王薇薇，沈守云，廖秋林，陳翠怡，孫 瑤

（中南林業(yè)科技大學 a.風景園林學院；b.湖南省自然保護地風景資源大數(shù)據(jù)工程技術(shù)研究中心，湖南 長沙 410004）

風景是人們生活、休閑、娛樂的重要組成部分，也是生態(tài)環(huán)境建設(shè)、旅游經(jīng)濟發(fā)展的重要資源。針對風景資源評價的研究起源于20世紀下半葉，目前已成為具有大量文獻基礎(chǔ)的研究領(lǐng)域，并在風景資源保護、建設(shè)與管理中發(fā)揮著重要的作用[1]。

傳統(tǒng)的風景評價理論包括專家學派、心理物理學派、認知學派、經(jīng)驗學派[2]。在認知學派中，凱文·林奇的城市意象開啟了設(shè)計領(lǐng)域環(huán)境感知探索的新篇章。林奇認為，意象是觀察者按照自己的意愿對環(huán)境進行選擇、組織并賦予相應(yīng)的意義。城市意象研究以地圖描繪為主，文字描繪為輔的方法開展，依此總結(jié)的空間認知基本要素（路徑、地標、邊界、街區(qū)、節(jié)點）已得到普遍認可[3]。歷經(jīng)半個多世紀的發(fā)展，城市意象的研究為環(huán)境建設(shè)提供了重要理論依據(jù)，也被學者積極拓展至風景園林研究領(lǐng)域。部分學者將城市意象與原型理論、場所理論相互結(jié)合開展園林構(gòu)成要素的量化評估[4]，但由于風景園林在尺度、構(gòu)成要素方面與城市存在著較大差異，風景領(lǐng)域的意象研究仍需深入探討。

隨著互聯(lián)網(wǎng)以及智能終端的普及，風景資源評價朝著數(shù)據(jù)獲取方式更加多源、即時、客觀、精細、智能的方向前行。國內(nèi)外相關(guān)學者開始應(yīng)用包括定位數(shù)據(jù)、網(wǎng)絡(luò)話語、地理標簽、興趣點等網(wǎng)絡(luò)眾包數(shù)據(jù)進行行為規(guī)律、環(huán)境意象與審美的評價研究。附有地理標簽的圖片以及短文本數(shù)據(jù)具有較強的時效性與精準性，借助這些數(shù)據(jù)將風景特征量化并可視化成為偏好地圖能輔助更準確地進行風景評估，但由于無文字說明或者文字過于簡短，在環(huán)境意象評估上具有局限性[5-8]。相比之下，純文本網(wǎng)絡(luò)話語內(nèi)容豐富，對于分析大眾的審美情緒、公眾意象具有較高的敏感性。旅游領(lǐng)域利用網(wǎng)絡(luò)共享的博客、微博、發(fā)帖、推文、產(chǎn)品評論等話語分析游客的旅游目的地形象[9-11]，由于這些研究重視目的地旅游資源、旅游設(shè)施和旅游服務(wù)[12]，對于風景審美本身的審視較為簡單。風景園林領(lǐng)域針對網(wǎng)絡(luò)話語開展的風景評價研究處于起步階段，一些學者開始利用文本話語進行女性對公園的感知評價[13]、公園的使用滿意度評價[14]、環(huán)境空氣質(zhì)量評價[15]、以及使用公園的情緒評價[16]，采用的研究方法以詞頻分析、社會網(wǎng)絡(luò)分析、情感分析為主。總體上看，網(wǎng)絡(luò)話語的豐富資源尚未在風景評估中得到充分利用，相關(guān)的研究方法與理論也在探索之中。

對于意象的傳統(tǒng)研究借助問卷與訪談采取自上而下的形式調(diào)查，調(diào)查樣本受到限制。自由多樣的網(wǎng)絡(luò)數(shù)據(jù)則為自下而上的研究提供了豐富的數(shù)據(jù)來源。以文本為基礎(chǔ)的網(wǎng)絡(luò)話語有助于研究人員更加直接的理解大眾風景審美。本研究以青秀山風景名勝區(qū)網(wǎng)絡(luò)話語為研究對象，利用Python 語言及相關(guān)技術(shù)手段，通過詞頻分析、共現(xiàn)分析提取大眾對青秀山風景形態(tài)感知以及風景形象的認知，總結(jié)大眾風景意象偏向及特征，為進一步的話語情感分析奠定基礎(chǔ)。

