基于領(lǐng)域詞典的留園構(gòu)成要素情感分析

劉文龍， 黃 維

(清華大學(xué)深圳國際研究生院，深圳 518000)

近年來，中外在風(fēng)景園林這一傳統(tǒng)學(xué)科的研究中逐步引入信息技術(shù)的量化思維、技術(shù)處理方法[1]。有部分研究運(yùn)用大數(shù)據(jù)挖掘與自然語言處理技術(shù)對(duì)風(fēng)景園林進(jìn)行多景點(diǎn)系統(tǒng)分析，研究中較多基于地理分布的多景點(diǎn)橫向評(píng)價(jià)對(duì)比為用戶選擇景點(diǎn)服務(wù)，如王少兵等[2]基于評(píng)論的景點(diǎn)推薦研究、楊鑫等[3]對(duì)民宿評(píng)論情感分析方法的研究。目前較為缺少對(duì)單一景點(diǎn)展開多維度的深入分析，為園林管理方有針對(duì)性提升服務(wù)的研究。同時(shí)，互聯(lián)網(wǎng)多平臺(tái)的景點(diǎn)評(píng)價(jià)數(shù)據(jù)量大、涵蓋面廣、時(shí)效性高，整合可深度挖掘游人對(duì)景點(diǎn)多維度的認(rèn)識(shí)，對(duì)傳統(tǒng)高定性分析提供一種用戶視角的量化分析補(bǔ)充，也因此選用了較為成熟且穩(wěn)定性高的基于領(lǐng)域詞典的分析方法[4]。

現(xiàn)對(duì)單景點(diǎn)——留園的關(guān)注度進(jìn)行分析，并對(duì)整體與基于構(gòu)成要素的進(jìn)行聚類的局部展開情感分析，重點(diǎn)是對(duì)基礎(chǔ)自然語言處理的技術(shù)方法在園林應(yīng)用領(lǐng)域的方法論展開實(shí)踐應(yīng)用研究。實(shí)驗(yàn)探究留園多要素間游人關(guān)注度情況，以及對(duì)各要素的情感評(píng)價(jià)傾向，并對(duì)極性為負(fù)面的展開相關(guān)聯(lián)因素分析，補(bǔ)充了傳統(tǒng)園林領(lǐng)域的分析中較少有實(shí)驗(yàn)案例運(yùn)用網(wǎng)路評(píng)價(jià)數(shù)據(jù)及計(jì)算機(jī)技術(shù)對(duì)單景點(diǎn)用戶評(píng)價(jià)進(jìn)行分析，運(yùn)用交叉學(xué)科的理論與方法為留園的游人評(píng)價(jià)調(diào)研、規(guī)劃決策提供幫助，為園林領(lǐng)域其他景點(diǎn)亟需分要素精準(zhǔn)優(yōu)化提供分析思路。

1 分析方法

研究方法如圖1所示。

圖1 留園關(guān)注度與構(gòu)成要素情感分析模式圖Fig.1 The Liuyuan Garden attention model and sentiment analysis pattern diagram of component

(1)語料獲取。Webscraper獲取攜程網(wǎng)與去哪兒網(wǎng)的公開數(shù)據(jù)作為分析語料數(shù)據(jù)，共計(jì)7 057條。

(2)對(duì)語料數(shù)據(jù)進(jìn)行清洗，主要為基于園林專業(yè)特點(diǎn)進(jìn)行去重、標(biāo)記、降噪、對(duì)齊等。分析粒度為語句級(jí)，對(duì)文檔內(nèi)單獨(dú)的語句，標(biāo)記其情感極性，把句子區(qū)分為正面、中立和負(fù)面3類，并按分句與評(píng)論段落分別分析情感加權(quán)結(jié)果。分詞使用了多個(gè)開源模塊，結(jié)巴分詞以及中科院計(jì)算所NLPIR為主，并進(jìn)行停用詞過濾，詞性標(biāo)注用HANLP的開源版本[5-6]。

(3)對(duì)留園整體評(píng)論展開詞頻分析(term frequency-inverse document frequency，TF-IDF)，并根據(jù)詞性進(jìn)行分類篩，獲取評(píng)論數(shù)據(jù)中關(guān)注度最高的序列。而后以語句顆粒度展開情感分析。情感分析(sentiment analysis)基于情感詞典匹配，計(jì)算結(jié)果依賴于情感詞典和每個(gè)情感詞的權(quán)重。本文研究詞典基于開源詞典并結(jié)合園林領(lǐng)域常用專業(yè)詞匯不斷優(yōu)化調(diào)整詞條和權(quán)重整理得到[7]。

