結合輿論分析和諧宜居之都影響因素

宋卡妮

（北京建筑大學 北京 102616）

引言

建設“和諧宜居之都”關乎市民日常生活的方方面面，城市規劃者可以根據社交網絡上的真實評價了解市民的主觀感受。本文先爬取了微博留言，并通過LSTM分析句子情感，同時結合層次分析法得到居民對不同方面主觀感受的影響權重，得到居民心中重要程度最高的方面。為城市規劃者建設城市提供參考。

1 基于循環神經網絡分析情感模型

我們將采用LSTM模型，訓練一個能夠識別文本postive,neutral, negative三種情感的分類器。建模環節中最重要的一步是特征提取，在自然語言處理中也不例外。在自然語言處理中，最核心的一個問題是，把一個句子用數字的形式有效地表達出來。Word2Vec用高維向量（詞向量，Word Embedding）表示詞語，并把相近意思的詞語放在相近的位置，而且用的是實數向量（不局限于整數）。我們只需要有大量的某語言的語料，就可以用它來訓練模型，獲得詞向量。并且Python的Gensim庫中也提供現成的Word2Vec作為子庫，比較方便。我們使用jieba分好詞，并且用Word2Vec將詞語轉換為高維向量，那么句子就對應著詞向量的集合，也就是矩陣，然后使用循環神經網絡將矩陣形式的輸入編碼為較低維度的一維向量，而保留大多數有用信息。訓練得到權重矩陣，然后就可以進行分類[1-2]，如圖1。

2 構建居民滿意度綜合指數模型

居民對城市“和諧宜居”的滿意度綜合指數是由多方面影響的，附表中給出了47個方面不同年月日的居民評論，可以計算出每個方面每個月的情感總分，根據層次分析法得出不同方面的影響權重[3]，加權平均得到每個月的居民滿意度綜合指數，同時影響權重大的及影響居民對“和諧宜居”主觀感受的關鍵因素。

基于循環神經網絡分析情感模型。附表中含有43個不同的類別，將每一類別不同年份，月份的分值求和得到的矩陣（2015年從7月份開始，2018年只到10月份，共40個月），即該因素滿意度得分隨月份變化的矩陣［4］。所有類別求和后可得一個的矩陣SUM，利用層次分析法得出不同因素的權重（北京房價，北京出行，北京就業，北京教育，北京空氣質量系數較高）加權平均后將矩陣SUM化簡成的矩陣S，即滿意度綜合指數隨時間變化的矩陣。

3 結合頻數分析“和諧宜居”關鍵因素

從圖3中我們可以看出北京空氣質量，北京出行，北京教育，北京房價，北京交通安全被提及次數超過兩萬次，所以這五個因素是北京居民比較看重的方面，是決定“和諧宜居”的關鍵因素[5]。同時由上文層次分析法得到的系數中北京房價，北京出行，北京就業，北京教育，北京空氣質量較高。

綜上所述，北京出行，北京教育，北京房價，北京空氣質量是影響較大的因素。