·20”暴雨事件为例,首先从气象因素、基础地理信息、社会经济因素三方面选取了13个影响因子,然后基于爬虫技术获取微博数据中的内涝点信息,最后基于GBDT、XGB、RF和AdaB 4种机器学习模型对郑州市“7·20”暴雨洪涝灾害进行风险评估。结果表明:①基于上述模型得到的4组指标权重具有统计意义上的一致性,在各影响因子中,道路密度、植被覆盖指数、半小时最大降雨量和日最大降雨量在4组指标重要性排序中均位列前5,表明上述影响因子是本次暴雨洪涝灾害的主要致灾因素;②基于皮尔逊相关系数检验发现上述4种模型评估结果间的相关程度较高,所得出的极高风险区均集中在郑州市五大主城区的中心部分、中牟市东北部、新密市米村镇及城关镇、巩义市巩义站周边;③上述4种模型的AUC和ACC值均超过0.7,证实了机器学习模型在城市暴雨洪涝灾害风险评估中的有效性;相较于GBDT、XGB和RF模型,AdaB模型的评估结果精度最高,且得到的高风险与极高风险区的Rei值之和最大,表明其评估结果与实际情况相符。本研究通过将社交媒体数据引入城市暴雨洪涝灾害风险评估工作有效地提升了评估结果的准确性,可为郑州市及其他城市在类似强降水事件下的洪涝灾害风险预警和应急处置提供决策依据。

基于社交媒体数据的网师园驻点游人分布研究

研究游人在园林中的分布对游览路线的优化、园林景区的精细化管理等具有重要意义。驻点研究法是一种适用于研究微观景区游人分布的方法,然而,基于视频分析技术的驻点研究法存在着数据获取与运算上的难度。因此,研究提出了一种使用社交媒体数据来探究游人在驻点处分布情况的思路。以网师园为研究区域,基于在社交媒体平台爬取的照片数据,结合驻点研究法得到的驻点停驻人次数据,使用皮尔逊相关性分析、信息熵等方法分析了游人分布情况。结果显示:(1)皮尔逊相关系数表明社交媒体与驻点游人分布正相关,并在10~20s时呈强相关关系;(2)信息熵指出两数据源在大多数情况下所得到的游人分布地图的信息量接近。以上结果表明使用社交媒体数据来解释驻点游人分布具有可行性,研究成果为游人行为的精细化研究提供了新的思路和数据基础。

基于社交媒体数据的杭州青山湖绿道使用后评价

为客观全面了解城市绿道在建成后的使用状况及使用者的综合需求,提出优化措施,以促进绿道建设可持续发展。基于社交媒体数据,选取杭州青山湖绿道为研究对象,借助内容分析法对点评文本进行高频词、语义网络及情感分析等,通过分析发现,使用者对青山湖绿道总体满意度较高,对绿道自然景观、景点设置、交通设施等关注度较高,同时存在景观特色未完全展现、公共服务管理水平及配套基础设施不足等问题,并针对性提出相关策略,以期为后续的建设管理提供一定借鉴。