1 研究區(qū)域概況與研究內(nèi)容

青秀山風景名勝區(qū)位于南寧青秀區(qū),規(guī)劃總面積13.54 km2，其中已建成核心景區(qū)面積6.43 km2。作為南寧的“綠肺”，青秀山在生態(tài)、經(jīng)濟、社會環(huán)境建設(shè)中肩負起越來越重要的職責，成為政府、行業(yè)界和民眾共同珍視的“綠色明珠”。針對青秀山的大眾風景感知研究對景區(qū)建設(shè)具有實際的指導(dǎo)意義。

本文以青秀山網(wǎng)絡(luò)評論、游記為研究對象，借助計算機語言開展風景意象評價。在此，風景意象是指風景主體對風景客體的感知和認知理解，包含了兩方面的內(nèi)容：“象”——對風景的形態(tài)的感知與識別，即風景的實體表征；“意”——對風景形象的認知與構(gòu)建，即風景在人們心中的特點與意義。依據(jù)大眾風景意象進行研究：1）大眾對于包括風景要素及景點在內(nèi)的風景形態(tài)敏感度評價；2）景區(qū)、景點以及要素的風景形象認知及其認知網(wǎng)絡(luò)評價。

2 研究方法與技術(shù)

2.1 數(shù)據(jù)獲取與數(shù)據(jù)清洗

利用Scrapy 爬蟲框架爬取并篩選出2009年 1月—2018年8月攜程旅游網(wǎng)、去哪兒網(wǎng)、驢媽媽旅游網(wǎng)、百度旅游、新浪博客5 個網(wǎng)站中的青秀山評論5 436 條、游記745 篇。通過Python 中的第三方庫（Openpyxl）、內(nèi)置函數(shù)（set()）以及正則表達式完成對數(shù)據(jù)的清洗整理。運用開源框架Jieba 分詞進行中文分詞，并通過LTP 語言云平臺的接口包pyltpa 進行詞性標注，得到包括名詞、形容詞、動詞以及量詞在內(nèi)的詞匯20 239 個，詞頻共計97 464 次。

2.2 數(shù)據(jù)分析

首先，基于詞頻進行風景形態(tài)敏感度分析，并引入熱力指數(shù)來衡量風景感知熱度。

熱力指數(shù)計算公式為：H=SS/TS。

計算以樣本的項目總頻次（TS）為分母，特定項目頻次（SS）為分子，得出某個特定項目在總樣本中出現(xiàn)的概率。熱力指數(shù)單位為10 分制（H10）。

然后，運用二元語言模型（Bigram）進行精確匹配，得出句子中的詞語的共現(xiàn)，并統(tǒng)計兩個目標詞語之間共現(xiàn)次數(shù)，分析大眾話語中對于不同風景的形象認知及其特點。

2.3 數(shù)據(jù)可視化處理

利用Python 調(diào)用可視化工具，將風景形態(tài)感知評價、風景形象認知評價以話語云、話語網(wǎng)絡(luò)的方式進行可視化處理。

話語云：基于詞頻分析以視覺凸顯的形式將文本中的核心詞通過可視化圖像表示出來，形成風景敏感度話語云、風景形象認知話語云。

話語網(wǎng)絡(luò)：借鑒社會網(wǎng)絡(luò)分析圖論法，基于共現(xiàn)分析將話語要素作為網(wǎng)絡(luò)中的節(jié)點，要素之間的關(guān)聯(lián)以線條連接，通過要素的空間結(jié)構(gòu)圖展示話語網(wǎng)絡(luò)內(nèi)容與特征。

3 結(jié)果與分析

3.1 青秀山風景形態(tài)感知評價

3.1.1 風景形態(tài)話語云

在風景形態(tài)的描繪中，風景要素詞匯共計185個，景點詞匯共計70 個。依據(jù)風景要素與景點詞頻分別繪制要素及景點話語云（圖1～2）。風景要素話語云表明，自然型風景要素在形態(tài)感知中敏感度較高，感知內(nèi)容較豐富。高敏感風景要素包括：“空氣”“青山嶺”“植物”“蘇鐵林” “樹木”“花卉”“桃花”“蘭花”；景點話語云表明，人文型景點與自然型景點在形態(tài)感知中敏感度較高。高敏感景點包括：“龍象塔”“觀音禪寺”“天池”“友誼長廊”“環(huán)山秀坪” “蘇鐵園”“桃花島”“蘭園”。

