王海起，徐建波*，孔浩然，李留珂，王 瓊，王志海

（1.中國(guó)石油大學(xué)（華東）海洋與空間信息學(xué)院，山東 青島 266580）

目前，BTM主題模型受到國(guó)內(nèi)外學(xué)者的廣泛關(guān)注[1-2]，如孫晶晶[3]基于BTM提出一種微博群體用戶畫像模型（group user profile model based topic model），即將用戶的背景信息、社交信息、主題興趣緊密聯(lián)系在一起，從而構(gòu)建出更為精確、全面的社交平臺(tái)微博群體的用戶畫像；于衛(wèi)紅[4]使用BTM算法對(duì)船舶自沉事故原因文本進(jìn)行主題建模，對(duì)隸屬于同一事故原因的詞語(yǔ)進(jìn)行聚類，并根據(jù)主題在文檔中的分布情況初步量化出各種事故原因的發(fā)生概率；Bhat[5]等使用BTM主題模型從潛在主題了解Twitter標(biāo)簽；Song[6]等將BTM主題模型與向量空間模型（VSM）結(jié)合用于探測(cè)微博熱點(diǎn)以及其演化過(guò)程。但目前利用BTM模型挖掘微博本文來(lái)分析“路面塌陷”事件時(shí)空分布特征的研究幾不可見(jiàn)。本文通過(guò)挖掘微博文本數(shù)據(jù)，借助情感分析方法獲取微博文本的主觀情緒強(qiáng)度，并通過(guò)BTM模型獲得每篇微博的主題類別?；谥黝}模型對(duì)“塌陷事件”的數(shù)量、關(guān)注度（關(guān)于同一路面塌陷事件的微博數(shù)量）、主觀情緒強(qiáng)度的時(shí)空分布特征進(jìn)行詳細(xì)分析。并使用地理探測(cè)器方法從文本角度研究關(guān)注度因子與主題因子兩者對(duì)主觀情緒強(qiáng)度的影響機(jī)制。

1 數(shù)據(jù)概況及預(yù)處理

1.1 數(shù)據(jù)概況

本文利用網(wǎng)絡(luò)爬蟲技術(shù)[7]獲取新浪微博的話題微博，將搜索關(guān)鍵詞設(shè)置為“路面塌陷”，將時(shí)間范圍設(shè)置為2013-01-01～2018-01-01，總計(jì)獲取82 645條微博數(shù)據(jù)。每條數(shù)據(jù)包含發(fā)布時(shí)間、文字內(nèi)容、發(fā)布者微博名等字段。

1.2 文本預(yù)處理

采用正則表達(dá)式去除數(shù)據(jù)中的大量的圖片、鏈接、視頻等內(nèi)容，處理后的微博正文內(nèi)容只包含中文字符和數(shù)字[8]。

我們發(fā)現(xiàn)，絕大多數(shù)微博都未標(biāo)注地理位置，因此需要從文本中獲取地名信息。從文本中獲取地名信息利用的是命名實(shí)體識(shí)別技術(shù)，即從給定文本中抽取人名、位置、機(jī)構(gòu)名稱、專業(yè)領(lǐng)域術(shù)語(yǔ)等專有名詞[9]。目前國(guó)內(nèi)較成熟的命名實(shí)體識(shí)別工具多種多樣。本文選取其中應(yīng)用較成熟的BosonNLP工具獲取路面塌陷數(shù)據(jù)的地名，并經(jīng)人工判斷修正錯(cuò)誤的地名以及存在的多地名問(wèn)題。

1.3 路面塌陷事件位置可視化

利用百度地圖API將微博內(nèi)容中的文本地址轉(zhuǎn)為百度坐標(biāo)，再通過(guò)坐標(biāo)轉(zhuǎn)換公式將其轉(zhuǎn)為World Geodetic System-1984 Coordinate System，文本地址采集率為62%，包含地點(diǎn)5 455個(gè)，其地理分布情況如圖1所示。

