基于UGC圖片元數據的目的地形象感知

鄧寧　鐘櫟娜　李宏

[摘要]互聯網及社交媒體已成為目的地形象傳播的主流平臺，通過社交圖片所構建的目的地形象已成為影響潛在游客旅游決策的重要因素。該研究以社交圖片網站Flickr中北京相關圖片元數據集作為研究素材，采用計算機文本分析的方法，從認知形象、情感形象兩個方面對基于社交圖片元數據的北京在線旅游形象進行了研究。研究表明：在認知形象方面，除了北京較為知名的景點外，傳統外國人聚集區域已成為北京新的城市形象名片；而在情感形象方面，“令人愉快的”（pleasant）和“興奮的”（exciting）是北京展現給游客的主要情感形象。此外，該研究對利用UGC圖片元數據進行目的地形象感知提供了方法參考。

[關鍵詞]UGC；Flickr；形象感知；圖片元數據

[中圖分類號]F59

[文獻標識碼]A

[文章編號]1002-5006（2018101-0053-10

Doi：10.3969/j.issn.1002-5006.2018.01.010

引言

隨著互聯網及Web 2.0技術的快速發展，越來越多用戶將自己原創的內容通過網絡平臺進行發布，“由用戶產生的內容（user-generatedcontent、UGC）”的概念逐漸興起。同時，越來越多的游客通過社交網絡、攻略社區等UGC平臺進行旅游信息的收集和分享，海量UGC已成為影響目的地形象感知和游客旅游決策的主流渠道。其中，圖片以其直觀的信息傳遞方式成為UGC中主要信息載體之一，也成為游客對旅游目的地形象感知過程中重要的傳播介質，對旅游目的地形象的傳播與構建具有較高參考價值。

基于UGC數據的目的地形象研究已經成為近幾年旅游研究的熱點，但是囿于圖片分析的難度，現有旅游目的地形象測量偏重于對網絡文本的分析，基于UGC圖片的目的地形象研究還為數不多，鮮有的研究主要通過問卷及訪談的方式對目的地形象進行感知，樣本量較少，形象感知的完整性欠缺，且具有一定的主觀性。本研究對社交網絡圖片元數據（metadata）及其評論（comments）進行采集和挖掘，利用計算機文本分析的方法對社交網絡UGC圖片元數據進行了多層次的分析，一方面希望在目的地形象研究中引人圖片元數據這一新的研究維度，另一方面也為利用社交網絡UGC圖片進行旅游研究提供了有益嘗試。

1研究綜述

旅游目的地形象研究最早來源于20世紀70年代，Hunt提出旅游地形象是純粹主觀的概念——人們對非居住地所持的印象，即外界作用于人腦所形成的意識。之后，Lawson和Baud-Bovy、Dobni和Zinkhan、Crompton、Gartner等人將情感因素加入旅游目的地的定義中，強調了人類直覺、態度和心智的表達。經典的目的地形象理論根據主體的不同將目的地形象分為供給側的投射形象（projectedimage）和需求側的感知形象（perceived image）。近年來，在網絡UGC主導的語境中，傳統目的地投射形象泛化為在線形象（online image），其由目的地管理組織（DMO）和游客所發布內容共同作用并影響。在建構順序和認知層次方面，目的地形象被廣泛認為可分為認知與情感兩個方面，并被認為遵從由認知形象（cognitive image）到情感形象（affectiveimage）的升華過程。其中，認知形象指的是游客對目的地的所有知識、認知和信念，是對目的地有關屬性的體現，例如“建筑”“文化”“風景”等。情感形象則是指游客對于目的地各種特征和屬性所表現出的心理感受（feelings）和情緒表達（emotional response），例如“精彩絕倫的”“雄偉壯麗”“令人激動”“難以忘懷的”等。目前，關于旅游目的地形象的研究多以研究者通過主觀問卷的方式，從認知和感知兩個方面去選擇合適的維度進行測量。除了在同一時間面板上的測量外，從時間和行為的維度來看，研究者還進行了大量關于目的地形象在游前、游中、游后發生變化的研究，同時旅游形象對于重游以及推薦等意動（conative）行為的影響也是研究者關注的重點問題。