(4)對(duì)負(fù)面情感相關(guān)聯(lián)因素進(jìn)行挖掘，將上步驟的分詞，以及詞頻篩選后的負(fù)面情感關(guān)聯(lián)的篩選詞，進(jìn)行共詞矩陣分析，形成共詞網(wǎng)絡(luò)，對(duì)負(fù)面情感來源挖掘分析。

(5)根據(jù)園林構(gòu)成要素篩選相關(guān)的標(biāo)簽詞庫，構(gòu)建基于園林構(gòu)成要素(建筑、山石、植物、水體、空間組構(gòu)、人文要素)的聚類，對(duì)單聚類數(shù)據(jù)進(jìn)行情感分析并橫向?qū)Ρ?，挖掘留園各構(gòu)成要素的游人認(rèn)知與評(píng)價(jià)情況，為分要素精準(zhǔn)提升提供方向。

2 數(shù)據(jù)來源

通過web scraper對(duì)旅游平臺(tái)攜程網(wǎng)與去哪兒網(wǎng)獲取的留園評(píng)價(jià)數(shù)據(jù)進(jìn)行獲取，共收集7 057條評(píng)價(jià)數(shù)據(jù)，此2處平臺(tái)為旅游信息與服務(wù)的頭部平臺(tái)，評(píng)價(jià)數(shù)據(jù)全面且評(píng)價(jià)質(zhì)量較高。對(duì)數(shù)據(jù)進(jìn)行清洗，進(jìn)行去重、標(biāo)記、降噪、對(duì)齊，去除1 494項(xiàng)，實(shí)際有效數(shù)據(jù)5 563條，形成留園評(píng)論分析語料庫(corpus)。

3 結(jié)果分析與討論

3.1 各要素的受關(guān)注度

對(duì)數(shù)據(jù)進(jìn)行詞性標(biāo)注，通過詞頻分析的方法對(duì)留園評(píng)價(jià)數(shù)據(jù)中主要的要素進(jìn)行順序篩選，得到受關(guān)注度序列如圖2和表1所示。

圖2 留園各要素的受關(guān)注度詞云圖Fig.2 The word cloud map of the attention of each element of the garden

表1 各要素的受關(guān)注度詞頻分析表(部分)

如表1所示，通過評(píng)價(jià)數(shù)據(jù)展開的云圖與數(shù)據(jù)分析可以直觀看到，受關(guān)注度較高的前10位為建筑、假山、盆景、山水、庭園、太湖石、亭臺(tái)樓閣、空間、花園，涵蓋了留園構(gòu)成要素的主要方面。但不可避免的同一類構(gòu)成要素會(huì)多次出現(xiàn)，如假山與太湖石，后者是前者的主要構(gòu)成材料。

為便于對(duì)同一要素評(píng)論情感進(jìn)行分析，進(jìn)行分要素劃分與聚類處理。

3.2 留園按要素聚類

為便于對(duì)同一要素評(píng)論情感進(jìn)行分析，進(jìn)行分要素劃分與聚類處理。對(duì)園林主要構(gòu)成要素分為建筑、山石、植物、水體、空間組構(gòu)、人文要素6大類[8-9]。并對(duì)每類基于園林專業(yè)知識(shí)進(jìn)行人工匹配分類，檢索標(biāo)簽詞如表2所示。

表2 留園構(gòu)成要素分類標(biāo)簽詞

根據(jù)留園構(gòu)成要素的標(biāo)簽詞分類檢索得到關(guān)于6項(xiàng)構(gòu)成要素的相關(guān)評(píng)論數(shù)據(jù)數(shù)量，作為各要素評(píng)論關(guān)注度的參照，結(jié)果如圖3所示。

圖3 留園各構(gòu)成要素受關(guān)注度圖Fig.3 The attention degree of each component of the garden

(1)出乎意料，評(píng)論中6項(xiàng)構(gòu)成要素中對(duì)于“山石”的關(guān)注度最高，建筑其次?？臻g組構(gòu)的各構(gòu)成元素“回廊、小徑、小路、庭院”等也受到了較多的關(guān)注，結(jié)合詞頻分析可以發(fā)現(xiàn)冠云峰、太湖石、假山的出現(xiàn)次數(shù)貢獻(xiàn)了主要的關(guān)注量，考慮假山相較于其他形態(tài)的空間營造較為獨(dú)有，且冠云峰充分體現(xiàn)了太湖石“瘦、漏、透、皺”的特點(diǎn)，為江南四大奇石而著名，吸引力強(qiáng)烈[10]。

(2)日常中，園林學(xué)者對(duì)園林中人文藝術(shù)構(gòu)成部分研究占有重要地位，如書法、典故、古韻、圖案、評(píng)彈、雕刻等，而評(píng)論關(guān)注度中對(duì)此方面關(guān)注處于6個(gè)構(gòu)成要素關(guān)注度的末位，與直觀認(rèn)知有所不同。