從圖1中可以看出，“路面塌陷”事件多發(fā)于中國(guó)中部地區(qū)、東部地區(qū)，在新疆地區(qū)也有零散發(fā)生。疏密分界線與胡煥庸線、400 mm等降水量線基本符合，側(cè)面說(shuō)明了人類活動(dòng)以及降水量對(duì)路面塌陷起到了重要的作用[10-11]。路面塌陷事件發(fā)生密集區(qū)多為鄭州、北京、西安、蘭州、杭州、深圳等人口更為稠密的大城市，剩下的除西部地區(qū)以外的城市也存在路面塌陷，但是發(fā)生次數(shù)相對(duì)較少。

2 情感值計(jì)算與數(shù)據(jù)可視化

2.1 基于詞典的情感計(jì)算方法

通過(guò)圖2所示的情感計(jì)算方法得到了每條微博的情感值，用情感值來(lái)描述主觀情緒強(qiáng)度，情感值越低說(shuō)明微博內(nèi)容越消極，即主觀情緒強(qiáng)度越高。

2.2 主觀情緒強(qiáng)度與關(guān)注度空間分布可視化

為了探究每個(gè)路面塌陷事件的主觀情緒強(qiáng)度，我們先統(tǒng)計(jì)每個(gè)路面塌陷事件的微博數(shù)量以及其對(duì)應(yīng)的情感值，并對(duì)屬于同一塌陷事件的所有微博的情感值求平均作為此事件的情感值，考慮到少數(shù)情感極值會(huì)對(duì)數(shù)據(jù)造成負(fù)面影響，剔除微博數(shù)量小于3的路面塌陷事件，最終得到46 972條微博數(shù)據(jù)（包含：1 760個(gè)路面塌陷事件）。圖3a展示了全國(guó)范圍內(nèi)路面塌陷事件的主觀情緒強(qiáng)度分布的核密度分布圖。根據(jù)圖3a可以發(fā)現(xiàn)，主觀情緒強(qiáng)度較高的主要是以鄭州市、西安市、無(wú)錫市、北京市、深圳市為中心地區(qū)，除此之外，以蘭州市、長(zhǎng)春市、南寧市、泉州市為中心的地區(qū)的主觀情緒強(qiáng)度也相對(duì)較高。從結(jié)果中來(lái)看，主觀情緒強(qiáng)度空間分布不均勻，呈現(xiàn)出明顯的空間聚集特征。

本文將關(guān)注度定義為涉及該路面塌陷事件的微博數(shù)量，即人們對(duì)某一路面塌陷事件的發(fā)博數(shù)量越多，表示該事件的關(guān)注度越高。圖3b顯示了路面塌陷事件的關(guān)注度在全國(guó)范圍內(nèi)的分布情況。從圖3b中可以看出，路面塌陷事件關(guān)注度較高的多集中于以北京市、鄭州市和杭州市為中心的區(qū)域，除此之外，在深圳市、蘭州市、西安市、杭州市、成都市、南寧市長(zhǎng)沙市等區(qū)域的路面塌陷事件也有著相對(duì)較高的關(guān)注度。

為了探究路面塌陷事件關(guān)注度與主觀情緒強(qiáng)度之間的關(guān)系以及各自的數(shù)據(jù)特性，利用1 760個(gè)塌陷事件的關(guān)注度與主觀情感強(qiáng)度繪制了散點(diǎn)圖（圖4a）、數(shù)據(jù)統(tǒng)計(jì)餅圖（圖4b）。

結(jié)果表明，94.38%的路面塌陷事件表現(xiàn)為消極情緒，89.4%的路面塌陷事件的關(guān)注度都在50以下，關(guān)注度最高是2 509。人們對(duì)于路面塌陷事件的情緒基本表現(xiàn)為消極，極少部分表現(xiàn)為積極情緒的事件大都與路面塌陷后的維修進(jìn)展、恢復(fù)通車情況、慶幸避開(kāi)塌陷事件相關(guān)。關(guān)注度最高的事件對(duì)應(yīng)微博內(nèi)容與主觀情緒強(qiáng)度分別為“德勝快速路西向東航海路不到200 m路面塌陷！”、-0.699，此事件雖然關(guān)注度最高，但主觀情緒強(qiáng)度并不強(qiáng)烈。再結(jié)合散點(diǎn)圖來(lái)看，隨著關(guān)注度的升高，人們的主觀情緒強(qiáng)度逐漸趨于穩(wěn)定，路面塌陷事件的關(guān)注度與主觀情緒強(qiáng)度之間沒(méi)有線性關(guān)系。在本文所使用的數(shù)據(jù)基礎(chǔ)上，關(guān)注度越大的事件，其主觀情緒強(qiáng)度不一定越高。