隨著網絡時代的發展，除了傳統的問卷與量表測量外，網絡文本數據成為研究者分析目的地形象的一個重要素材。然而，圖片作為重要而直接的形象分析材料，在研究中使用相對較少。目前，通過圖片進行的目的地形象測量主要對圖片內容進行分類、研究，進而通過圖片內容得出游客對旅游目的地的偏好。基于圖片的目的地形象研究由來已久，圖片數據來源及研究方法隨著時間推移而逐漸演變。早期的圖片研究多采用游客拍攝法（visitor-employed photography，VEP）的方式收集圖片，游客拍照行為容易受到外界干擾和自我暗示的影響。隨著數碼圖片逐漸取代傳統圖片，特別是UGC圖片的豐富，為基于圖片的旅游研究提供了新的素材和視角，通過分析UGC圖片進行目的地形象感知成為近年來旅游圖片研究的熱點。UGC圖片代表了以游客視角對目的地形象進行感知，其與DMO所傳遞的目的地形象存在顯著的差異。同時，UGC圖片比單純由DMO所發布的帶有廣告性質的投射形象更能引起潛在游客的信任和共鳴，已經成為目的地形象傳播的主要途徑之一。在圖片分析方法方面，現有研究主要采用內容分析和符號分析的方法，其中又以內容分析為主。內容分析法主要對圖片內容進行人工判讀，將圖片中的主體事物依照一定規則和維度進行分類，其中，“歷史”“文化”“人物”“建筑”等都是面向目的地的圖片研究中的常見維度。基于圖片內容的分析方法準確度較高，但是受限于人工分析時間成本過高，分析的圖片數量有限，故對于海量UGC圖片分析通常考慮采用計算機領域基于內容的圖片信息檢索技術（content based information retrieval，CBIR）。CBIR面臨的主要問題就是計算機能夠從圖像提取的低層次特征（例如顏色、紋理、質地、形狀等）與人能從圖片中感知的高層次語義信息（例如對象、事件、情感等）之間存在一定的語義鴻溝（semantic gap）。近年來，大量研究通過分析可以表達更抽象含義的文本信息（textual information）試圖解決語義鴻溝問題，圖片元數據作為對圖片內容的文本描述，也成為圖片語義研究的重要素材。

總體而言，旅游目的地形象感知數據的豐富促使研究方法不斷演進，基本遵循了Echtner和Ritchie最初提出的方法，先進行開放式的問題感知，形成大體的形象，再運用定量分析的方法進行量化與分析。傳統基于圖片內容的人工分析方法在樣本量較小的情況下效果較好，而面對海量的UGC圖片時，傳統研究方法的局限性愈發明顯：首先，現有人工方法進行圖片內容識別和分類，所分析的圖片數量有限，覆蓋的研究范圍具有局限性；其次，歸類方法大多采用人工編碼分類，主觀性較大。利用計算機輔助技術處理和分析圖片內容，可以彌補傳統圖片研究方法的不足，極大提高UGC圖片分析的效率，是基于UGC圖片元數據進行目的地形象感知研究的有益嘗試。

2數據來源及感知范圍

2.1數據來源

多媒體數據隨著網絡的發展迅速增長，全球知名的圖片分享網站Flickr創辦于2004年，其海量圖片數據的開放性也使之成為目前社交圖片研究領域較為公認的數據集合。數碼圖片除了圖片內容數據外，通常都包含一個對于圖片本身的描述信息——元數據（metadata），其中記錄了圖片的拍攝時間、地點等附屬信息。本研究采用了Flickr于2015年發布的元數據集——YFCC 100M。該數據集包含了1億個媒體對象的元數據信息，其中約9920萬張照片及80萬條視頻，所有多媒體文件均拍攝于2004—2014年之間。YFCC 100M中每一行代表一張圖片的元數據信息，其主要包括以下字段：0.照片ID；1.使用者的ID；2.使用者昵稱；3.拍照日期；4.更新日期；5.拍照設備；6.標題；7.描述；8.使用者標簽；9.機器自動識別標簽；10.經度；11.緯度；12.精確度；13.照片網絡版網址；14.照片下載地址；15.許可證名稱；16.許可證網址；17.照片服務器地址；18.圖片標識；19.照片密碼；20.照片原始密碼；21.擴展名。其中某些字段可能有缺失，但圖片的基本描述信息可以通過元數據進行還原。