3.3 整體與園林構(gòu)成要素的聚類情感分析

3.3.1 留園整體情感分析

對(duì)留園整體評(píng)價(jià)數(shù)據(jù)進(jìn)行分詞后對(duì)語句進(jìn)行了切分，并進(jìn)行情感分析，詞匯的情感值公式為

s(w)=v(w)p(w)

(1)

式(1)中:s(w)表示詞匯的情感值;v(w)表示詞匯的情感強(qiáng)度;p(w)表示詞匯的情感極性。遍歷每條切分句中情感詞之間的否定詞和程度副詞，并對(duì)其相應(yīng)的權(quán)重值進(jìn)行計(jì)算。每個(gè)語句情感傾向的情感值計(jì)算公式為

l(w)=n(w)a(w)s(w)m(w)

(2)

式(2)中：l(w)表示情感傾向的情感值，n(w) 表示否定詞的權(quán)重值;s(w) 表示情感詞匯的情感值，a(w)表示情感詞前所有程度副詞權(quán)重值的累加和；m(w) 表示情感詞前否定詞和程度副詞間的相對(duì)位置。如果程度副詞前有否定詞修飾時(shí)，m(w) 賦值為 0. 5，反之m(w)賦值為 1，對(duì)切分語句情感極性正面記為1，按評(píng)論切分句子計(jì)算情感值，然后合并后進(jìn)行加總處理，形成評(píng)論語句段落的情感值，情感值分布情況如表3所示[11-12]。

忽略段落按分句分值分布可以得到情感評(píng)價(jià)數(shù)據(jù)如表4所示。通過分析可得：

表3 留園整體評(píng)論分句情感數(shù)據(jù)

(1)正面評(píng)價(jià)占比69.930%，中性評(píng)價(jià)占比24.163%，負(fù)面評(píng)價(jià)僅為5.908%，游客對(duì)留園整體評(píng)價(jià)呈價(jià)是積極的。

(2)負(fù)面評(píng)價(jià)有一定誤差，中文自然語言在使用中常使用多重否定與夸張，目前情感詞典對(duì)復(fù)雜語句判斷有一定難度，如游客評(píng)論中“嘈雜是不存在的”“好不美麗”。

對(duì)正面評(píng)價(jià)語句進(jìn)行詞頻分析，得到結(jié)果如表5所示，并繪制可視化詞云圖，如圖4所示。

游客正面評(píng)價(jià)中呈現(xiàn)了游客的意猶未盡，“再來”“流連忘返”的詞頻為前兩位，綜合評(píng)價(jià)詞匯也可以歸納出留園美學(xué)及現(xiàn)觀賞情況的一些特點(diǎn)，如“精湛”“秀美”“鬧中取靜”“細(xì)細(xì)品味”“干凈”“麻雀雖小五臟俱全”“細(xì)膩”。

負(fù)面評(píng)價(jià)的詞頻分析結(jié)果如表6所示，可視化詞云圖如圖5所示。

表4 留園整體評(píng)論情感數(shù)據(jù)

圖4 留園正面情感詞云圖Fig.4 The positive emotion word cloud in Liuyuan Garden

表5 留園評(píng)論正面情感詞頻數(shù)據(jù)

其中通過分析結(jié)果可以直觀得出負(fù)面評(píng)論核心的有擁擠、嘈雜、不好玩。

對(duì)照詞頻文本數(shù)據(jù)可以得到：

(1)節(jié)假日、周末留園較為擁擠，游客體驗(yàn)受到影響?？赏ㄟ^節(jié)假日預(yù)約、限流等方式控制一定的游覽人數(shù)，保證游客體驗(yàn)。

(2)人流量因素造成部分游客感覺到嘈雜。

(3)部分游客感覺不好玩，對(duì)評(píng)論段落定位挖掘其原因，一方面為留園觀賞行為占據(jù)主導(dǎo)，較少有互動(dòng)式、參與式的游玩項(xiàng)目，該部分可加強(qiáng)；另一方面留園營造中講求“雖由人作宛自天開”，形態(tài)上主要以自然景觀面貌呈現(xiàn)，蘊(yùn)含的文化典故、山石植物欣賞基礎(chǔ)需要一定的積累鋪墊，對(duì)此可增加對(duì)園林了解較少游客的講解，通過生動(dòng)的圖像、影像等方式讓游人了解園林之美。