圖2 景點感知話語云Fig.2 Discourse cloud about general view spot perception

3.1.2 風景形態(tài)感知詞頻特征

以風景要素及景點高頻特征詞排序為自變量，詞頻為因變量，用Excel 進行曲線估計，選擇指數(shù)函數(shù)和冪函數(shù)模型進行擬合。結(jié)果顯示，風景要素感知詞頻符合冪函數(shù)分布，模擬方程判定系數(shù)為R2=0.942 9，建立方程為y=397 8x-1.434；景點感知詞頻符合指數(shù)函數(shù)分布，指數(shù)函數(shù)模擬方程判定系數(shù)為R2=0.991 2，建立方程為y=620.31e-0.087x（圖3～4）。

大眾對風景形態(tài)感知的詞頻呈現(xiàn)“長尾”分布特征，“頭部”詞匯反映出大眾對風景要素、景點感知的共同傾向，“長尾”部分的感知則離散度較大，感知內(nèi)容因人而異。風景要素詞頻分布符合巴萊特定律（Pareto’s principle），即20%的風景要素（詞匯）在大眾感知中占據(jù)了80%的意象空間（詞頻）。景點的感知詞頻離散度稍高，其分布接近巴萊特定律，呈現(xiàn)出30/80 特征，即30%的景點（詞匯）在大眾感知中占據(jù)了80%的意象空間（詞頻）。

依據(jù)巴萊特定律，占意象感知80%的核心風景要素及景點代表大部分評價者的風景意象。青秀山核心景觀要素為占總要素20%的前35 個高頻要素，累計詞頻占比80.27%；核心景點為占總景點30%的前18 個高頻景點，累計詞頻占比80.35%。核心風景要素與景點類型分布表明，在風景要素感知中自然型風景要素的敏感度較高，而景點感知自然型景點及人文型景點敏感度較為均衡（表1）。核心風景要素、核心景點的熱力指數(shù)分布顯示，景點詞匯感知熱度的離散性度大于景觀要素詞匯的感知熱度，其中高熱（H10＞0.5）風景要素5 個，景點6 個；中熱（0.5＞H10＞0.1）風景要素14 個，景點12 個；低熱（0.1＞H10）風景要素16 個，景點0 個（表2）。高熱風景要素總體熱力指數(shù)略低于高熱景點，單項熱力指數(shù)分布離散性更大，而高熱景點的熱力指數(shù)更加明顯的集中于排名靠前的“龍象塔”與“觀音禪寺”（表3～4）。

圖3 風景要素詞頻長尾結(jié)構(gòu)Fig.3 Long tail structure diagram about the word frequency of scenic elements

圖4 景點詞頻長尾結(jié)構(gòu)Fig.4 Long tail structure diagram about the word frequency of scenic spots

表1 核心風景要素及景點類型統(tǒng)計Table 1 Category statistics of core scenic elements & scenic spots

表2 核心風景要素及景點熱力等級統(tǒng)計Table 2 Thermal rating statistical of core scenic elements & scenic spots

表3 核心風景要素高熱詞匯Table 3 High thermal vocabulary of core scenic elements

表4 核心景點高熱詞匯Table 4 High thermal vocabulary of core scenic spots

3.2 青秀山風景形象認知評價

3.2.1 總體風景形象話語云

由共現(xiàn)分析得到與青秀山關(guān)聯(lián)的總體形象詞匯共計93 個，詞性以形容詞為主，同時包含少量名詞。總體形象話語云表明，“風景優(yōu)美”代表了大部分評價者對青秀山的印象；“面積很大”說明大眾對形象認知停留在淺層次的的物理空間理解；“不錯”“值得”“方便”“著名”“便宜”表明風景的價值評判在大眾形象認知中占據(jù)了較為重要的空間；其他詞匯涵蓋了對自然特色、交通與服務(wù)質(zhì)量的認知；人文風景特色在形象認知中表達較弱（圖5）。

青秀山總體形象詞頻較低，其中公認的“風景優(yōu)美”僅共現(xiàn)119 次，其它詞匯共現(xiàn)頻率為50以下。熱力指數(shù)在高熱、中熱、地熱詞匯中逐級遞減，高熱詞匯中的熱力指數(shù)分布離散度也較大（表5～6）。

圖5 青秀山總體形象話語云Fig.5 Discourse cloud about overall image of mount Qingxiu

表5 青秀山總體形象詞匯熱力統(tǒng)計Table 5 Thermal rating statistics of overall image on mount Qingxiu

表6 青秀山總體形象高熱詞匯Table 6 High thermal vocabulary of overall image on mount Qingxiu

3.2.2 青秀山風景形象認知話語網(wǎng)絡(luò)