2.2感知范圍

作為全球性的圖片分享網站，Flickr上的用戶來自全球各個國家，選擇北京作為案例城市，可以了解到全球游客對北京的感知，對于提升首都旅游全球形象及營銷推廣具有重要的意義。本研究以地理坐標位于北緯（39.0666～41.1000），東經（115.1166～117.0666）的矩形區域內并且拍攝時間為2010—2014年的圖片作為分析數據集合，對YFCC100M進行數據清洗得到共計13763張滿足條件的圖片，組成了針對北京目的地形象分析的研究樣本。

進一步地，筆者將所有13763張圖片對應的GPS坐標通過Arc GIS軟件Carto進行了可視化處理，得到如圖1所示的圖片拍攝區域分布。從圖1可看出，照片主要集中于北京二環以內及中軸線，故宮、景山、后海、天安門；而周邊郊區圖片相對較少，這與北京傳統景點（故宮、天安門等）知名度較大且是游客來京旅游必游景點有關系。此外，頤和園、大山子、三里屯、天壇附近也是拍攝集中區域，并且首都國際機場、門頭溝、懷柔、居庸關及八達嶺等也有一定數量的圖片分布。

3技術路線與分析方法

3.1技術路線

本研究針對UGC圖片中目的地形象構成要素進行分析，其中根據目的地形象中“認知-情感”結構理論將分析的對象聚焦于圖片元數據和相關圖片評論。采用的技術路線如圖2所示，其中圖片元數據中包含的圖片名稱（title）、標簽（tag）和描述（description）等信息可視為對圖片內容的簡單描述，亦即圖片內容所反映的目的地認知形象的體現；圖片的評論信息則反映了圖片閱讀者讀圖時的感受，其中的情感形容詞一定程度上可視為目的地情感形象的體現。值得注意的是，本文所采用的方法最終得到的是基于網絡UGC圖片的目的地形象，其可視為由Hunter所提出的在線目的地形象在圖片平臺Flickr上的體現。

3.2分析方法

通過采用計算機編程語言Python 2.7編寫了與本研究相關的數據挖掘工具。首先，通過對Flickr元數據集合進行地理坐標的過濾，得到拍攝地點位于北京分析范圍內的照片元數據；其次，根據目的地形象理論中認知形象與情感形象的分類分別對圖片元數據及其評論數據進行數據挖掘和高頻詞分析，得到北京相關認知形象號情感形象。

3.2.1認知形象分析

由于本研究所涉及的圖片元數據和評論均為英文文本，故采用英文自然語言分析工具TextBlob對相關文本進行處理和分析。對元數據中名詞詞頻進行統計，并將高頻出現的名詞視為圖片內容的重點，亦即游客對北京旅游認知形象的體現。

內容與圖片組成方式是圖像分類的主要依據，本研究根據北京旅游目的地屬性并參考Svetlana Stepchenkova對照片的分類進行了高頻詞的歸類，共對500個（詞頻>9）高頻名詞進行了人工歸類，整理出各分類維度所包含的關鍵詞。根據圖片內容將樣本圖片劃分為7個維度，并分別統計樣本圖片在各維度間的數量及分布情況。此后，通過計算機對總共13763張圖片元數據進行自動化的維度匹配，如果該圖片的元數據信息包含維度關鍵詞則將其歸納到該維度，共計處理總詞頻達23 768項。

3.2.2情感形象分析

圖片評論代表了讀圖者對圖片內容的感受，其中往往包含了表達情感和情緒的形容詞，本研究將此類形容詞視為對圖片所傳遞的目的地形象的情感反饋。對圖片評論中的形容詞進行詞頻和情感極性（sentiment polarity）分析，則可反映圖片所傳遞的情感。為了得到圖片內容所產生的情感形象（affectiveimage），本研究編寫了計算機程序調用Flickr API，抓取指定圖片的評論數據。并對評論中出現頻率大于1次并且情感強度大于0.1的形容詞進行了抽取和分析，采用語義分析軟件SentiWordNet對各情感形容詞進行極性計算。