3 BTM主題模型構(gòu)建

3.1 BTM模型基本原理

BTM模型基于文檔-詞共現(xiàn)模式來(lái)學(xué)習(xí)主題，圖5展示了BTM模型的生成過(guò)程。

其中α和β是Dirichlet先驗(yàn)參數(shù)，語(yǔ)料庫(kù)級(jí)別的主題概率分布以符號(hào)θ表示，某個(gè)主題下主題詞的概率分布以符號(hào)φ表示，詞對(duì)(wi，wj)表示主題詞，z是該詞對(duì)所對(duì)應(yīng)的主題標(biāo)號(hào)，整個(gè)語(yǔ)料庫(kù)中詞對(duì)的數(shù)目以符號(hào)|B|表示。語(yǔ)料庫(kù)的生成過(guò)程如以下步驟所示：

1）生成主題z的詞分布φz～Dir()

β；

2）生成語(yǔ)料庫(kù)的主題分布θ～Dir(α)。

對(duì)詞對(duì)集B中每個(gè)biterm進(jìn)行如下處理：

1）從整個(gè)語(yǔ)料庫(kù)的主題分布θ中選取一個(gè)主題z；

2）從主題z的詞分布中選取兩個(gè)詞，構(gòu)成一組詞對(duì)。

3.2 主題一致性指標(biāo)

一般研究中采用主題一致性指標(biāo)確定最合適的主題數(shù)目，即對(duì)主題下的高得分詞之間的語(yǔ)義相似度進(jìn)行度量進(jìn)而評(píng)估主題質(zhì)量[12-13]。D(v)表示包含單詞v的文檔數(shù)目，D(v，v’)表示同時(shí)包含單詞v和單詞v’的文檔數(shù)目，定義主題一致性如公式（1）所示：

大的單詞列表；?為用于避免分子為0的平滑系數(shù)，一般取1。

本文利用主題一致性指標(biāo)對(duì)“路面塌陷”選取合適的主題數(shù)目。根據(jù)多次實(shí)驗(yàn)結(jié)果，當(dāng)主題數(shù)目K=8時(shí)，主題一致性得分取得最大值。

3.3 發(fā)現(xiàn)主題

利用BosonNLP對(duì)中文文本預(yù)處理后，使用BTM模型來(lái)獲得微博文本的主題，設(shè)置K=8，α=50/K，β=0.01，迭代2 000次。最終獲得文檔-主題概率分布和主題-詞概率分布兩個(gè)概率分布文件。主題-詞概率分布文件包含各個(gè)主題下概率最高的前20個(gè)詞，然后以詞云的方式對(duì)8個(gè)主題進(jìn)行顯示（8個(gè)主題按概率值大小順序排列，圖中字體大小表示該詞在此主題中出現(xiàn)的概率大?。鐖D6所示。

圖6 主題1～8詞云圖展示

根據(jù)圖6可發(fā)現(xiàn)，前4個(gè)主題分布最廣，其概率值之和達(dá)到81.4%，而后4個(gè)主題概率值之和只有18.6%。前4個(gè)主題主要描述路面塌陷事故發(fā)生以及人員傷亡情況，后4個(gè)主題主要表示路面塌陷事故的原因與事故造成的基礎(chǔ)設(shè)施損壞。