受網(wǎng)絡(luò)圖清晰度影響，難以依據(jù)20/80 定律進行認知網(wǎng)絡(luò)圖分析，經(jīng)反復(fù)試驗確定以高頻前10的景點、風景要素為核心抓取共現(xiàn)特征詞，并選取共現(xiàn)頻數(shù)前50%的詞組構(gòu)建話語網(wǎng)絡(luò)圖。由共現(xiàn)分析得到風景要素及景點認知詞組1 334 對，共現(xiàn)頻次共計4 240 次。選取共現(xiàn)頻次前50.1%的共現(xiàn)詞組共計68 對構(gòu)建風景形象認知網(wǎng)絡(luò)圖。風景形象認知網(wǎng)絡(luò)圖中，紅色圓形節(jié)點代表核心景點與景觀要素，藍色圓形節(jié)點表示與之共現(xiàn)的特征詞、其他景點及風景要素，節(jié)點之間連線表示關(guān)聯(lián)性；節(jié)點大小表示詞匯出現(xiàn)的頻率，連線粗細表示共現(xiàn)詞組的共現(xiàn)頻次，即兩者之間的關(guān)聯(lián)強弱（圖6）。

圖6 風景形象認知網(wǎng)絡(luò)Fig.6 Cognitive network about landscape image

大眾對青秀山風景要素及景點的形象認知呈多中心結(jié)構(gòu)，形成了不同的網(wǎng)絡(luò)組團。處于網(wǎng)絡(luò)中心的組團為：植物組團、空氣組團、樹木組團，組團之間關(guān)聯(lián)度較高。其中植物組團內(nèi)部網(wǎng)絡(luò)豐富度最高，表明大眾對植物的認知較為深刻。樹木與空氣組團內(nèi)部網(wǎng)絡(luò)結(jié)構(gòu)相對簡單。位于次中心的組團為：蘭花、桃花、蘭園、桃花島組團，組團之間關(guān)聯(lián)較多，組團內(nèi)部網(wǎng)絡(luò)結(jié)構(gòu)豐富度中等。位于邊緣的組團為：瑤池-天池、建筑、鳳凰嶺組團，組團之間關(guān)聯(lián)度最低，組團內(nèi)部網(wǎng)絡(luò)結(jié)構(gòu)豐富度較低。由共現(xiàn)頻率可知，高熱與中熱認知詞組總計7 組，涵蓋了包括氣候、植物、地形、水體在內(nèi)的自然要素及景點認知，其中“空氣” “植物”得到了廣泛認可；低熱認知詞組共61 組，少量人文型及復(fù)合型景點或要素出現(xiàn)在低熱認知詞組中（表7～8）?？傮w而言，大眾對于風景要素的認知豐富程度大于對于景點的認知，自然型要素與景點的認知較為集中，人文型與復(fù)合型要素與景點的認知較為分散。

表7 青秀山風景特征共現(xiàn)詞組熱力等級統(tǒng)計Table 7 Thermal rating statistics of co-occurrence words for landscape features on mount Qingxiu

表8 青秀山風景特征高熱及中熱共現(xiàn)詞組Table 8 High & medium thermal of score co-occurrence words for landscape features on mount Qingxiu

4 討論與結(jié)論

4.1 討 論

1）本研究搜集并篩選2009—2018年青秀山網(wǎng)絡(luò)話語樣本6 181 條，相對傳統(tǒng)調(diào)查方式獲取的樣本數(shù)量更大，但由于手機、電腦等智能終端使用人群多為中青年，不利于老年人、兒童的數(shù)據(jù)收集，部分網(wǎng)站基本信息的缺失也局限了不同人群的對比分析。

2）網(wǎng)絡(luò)話語最大程度降低了專家在研究過程的主觀影響，評價結(jié)果證實了該方法在風景意象評價上的客觀性。從方法上看，網(wǎng)絡(luò)話語作為大眾體驗風景之后的自發(fā)評價，與劉祎緋等學者利用實驗設(shè)備記錄觀察者觀察行為的現(xiàn)場試驗的方法類似，屬于較為客觀的體驗記錄。為明確評價者是否會因社交友好傾向在網(wǎng)絡(luò)中發(fā)布更積極的評價，今后可將現(xiàn)場試驗與話語評價進行相互結(jié)合并對比驗證。從結(jié)果上看，話語的大眾風景意象評價印證了相關(guān)研究：風景形象認知中對于“空氣清新”的普遍認同證明了人對風景的感知屬于全方位的體驗[18]，嗅覺對于風景偏好產(chǎn)生了不可忽視的影響[19-20]；“值得”“價格”的形象認知則證明了經(jīng)濟因素對于風景評價的影響[21]。