進一步地，本研究針對圖片評論中詞頻排序前5名的情感形容詞通過調用Flickr API隨機下載了其圖片評論中包含該情感形容詞的原圖文件各5張，并對圖片內容進行了人工分析，對于圖片情感傾向和圖片內容之間的對應關系及圖片內容、拍攝手法等進行了討論。

4

研究結果

4.1認知形象

4.1.1認知高頻詞

本文對圖片內容進行分析和統計，剔除了原數據中與內容無關的網址、昵稱、域名等信息，共得到3325個名詞高頻詞，共計47498頻次，平均詞頻為14.285次。表1為前100的高頻名詞信息匯總。

在所有高頻詞中過濾諸如中國（China）、北京（Beijing）等多次重復出現的詞匯，剩余高頻詞多以名詞出現，與網絡照片內容的描述更傾向于地點、景物介紹有關。如表1所示，海外游客圖片相對集中的旅游景點包括：紫禁城（Forbidden City）、長城（Great Wall）、慕田峪（Mutianyu）、頤和園（Summer Palace）、古北口（Gubeikou）、金山嶺（Jinshanling）、胡同（Hutong）、天壇（Heaven）、北京動物園（Beijing Zoo）、北京石雕博物館（Beijing Stone Carving Museum）、八達嶺（Badaling）、司馬臺長城（Simatai）等。從統計結果看，傳統歷史建筑所占比例較大，且與拍照熱點地區保持一致。另外，人物、探險、文化、建筑等排名也較為靠前。

4.1.2認知維度

通過將圖片元數據中詞頻高于9的名詞進行人工分類，并將Forbiddencity及Forbidden City、Olympic及Olympics、Tiananmen及Tiananmen等相關詞匯進行合并，總計得到7個圖片內容維度：人物、自然、交通、活動、建筑、文化、場所。

進一步地，通過計算機程序自動的將所有圖片按照元數據中的關鍵詞進行維度分類，得到的結果及各維度所占比例如表2所示。其中，場所、地域類（39.25%）占比最高，詞頻為9328次，主要為北京的區域、景點等，包括：三里屯、大山子藝術區、幸福村、鳳凰城、崇文門、東直門等。活動類（16.13%）占比第二，主要包括休閑體育活動、娛樂活動等，如戶外、展覽、足球、游泳及鍛煉，表演、繪畫、展覽、電影等，主要體現了北京人的生活情態，真實反映了本地居民的休閑娛樂活動和原生態的生活方式，這也印證了Goffman提出的前臺、后臺理論，表明游客認為市民真實的生活更具吸引力。自然類（16.11%）占比第三，與活動類差距較小，詞頻為3828次，主要為北京的自然景觀，包含動物、植物、公園、水、石頭、花、鳥等，其中，“百花山”“景山”“海淀公園”“北海公園”的排名較為靠前。人物類（13.65%）占比排在第4，詞頻為3245次，主要包含人物肖像、人群、兒童、美女、舞蹈者、亞洲人、唱歌者、警察等。排名后三位的分別為文化類（7.59%）、建筑類（5.33%）及交通設施類（1.95%）。文化類主要包括孔子、朝代、皇帝、佛教、陵墓及傳統的中國美食等，代表了中國及老北京的特色文化，表明了北京對海外游客的主要吸引點。建筑類主要包括單體建筑及建筑相關元素，例如“鳥巢”“望京SOHO”“藍色港灣”等為地標建筑，家具、玻璃、走廊、屋頂等為相關建筑元素，游客對北京的代表性建筑及特色建筑元素較為感興趣，如故宮的屋檐、九龍壁、石雕等。交通設施類比重最低，一般展現為對北京車水馬龍景象的全景照片，其次為機場、地鐵、胡同等也取景較多。