4 基于主題的時(shí)空分布特征分析

4.1 時(shí)間特征分析

分別統(tǒng)計(jì)各個(gè)時(shí)間段下的各個(gè)主題的微博數(shù)量分布與事件數(shù)量分布，結(jié)果如圖7a、b所示。

圖7 時(shí)序變化圖

根據(jù)圖7a可發(fā)現(xiàn)，涉及路面塌陷事件的微博數(shù)量持續(xù)減少。2013年、2014年、2015年這3 a各個(gè)主題都有明顯分布，且主題1的分布占據(jù)最大比重。2016年、2017年這兩年，主題2占據(jù)最大比重，微博數(shù)量集中在前4個(gè)主題，后4個(gè)主題分布極少。根據(jù)圖7b可發(fā)現(xiàn)，路面塌陷事件的總數(shù)量先上升后降低，在2016年達(dá)到區(qū)間峰值，這與我國(guó)2013—2017年的年均降水量走勢(shì)圖基本相似，2016年為2013—2017年之間降水量最多的年份，大量的降水引發(fā)了大量的塌陷事件[11]。從事件數(shù)量的主題分布來(lái)看，不同年份的分布情況基本一致。路面塌陷事件中，主題1、2占有最大比重，遠(yuǎn)超其余主題所占比重之和。對(duì)比圖7a和圖7b可以發(fā)現(xiàn)，路面塌陷事件數(shù)量整體逐年遞增，但是人們對(duì)路面塌陷事件的發(fā)博數(shù)卻迅速降低，兩者呈現(xiàn)出一種負(fù)相關(guān)關(guān)系，說(shuō)明關(guān)注重心偏離路面塌陷事件。

圖8展示了路面塌陷事件各主題整體的主觀情緒強(qiáng)度。數(shù)據(jù)表明，不同的主題的主觀情緒強(qiáng)度差異性較大，主觀情緒強(qiáng)度最高的是主題4，主觀情緒強(qiáng)度最低的是主題5，綜合主題的內(nèi)容可發(fā)現(xiàn)，人們對(duì)涉及生命安全的事件的主觀情緒最為敏感，對(duì)事故導(dǎo)致的水管爆裂路面積水等災(zāi)后影像反應(yīng)較輕。

圖8 “路面塌陷”事件各主題整體主觀情緒強(qiáng)度

4.2 空間特征分析

地理探測(cè)器[14]是檢驗(yàn)單變量的空間分異性或者探尋2個(gè)變量空間分布的耦合性的一種方法，其中分異及因子探測(cè)模塊用于檢驗(yàn)?zāi)骋蜃訉?duì)目標(biāo)因子空間分異的影響力，交互探測(cè)模塊用于識(shí)別不同影響因子對(duì)目標(biāo)的空間分異是獨(dú)立影響還是交互影響。這種技術(shù)不需要考慮復(fù)雜的前提條件，也不受傳統(tǒng)統(tǒng)計(jì)方法中的變量選擇的限制，在地理信息領(lǐng)域的研究中逐漸受到青睞[15-16]。本研究主要應(yīng)用這2個(gè)模塊，從文本角度探測(cè)地面塌陷事件關(guān)注度，以及主題類別2個(gè)因子各自對(duì)主觀情緒強(qiáng)度空間分異的影響以及兩因子交互對(duì)主觀情緒強(qiáng)度空間分異的影響。

1）分異及因子探測(cè)模型。主觀情緒強(qiáng)度空間分異受到多種因素制約，分異及因子探測(cè)模型能夠辨別不同的影響因子對(duì)主觀情緒強(qiáng)度空間分異的影響程度。模型原理為檢驗(yàn)屬性空間分異與因子空間分異的兩空間分布的一致性，公式如下[14]：

式中，qF，S為影響因子F對(duì)主觀情緒強(qiáng)度S的影響力指標(biāo)；為整個(gè)區(qū)域主觀情緒強(qiáng)度的方差；n為研究區(qū)域的樣本數(shù)量；m為子區(qū)域的個(gè)數(shù)；為子區(qū)域主觀情緒強(qiáng)度的方差。當(dāng)時(shí)，模型成立。越大，說(shuō)明因子對(duì)主觀情緒強(qiáng)度的解釋能力越大。

2）交叉探測(cè)模型。不同影響因子對(duì)主觀情緒強(qiáng)度空間分異情況可能會(huì)存在交互作用，可以利用地理探測(cè)器中的交叉探測(cè)模型分析不同影響因子間的交互作用如何影響主觀情緒強(qiáng)度空間分異，公式如下：