對(duì)照表6可得，負(fù)面情感標(biāo)簽詞匯中形容詞占據(jù)多數(shù)，如一般、不對(duì)、不行。具體關(guān)聯(lián)的負(fù)面情感成因未能體現(xiàn)。因此對(duì)負(fù)面詞頻頻率較高的詞匯進(jìn)一步展開共詞矩陣分析，形成共詞復(fù)雜網(wǎng)絡(luò)探究負(fù)面情緒的主要原因。對(duì)幾個(gè)比較典型且共詞網(wǎng)絡(luò)頻率高的標(biāo)簽詞單獨(dú)展開，分析結(jié)果可得。

表6 留園評(píng)論負(fù)面情感詞頻數(shù)據(jù)

圖5 留園負(fù)面情感詞云圖Fig.5 Liuyuan Garden negative word cloud

(1)出乎意料的，拙政園在各標(biāo)簽詞共詞網(wǎng)絡(luò)中出現(xiàn)頻繁，游人在對(duì)留園進(jìn)行評(píng)價(jià)時(shí)較多的傾向于將留園與同為四大名園的拙政園進(jìn)行比較。獅子林也較多作為一同比較的對(duì)象。

(2)“小”“人多”“擁擠”“講解”“雨”“不行”是幾個(gè)標(biāo)簽詞出現(xiàn)較多的共性標(biāo)簽詞匯，對(duì)照可以說明用戶的“一般”“差”的評(píng)論點(diǎn)集中在上述標(biāo)簽詞的方面。

3.3.2 園林構(gòu)成要素的聚類情感分析

根據(jù)標(biāo)簽詞對(duì)各要素相關(guān)句子進(jìn)行檢索并單獨(dú)歸類為數(shù)據(jù)集，而后對(duì)單個(gè)構(gòu)成要素進(jìn)行情感評(píng)價(jià)分析，分句情感極性相加的值大于1為正面，小于-1為負(fù)面，0為中性。各構(gòu)成要素的游人評(píng)論情感評(píng)價(jià)結(jié)果如圖6所示。

對(duì)留園各要素情感評(píng)價(jià)橫向?qū)Ρ确治?，如?與圖7所示，可以得到：

圖6 留園各要素的情感分析百分比圖Fig.6 Percentage analysis of sentiment analysis of various elements of the Liuyuan Garden

表7 留園各要素的情感分析百分比數(shù)據(jù)

圖7 留園各要素的情感分析橫向?qū)Ρ菷ig.7 Horizontal comparison of sentiment analysis of various elements of the Liuyuan Garden

(1)整體上留園6項(xiàng)主要構(gòu)成要素游人評(píng)論正面情感為主，平均正面情感為78.3%，接近80%。其次各要素情感評(píng)價(jià)有明顯波動(dòng)，既留園中構(gòu)成要素的評(píng)價(jià)具有不均衡性。

(2)山石正面情感占比相對(duì)較低，為66%，中性評(píng)價(jià)占比較高為27%，但負(fù)面評(píng)價(jià)并非最高，為7%。前文關(guān)注度分析中山石排列為首位，但評(píng)價(jià)相對(duì)較弱。較多的關(guān)注度與評(píng)論體量的增大使得不同的游人情感傾向多樣性得到體現(xiàn)，該結(jié)果為按要素精準(zhǔn)提升與優(yōu)化園林提供方向參照。

(3)人文相關(guān)部分涵蓋面較廣，正面情感占比81%，同時(shí)負(fù)面在各要素中未最高，占比9%?？梢钥闯鋈宋牟糠衷u(píng)價(jià)的多元性，既游人情感中喜歡的非常喜歡，不喜歡的也會(huì)態(tài)度鮮明，即人文部分正負(fù)面評(píng)論具有明確的獨(dú)立性。

4 結(jié)論

通過橫向的留園各構(gòu)成要素的游人評(píng)論情感分析，可以清晰地查找出整體情感傾向中不足的短板部分，如山石部分正面情感占比66%相對(duì)較低，人文部分負(fù)面情感占比9%相對(duì)較高，為進(jìn)一步精準(zhǔn)優(yōu)化提升提供參照。同時(shí)，結(jié)合共詞網(wǎng)絡(luò)分析，可以對(duì)比出負(fù)面情感的問題方向，有針對(duì)性地繼續(xù)展開深入分析。

此外，基于互聯(lián)網(wǎng)與計(jì)算機(jī)技術(shù)的評(píng)論大數(shù)據(jù)挖掘與分析對(duì)園林領(lǐng)域用戶視角的優(yōu)化研究起到很好的方法論補(bǔ)充，傳統(tǒng)園林學(xué)科與信息技術(shù)的結(jié)合具有趨勢(shì)性。

也為傳統(tǒng)風(fēng)景園林領(lǐng)域以定性為主的研究提供一種基于用戶的量化分析方法，推進(jìn)園林管理方分園林要素提升與優(yōu)化的相關(guān)研究。