4.2情感形象

4.2.1情感高頻詞

根據Russel和Pratt對目的地情感形象要素的分類及Pan對情感形容詞的歸類方式，對圖片評論中的情感形容詞進行了分類及詞頻比例統計，得到分析結果如表3所示，其中第三欄括號內為該詞在元數據及評論中出現的次數。由結果看出，在Russel和Pratt所提及的8種情感形象特質中，由圖片元數據所體現的北京情感形象包含了6種，其中，“興奮的”（exciting）和“令人愉快的”（pleasant）代表了絕大多數讀圖者對北京圖片的情感傾向，其次在北京相關旅游圖片中還流露出“令人振奮的”（arousing）、“沮喪抑郁的”（gloomy）、“令人放松的”（relaxing）情感。其中，又以“棒極了”（great）和“美麗的”（beautiful）出現頻率最高，分別為499次和386次，而出現頻率最低的“美味的”（delicious）僅為2次。分析結果可以看出，海外游客對于北京圖片中情感形象的整體評價以正面為主，并且情感形容詞中主要以英文感嘆詞為主，體現了在網絡評論中所具有的簡短、直接、態度鮮明等語言特點。

4.2.2高頻情感詞對應圖片內容分析

本文對圖片元數據及評論中詞頻排名前5位的情感形容詞所對應的圖片內容進行了分析，以得到圖片內容、拍攝視角等與情感形容詞之間的聯系。

（1）偉大的（grear）

圖3是Flickr圖片評論中含有“偉大的”（grear）的圖片舉例，其主要表現了對照片內容的贊嘆。圖片的內容以建筑、物件、場景為主，主要展現了其宏偉、壯觀、氣勢磅礴，以及景色的遼闊、空遠。圖3中間圖片顯示了宮燈造型的奇特，讓人驚嘆的設計。圖片總體以全景構圖為主，著重突出建筑物獨特的構造和物件的細節。

（2）美麗的（beautiful）

圖4是Flickr圖片評論中含有“美麗的”（beautiful）的圖片舉例，其主要表現了景色的秀麗，自然風光的美好，色彩的豐富。圖片主要以美麗的風景為主，伴有屋檐、水、樹葉等景觀元素及色彩豐富的美食搭配，其中的建筑以特殊視角呈現，形成參差而又錯落有致的表現形態，圖中豐富的色彩搭配是該組圖片較為突出的特點。

（3）有趣的（interesting）

圖5是Flickr圖片評論中含有“有趣的”（interesting）的圖片舉例，其以佛像、故宮、古裝扮相、戶外活動作為主要內容，由此可見，外國游客對中國的佛教文化、古代文化、居民的真實生活具有濃厚的興趣。在海外游客視角下的中國傳統文化折射出北京旅游形象中“有趣的”一面。

（4）令人贊嘆的（awesome）

圖6是Flickr圖片評論中含有“令人贊嘆的”（awesome）的圖片舉例，其整體的構圖角度以全景為主，展現了城市鳥瞰、軍事博物館、特色服飾、晚霞落日、門前雄獅等內容。其中表現的事物類型多樣，沒有固定的內容及風格，這也符合“令人贊嘆的”作為一般感嘆詞的基本使用場景。

（5）杰出的（excellent）

圖7是Flickr圖片評論中含有“杰出的”（excellent）的圖片舉例，其主要為對人物圖片的評價，包括人物的服飾、滿頭皺紋的老者、熱鬧的市井生活、人物藝術展現形式、少數民族形象及蹣跚的老人等，圖片色彩鮮明，生活風俗展現到位。熱鬧、放松、愛心、溫暖、新穎、個性是主要展現的圖片元素。集中展現了北京旅游形象中人性化、生活化和自然的一面。

5結論與展望

5.1研究結論

本文采用計算機文本分析的研究方法對基于UGC圖片元數據的北京旅游形象進行了探討，通過高頻詞提取、情感極性計算等技術分析了超過13000張Flickr與北京相關圖片及其評論，分別獲得了基于UGC圖片元數據的北京旅游認知形象和情感形象。該方法與傳統基于圖片內容的研究方法相比，可在更大的圖片樣本空間對目的的形象進行分析，在感知數據的全面性和客觀性方面具有更大的優勢。

