居民情感時空變化研究淺析

陳華 蔡燕 杜翔

[摘 要] 情感分析也被稱作情緒分類或是意見挖掘，在越來越注重居民幸福感和獲得感的今天，對居民情感研究的文獻(xiàn)數(shù)量呈上升趨勢，運(yùn)用大數(shù)據(jù)分析技術(shù)，將網(wǎng)絡(luò)爬蟲、文本情感分析等技術(shù)結(jié)合使用，通過對微博數(shù)據(jù)的整理和分析，總結(jié)得出居民情感時空變化的特征及規(guī)律，從而得出贛州市地區(qū)居民的情感分布情況。

[關(guān) 鍵 詞] 居民情感；微博；數(shù)據(jù)分析

[中圖分類號] B842.6 [文獻(xiàn)標(biāo)志碼] A [文章編號] 2096-0603（2018）32-0294-01

居民在日常生活中具有移動性和情感多變性，用戶通過使用微博發(fā)布的地理坐標(biāo)、文字，較好地表現(xiàn)與記錄了這兩個特性。本文通過利用計算機(jī)技術(shù)大量采集新浪微博數(shù)據(jù)，并將微博文本中表達(dá)的情感提取出來，根據(jù)時間推移深度分析和挖掘居民留下的“情感足跡”，從而篩選出我們需要的數(shù)據(jù)，達(dá)到分析贛州市地區(qū)居民情感變化的目的。

目前各行各業(yè)都通過挖掘大數(shù)據(jù)，為顧客提供更加優(yōu)化的服務(wù)，創(chuàng)造更多價值。比如沃爾瑪?shù)乃阉鳎ㄟ^大量的文本分析、機(jī)器學(xué)習(xí)和同義詞挖掘等，開發(fā)設(shè)計了一個最新的搜索引擎Polaris，為網(wǎng)上用戶提供了語義搜索技術(shù)，使在線購物的完成率提高了10%～15%，使沃爾瑪增加了數(shù)十億美元的收入。

在對居民情感變化研究上我們運(yùn)用大數(shù)據(jù)分析技術(shù)，將網(wǎng)絡(luò)爬蟲、文本情感分析等技術(shù)結(jié)合使用，通過對微博數(shù)據(jù)的整理和分析，總結(jié)得出居民情感時空變化的特征及規(guī)律，從而得出贛州市地區(qū)居民的情感分布情況。

一、提取并篩選數(shù)據(jù)

本文使用Python中urllib2包中的方法向新浪服務(wù)器發(fā)送HTTP請求，通過模擬登錄、微博數(shù)據(jù)抓取與篩選、URL管理三個步驟，登錄連接新浪微博數(shù)據(jù)庫。進(jìn)入數(shù)據(jù)庫后，對數(shù)據(jù)進(jìn)行采集，考慮到本文的研究對象為贛州居民，因此，用戶所在地不是“江西 贛州”的進(jìn)行過濾（所在地是注冊微博時所在的地方，所以所在地不是“江西 贛州”的用戶一般不是贛州居民），通過運(yùn)行本文設(shè)計的網(wǎng)絡(luò)爬蟲，采集微博數(shù)據(jù)共413450條。所獲取的微博數(shù)據(jù)內(nèi)容包括：用戶ID、昵稱、用戶所在地區(qū)、微博發(fā)布時間、微博發(fā)布位置的坐標(biāo)、用戶性別、用戶年齡及微博文本等。

二、分析數(shù)據(jù)

本文嘗試使用基于情感詞典與語義規(guī)則情感分析模型對微博文本進(jìn)行情感傾向計算得到如下圖的微博文本情感數(shù)據(jù)。

三、結(jié)論

1.居民情感整體較為積極。情感程度為“高”的最多，范圍最廣，占56.51%，集中在區(qū)域中心。以一個城市來說，贛州綠化到位、美食眾多、生活節(jié)奏緩慢、全年氣候溫和，是一個宜居的城市，所以，居民在此居住大多都會產(chǎn)生較為積極的情感，從整體來看，由于計算的是每個網(wǎng)格內(nèi)的情感均值，一些極端情感被平均化，所以情感均值在“高”這個程度的網(wǎng)格所占比例最大，且集中在中心區(qū)域。

2.在校大學(xué)生為微博的主要使用人群且活動范圍在校園。通過微博數(shù)據(jù)可以發(fā)現(xiàn)，熱點(diǎn)中有多個是高校，且在高校區(qū)微博密度最大且呈離散狀，并沒有連在一起，這不僅可以說明在校大學(xué)生為微博的主要使用人群，而且還能體現(xiàn)大學(xué)生的主要活動范圍就在校園中。

3.旅游資源開發(fā)程度較低。通過微博數(shù)據(jù)發(fā)現(xiàn)，旅游熱點(diǎn)的微博密度大部分為“低”，說明景點(diǎn)對居民的吸引力較低。

參考文獻(xiàn)：

[1]于靜.基于微博大數(shù)據(jù)的游客情感及時空變化研究[D].西安：陜西師范大學(xué)，2015.

[2]楊柯帆.中文微博短文本主題挖掘方法研究與原型系統(tǒng)開發(fā)[D].大連：大連海事大學(xué)，2016.

[3]康浩.微博文本情感分類方法與應(yīng)用研究[D].長沙：國防科技大學(xué)，2012.