一種基于微博語義的天氣情感地圖設(shè)計(jì)

李軍利，蔣 浩，何宗宜，何靜磊，甘瑞杰

(1. 安徽省智慧城市與地理國情監(jiān)測重點(diǎn)實(shí)驗(yàn)室，安徽 合肥 230061； 2. 安徽農(nóng)業(yè)大學(xué)資源與環(huán)境學(xué)院，安徽 合肥 230036； 3. 武漢大學(xué)資源與環(huán)境科學(xué)學(xué)院，湖北 武漢 430079)

天氣情感地圖是一種表達(dá)情感相關(guān)的專題地圖[1]，開展災(zāi)害性天氣條件的微博語義情感地圖設(shè)計(jì)，有助于理解群體時(shí)空行為模式與地理位置的相關(guān)性，居民感知災(zāi)害的受損程度。近年來，已有學(xué)者開展了相關(guān)研究。一方面，社交媒體可以探測個(gè)體行為，折射人類的情感[2-3]。如利用Twitter數(shù)據(jù)分析個(gè)人情感[4-5]，挖掘微博識別熱點(diǎn)事件發(fā)生所在位置[6]，微博用戶情感的地圖表達(dá)[7]，感知人群在城市不同場所的活動(dòng)、態(tài)度、偏好等[8-9]。另一方面，社交媒體有助于災(zāi)害事件的應(yīng)急響應(yīng)[10-11]。如Sandy颶風(fēng)軌跡與Twitter活動(dòng)位置相關(guān)性討論[12]、2011年日本東京大地震居民情感變化與交通行為模式探討[13]、北京“7·21”特大暴雨事件中社交媒體應(yīng)急響應(yīng)等[14]。上述研究均從不同角度闡述了社交媒體可以映射人的情感變化，理解災(zāi)害事件不同階段群體情感行為變化。但之前多數(shù)情感相關(guān)研究探討的是一維的，即正面的或負(fù)面的、積極的或消極的、高興的或悲傷的等[15]，而實(shí)際上用戶情感多數(shù)是復(fù)雜多維的，不能簡單刻畫，用戶情感都是快樂、信任、恐懼、驚訝、悲傷、厭惡、憤怒和期待等主要情感表達(dá)的混合體[16-17]。

本文將2016年一段持續(xù)性暴雨天氣過程的微博用戶情感變化作為研究對象，利用合肥市新浪微博原始數(shù)據(jù)，采用語義分析的方法，提取暴雨天氣過程中用戶情感屬性，將情感劃分為8類，結(jié)合強(qiáng)暴雨天氣前、中、后期，微博用戶的情感時(shí)空變化特征，以期探索災(zāi)害性天氣條件下群體情感變化的不同模式。

1 數(shù)據(jù)與方法

1.1 數(shù)據(jù)采集與預(yù)處理

利用程序獲取合肥市區(qū)2016年6月20日至2016年7月10日暴雨期間帶有地理位置信息的新浪微博原始數(shù)據(jù)共計(jì)61 686條，再結(jié)合氣象局官方網(wǎng)站提供同期逐日天氣數(shù)據(jù)。將本次暴雨天氣劃分為3期：暴雨天氣過程前期，天氣特征為燥熱，多陰雨；暴雨天氣過程中期，合肥地區(qū)進(jìn)入大范圍持續(xù)暴雨天氣；暴雨后期，天氣逐漸轉(zhuǎn)好。本次試驗(yàn)篩選暴雨主題微博文本中包含“下雨”“暴雨”“陰天”“積水”等詞匯，對與暴雨情感相關(guān)的微博文本詞性進(jìn)行人工判讀，將這些詞匯分類匯編為暴雨情感語料庫，清洗掉重復(fù)無關(guān)微博，篩選出內(nèi)容表達(dá)與暴雨情感有關(guān)的微博數(shù)據(jù)，將整理好的微博數(shù)據(jù)轉(zhuǎn)換成一個(gè)四元組(時(shí)間戳，用戶ID，情感類別，緯度和經(jīng)度)，轉(zhuǎn)存到地理空間數(shù)據(jù)庫。

1.2 數(shù)據(jù)標(biāo)準(zhǔn)化

依據(jù)文獻(xiàn)[16—17]的情感理論，將情感分成8類：(a)喜悅(橘色)、(b)悲傷(天藍(lán))、(c)期盼(黃色)、(d)恐懼(草綠)、(e)厭惡(深藍(lán))、(f)氣憤(紅色)、(g)信任(墨綠)與(h)無奈(紫色)，如圖1所示。對暴雨前、中、后期各8種情感的微博數(shù)據(jù)進(jìn)行分析，發(fā)現(xiàn)存在兩種偏差：一是空間上的偏差，在城郊邊緣地帶，由于微博用戶數(shù)量較少和居住分散，有效樣本有限；二是時(shí)間上的偏差，在暴雨天氣過程的前、中與后期3個(gè)階段，微博數(shù)量存在較大差異，暴雨前期日均微博數(shù)量是中后期日均微博量的近2倍。這種偏差可能會放大格網(wǎng)劃分的前期情感強(qiáng)度，本文采用一種標(biāo)準(zhǔn)化的方法來消除偏差[15]，將暴雨前期日均微博數(shù)量與中后期的數(shù)量進(jìn)行比例數(shù)值修正，中后期分類修正值分別為1.87和1.78。同時(shí)，避免在偏遠(yuǎn)郊區(qū)的少量情緒分布被過分強(qiáng)調(diào)，引入1%為情感閾值[15]，低于情感閾值的情感不予顯示。