式中，qF，S(Fi∩Fj)為兩影響因子Fi，F(xiàn)j(i≠j)交互對(duì)主觀情緒強(qiáng)度S的影響力指標(biāo)；qF，S(Fi)、qF，S(Fj)分別為影響因子Fi、Fj對(duì)主觀情緒強(qiáng)度S的影響力指標(biāo)。

此外，地理探測(cè)器對(duì)類別數(shù)據(jù)的解算能力明顯優(yōu)于對(duì)連續(xù)數(shù)據(jù)的解算能力，主題類別已經(jīng)是類別數(shù)據(jù)，無(wú)需重新離散化。根據(jù)事件關(guān)注度數(shù)據(jù)特點(diǎn)及多次實(shí)驗(yàn)結(jié)果，將事件關(guān)注度數(shù)據(jù)劃分為12個(gè)級(jí)別（1、2、3、4、5、6、7、8、9、10、11、12級(jí)），比較主觀情緒強(qiáng)度空間分異情況；1代表3≤關(guān)注度＜4，2代表4≤關(guān)注度＜5，3代表5≤關(guān)注度＜6，4代 表6≤關(guān)注度＜7，5代 表7≤關(guān)注度＜8，6代表8≤關(guān)注度＜9，7代 表9≤關(guān)注度＜10，8代 表10≤關(guān)注度＜11，9代 表11≤關(guān)注度＜12，10代表12≤關(guān)注度＜14，11代表14≤關(guān)注度＜21，12代表21≤關(guān)注度。結(jié)果表明，當(dāng)關(guān)注度按照以上數(shù)值進(jìn)行分級(jí)時(shí)，主觀情緒強(qiáng)度顯著差異性結(jié)果為最佳，地理探測(cè)器探測(cè)結(jié)果如表1、2所示。

表1 關(guān)注度因子、主題因子的影響力

表2 關(guān)注度因子與主題因子之間的交互作用

分異及因子探測(cè)主要是用來(lái)研究各個(gè)因子對(duì)“路面塌陷”事件的主觀情緒強(qiáng)度空間分布差異的影像程度。從人文角度來(lái)看，相對(duì)微博數(shù)量，微博內(nèi)容跟主觀情緒強(qiáng)度更具關(guān)聯(lián)性。

交互探測(cè)主要分析關(guān)注度因子與主題因子對(duì)主觀情緒強(qiáng)度空間分異情況是否存在交互作用。結(jié)果表明，主題因子與關(guān)注度因子明顯具有交互增強(qiáng)作用，且表現(xiàn)為非線性增強(qiáng)，主題因子與關(guān)注度因子交互后表現(xiàn)為0.127的解釋力，與關(guān)注度因子的影響力（0.015）與主題因子的影響力（0.089）之和相比更具解釋力，也就是說(shuō)主觀情緒強(qiáng)度空間分異情況受到關(guān)注度因子與主題因子的共同制約，也印證了從文本角度來(lái)看，主觀情緒強(qiáng)度是微博數(shù)量與微博內(nèi)容綜合作用的結(jié)果。

5 結(jié)語(yǔ)

本文基于“路面塌陷”事件的相關(guān)微博數(shù)據(jù)，借助主題模型提取出8類主題，然后結(jié)合時(shí)空分布與地理情感進(jìn)行分析，發(fā)現(xiàn)路面塌陷事件的關(guān)注度正在逐年下降，且主觀情緒強(qiáng)烈的主要為造成傷亡類的主題事件。利用地理探測(cè)器發(fā)現(xiàn)關(guān)注度因子、主題因子對(duì)于主觀情緒強(qiáng)度空間分異具有協(xié)同作用。本文挖掘了“路面塌陷”事件微博的地理情感的時(shí)間演變與空間分布的差異性，所用方法與傳統(tǒng)的問(wèn)卷調(diào)查、數(shù)據(jù)采集等方法相比，具有獲取快捷、成本低廉、方法簡(jiǎn)單等優(yōu)勢(shì)，為深入研究情感地理學(xué)提供了新的思路。然而，本文未對(duì)“路面塌陷”事件背后的影響機(jī)制進(jìn)行探究，綜合考慮相關(guān)的自然條件、社會(huì)發(fā)展、人文風(fēng)俗等因素是接下來(lái)的研究重點(diǎn)。