3）網(wǎng)絡(luò)話語的豐富性為研究從多維角度開展提供了可能。由于包涵了時空信息、語義信息、情感信息、關(guān)聯(lián)信息等內(nèi)容[22]，話語分析在分析風景意象上比照片、簽到、短文本等數(shù)據(jù)更加直接、豐富。本研究通過詞頻分析（熱力指數(shù)）、共現(xiàn)分析等分析方法，以及話語云、話語網(wǎng)絡(luò)的可視化途徑，在語言的基礎(chǔ)上開展多維分析，但分析局限于文字本身。Dunkel 在研究中借助照片的地理標簽將詞匯云與地圖結(jié)合的方式將文字與空間相互結(jié)合，拓展出更加立體的分析方法[6]。

4）在評價技術(shù)上，基于Python 編程語言及其相關(guān)技術(shù)的運用較為高效，但仍存在改進空間。風景形態(tài)感知提取采用計算機語言進行詞頻統(tǒng)計，需要增加人工分類判讀，智能性有待提升；網(wǎng)絡(luò)分析中應(yīng)用二元語言模型提取雙詞共現(xiàn)進行網(wǎng)絡(luò)分析，準確性高但全面性不足，僅能提取臨近詞語。劉逸等學者在研究中運用的ROST-CM 文本分析軟件具有集合詞頻分析、網(wǎng)絡(luò)分析、情感分析等于一體的功能[23]，這一軟件使用較為便捷，今后可開展不同評價技術(shù)之間的對比分析以確定最有效的技術(shù)。

在未來的研究中應(yīng)進一步分析話語的情感特征、社會文化特征，加強時間、地域、代際、性別、職業(yè)差異、話語的傳播特征研究，獲取更加具體的風景主體與風景客體之間的關(guān)聯(lián)，提高計算機自然語言處理的精準度、智能化，同時增強軟文廣告語、虛假評論的鑒別力。

4.2 結(jié) 論

1）風景話語證明大眾風景意象在具備離散性的同時呈現(xiàn)趨同性，可用于分析評價者的風景意象偏向，同時發(fā)掘具有潛在價值的風景資源。青秀山風景要素形態(tài)感知符合巴萊特定律（Pareto's principle），即20%的詞匯占據(jù)了80%的詞頻，景點感知評價則接近該定律，30%的詞匯占據(jù)了80%的詞頻。

2）網(wǎng)絡(luò)話語較為客觀的反映出大眾風景意象，對景區(qū)管理建設(shè)提供了指導(dǎo)。一方面，自然型風景得到了大眾的普遍認可，人文型風景是青秀山有待發(fā)展的優(yōu)勢資源：青秀山植物型要素、植物型景點、文化型景點感知度較高，其熱力指數(shù)分別為7.188、3.519、3.252；大眾對于自然風景要素的認知較為豐富和深刻，植物、空氣、樹木組團占據(jù)了風景要素及景點形象認知網(wǎng)絡(luò)核心位置。景區(qū)應(yīng)在加強植物資源的保護、利用與開發(fā)同時提升景區(qū)文化資源的利用。另一方面，大眾傾向于從直覺與價值評判層面進行風景形象認知：“風景優(yōu)美”“值得”“面積很大”在總體形象認知評價中形成了普遍共識，熱力指數(shù)分別為1.964、0.792、0.693；“空氣-好”“空氣-清新”在要素及景點認知中最強烈，熱力指數(shù)分別為0.961、0.479。景區(qū)應(yīng)在注重大眾審美直覺需求的基礎(chǔ)上，提升大眾審美，朝著審美情趣更高、更注重文化內(nèi)涵的方向引導(dǎo)。

3）話語評價方法具有較高的靈活性及敏感性，符合網(wǎng)絡(luò)話語自由豐富的特點。Python 編程語言及其相關(guān)技術(shù)較為智能高效，能搜集時間跨度較大的文本內(nèi)容并進行評價分析，降低了研究的時間、人力及物力成本。

網(wǎng)絡(luò)話語具有自由性、豐富性的特點，客觀地反映出大眾風景意象；話語評價方法及技術(shù)靈敏度、準確性、效率較高，客觀地總結(jié)了評價內(nèi)容。雖然存在一定的局限，但在解決版權(quán)問題并保護隱私的前提之下，網(wǎng)絡(luò)話語分析為大眾參與風景資源建設(shè)提供更廣闊的渠道，為進一步應(yīng)用于風景話語情緒分析及其他相關(guān)評價研究奠定了基礎(chǔ)。