本文首先將所分析的北京旅游圖片以地理坐標的形式進行了可視化呈現，圖片的空間分布可等同于游客游覽景點的分布，由此看出游客來京所游覽的地方仍然聚集在傳統的北京二環老城區域內，此外，五環以內熱點區域還包括：頤和園、鳥巢、大山子、三里屯、天壇，而五環外則只有長城、首都機場等少數幾個區域圖片相對集中。

在認知形象方面，仍然以傳統著名景點為主，其中，“紫禁城”“長城”“慕田峪”“天安門廣場”“頤和園”等地拍攝圖片最為集中；也涉及很多與自然和社會活動相關的場景，例如“慈善挑戰賽”“冒險”“自然”“植物”等。這與Flickr的主要用戶來自海外有關。無論是海外游客還是常住北京的外國人，其旅游行為與興趣愛好均通過圖片內容進行了真實反映。在認知形象的維度比例中，北京旅游形象通過區域、地點所體現的吸引力仍然最大，而在區域中又以三里屯、798藝術區、大山子等傳統外國人聚集區最為集中。此外，自然風景和活動類內容所占比例也較為突出，體現出北京除了悠久的歷史外，優美的城市風光和現代化的都市生活場景也成為吸引游客的重要元素。故除了傳統意義上的景區、景點之外，在京外國人聚集區及日常生活環境已經成為構建北京認知形象重要的載體。

在情感形象方面，北京在海外游客心目中以“令人愉快的”（pleasant）和“興奮的”（exciting）兩種情緒最為突出，所占比例分別達到57.9%和40.8%，而其中又以“偉大的”（great）、“美麗的”（beautiful）、“有趣的”（interesting）3個情感形容詞出現頻次最高。其中，“偉大”主要體現在建筑和歷史文化方面；“美麗”則體現自然人文風貌方面；而“有趣”則通過令海外游客感到新鮮的人物、活動和文化體現。北京城市情感形象與認知形象相關，其歷史、文化等方面體現的則是“偉大的”“美麗的”等意境，而現代、城市、人居等元素則激發其“有趣的”“杰出的”等情緒感受。因此，北京情感形象呈現正向且多元化的特征，由不同認知主體可以引發看圖者不同的情感體驗。

根據上述分析，本文建議北京旅游目的地營銷從如下幾方面進行改進：首先，旅游宣傳力求均衡，使游客駐留區域從市區向近郊及周邊區域延伸；其次，應該重視對在京長期生活的外國人及其生活區域的宣傳，使其成為所在國家了解北京旅游形象的傳播者，特別突出使館區、798文化藝術區、中央商務區等區域的國際化、多元化、現代化特征，使之成為新北京城市形象的名片；再次，在情感形象方面塑造更多元化的形象，通過歷史、現代、人文、市民等各方面內容組成具有包容、友善、多元的北京情感形象，而不僅僅停留在景區、標志性建筑等傳統吸引物層面。

5.2未來工作

本研究區別于傳統的圖片內容分析方法，通過計算機程序進行了圖片元數據的文本分析，在更大的樣本空間對基于社交UGC圖片的北京在線旅游形象進行了深入分析。然而，本研究依然具有以下局限和不足，作為未來深入研究的方向。

首先，本研究對UGC圖片元數據進行了分析，解決了人工分析圖片樣本較少的問題，但在圖片維度分類方面采用了人工的方法，具有一定的主觀性，后續研究需進一步完善語料庫及相關模型，提高計算機自動分析的精度及準確性；其次，對于北京旅游形象的研究目前僅限于Flickr圖片網站，數據來源存在一定的局限，望在后續研究中引入更多數據作為支撐；再次，本研究對圖片表征內容的分析不夠深入，符號學具有較高的研究價值及研究空間，可以對圖片內容進行大量專業的分析，深入了解其背后傳播的情感意向及讀圖者眼中的北京形象認知機理。

[責任編輯：劉魯；責任校對：周小芳]