2 天氣情感地圖設(shè)計(jì)

將整個(gè)暴雨過程3個(gè)階段微博情感標(biāo)準(zhǔn)化后,應(yīng)用核密度分析方法[18-19]識別與分析熱點(diǎn)和冷區(qū)。格網(wǎng)設(shè)計(jì)中確定微博量字段、輸出像元大小、搜索面積3個(gè)參數(shù)，其中，微博量字段設(shè)置為標(biāo)準(zhǔn)化點(diǎn)權(quán)重，輸出像元大小設(shè)置為180 m，搜索面積設(shè)置為3000 m，對不同時(shí)期不同情感類別分別進(jìn)行計(jì)算[15]。采用HSV顏色空間模型，基于“色調(diào)”“飽和度”和“值”的基本特征確定顏色[17]，并對計(jì)算結(jié)果分別進(jìn)行區(qū)域方差統(tǒng)計(jì)，以便清晰顯示不同尺度下情感分布的趨勢變化情況。

在空間分布上，全暴雨時(shí)段微博用戶情感展現(xiàn)較為密集的區(qū)域主要集中在蜀山區(qū)、包河區(qū)、瑤海區(qū)及廬陽區(qū)，其他區(qū)域分布稀疏。高密度地區(qū)具有人流量大、基礎(chǔ)設(shè)施較為完善、商圈多及路網(wǎng)密集的特征。在時(shí)間分布上，暴雨前期，喜悅和悲傷的情感占據(jù)居民情感分布的主要組成部分，如圖2所示。天氣的異常表現(xiàn)引發(fā)了微博用戶對于合肥天氣狀況的較強(qiáng)關(guān)注，面對雨期來臨的天氣現(xiàn)象，具有復(fù)雜的情感，一方面存在好奇和對天氣突然降溫的欣喜；另一方面極力厭惡災(zāi)害性天氣帶來的糟糕的交通現(xiàn)狀，影響工作與生活，微博用戶對于暴雨突發(fā)時(shí)的情感反應(yīng)較為強(qiáng)烈。

暴雨中期，面對持續(xù)的降水天氣，微博用戶由開始時(shí)的喜悅和期盼，情緒逐漸減弱，恐懼和無奈的情感情緒呈上升趨勢，如圖3所示。同期，面對降水帶來的生活和工作上的不適，厭惡及氣憤的情感情緒也逐漸攀升。由于持續(xù)降雨，造成城市大面積雨洪，特別是影響居民交通出行，情感語義地圖顯示氣憤和悲傷的情感分布較廣。信任的情感情緒也逐漸攀升，在多數(shù)信任感的微博語義中，對天氣持續(xù)涼爽，降雨也并未影響其生活與工作，該情緒的微博量也呈擴(kuò)散趨勢。

暴雨后期，喜悅情感的微博量快速上升，占據(jù)了用戶情感主流情緒，這與持續(xù)陰雨之后的天氣逐漸放晴，微博用戶情緒由壓抑轉(zhuǎn)變成愉悅相關(guān)，如圖4所示。同期，厭惡與氣憤的情感情緒也逐漸下降，但仍然存在一些負(fù)面情緒微博，這與暴雨引起的經(jīng)濟(jì)損失和糟糕的路況，給生活與工作帶來不方便相關(guān)；氣憤、信任與期盼情緒的微博量也較暴雨中期呈下降趨勢，這與暴雨天氣過程結(jié)束，一切恢復(fù)正常，微博用戶情緒也逐漸恢復(fù)正常相關(guān)。

3 結(jié) 語

本文提出了一種基于微博語義的天氣情感地圖設(shè)計(jì)方法，基于程序獲取具有地理位置的新浪微博，通過數(shù)據(jù)清洗及標(biāo)準(zhǔn)化處理，利用情感詞庫，并結(jié)合人工判讀，對暴雨天氣過程相關(guān)情感微博文本數(shù)據(jù)進(jìn)行主題情感識別。將暴雨期間微博數(shù)據(jù)分為8種情感類別，并設(shè)計(jì)了8種情感著色，結(jié)合GIS格網(wǎng)技術(shù)將相關(guān)微博定位到格網(wǎng)單元，結(jié)合核密度分析制成暴雨天氣過程前、中、后期情感地圖。較以往情感地圖單一維度，如正面或負(fù)面的情感地圖，本文研究將暴雨天氣過程中微博用戶多維情感空間分布及情感時(shí)間序列細(xì)粒度變化表達(dá)出來。在突發(fā)性天氣災(zāi)害過程中，結(jié)合社交媒體的社會感知特性，天氣情感地圖可為政府相關(guān)部門制定救助與決策提供一種新的視角去感知微博用戶情感變化及行為模式。

由于微博大數(shù)據(jù)本身存在有偏性，如微博用戶偏好、適用人群、城市與鄉(xiāng)村空間差異等諸多特征局限，后續(xù)研究將探索不同尺度下的微博用戶情感變化與公共行為模式，融合多源數(shù)據(jù)，如社會感知大數(shù)據(jù)與傳統(tǒng)調(diào)查數(shù)據(jù)等進(jìn)行綜合分析。