基于網絡評論的城市公園游園者色彩情感傾向研究
——以廣州市越秀公園為例

陳神鑫

廣州大學 廣東 廣州 510006

城市公園作為城市生態系統、城市景觀的重要組成部分，起著為城市居民進行休憩、鍛煉、社交、游覽的作用。隨著現代化城市的發展，市民的生活節奏愈來愈快，且對城市公園的需求與日俱增。另一方面，信息技術的快速發展為人們搭建了交流平臺，人們可以對網絡熱點、時事新聞等相關內容進行實時評論，基于這些背景，帶有情感傾向性的公園網絡評論大數據應運而生。

情感傾向分析是對帶有情感色彩的主觀性文本進行分析、處理、歸納和推理的過程。而色彩作為景觀構成要素的重要組成部分，是游園者感受城市公園的最為直觀的景觀要素，紀東坡等通過實地考察、問卷調查和深度訪談等方法對游客的基本屬性以及游客對公園色彩景觀的傾向性兩個方面分析游客對公園色彩景觀的意向；吳姝婷等則通過專家打分法確定評價因子探究閩江公園游客心理體驗和有色景觀空間的相關性。各研究學者的探索豐富了城市公園色彩與游客心理的研究，但采用的方法容易受到較多因素的限制，例如樣本有效性不足、問卷發放時空和數量的局限性、參與者的可訪問性弱等。如今，網絡數據覆蓋的普遍性為分析公眾的色彩情感傾向提供了新的可能性。

本文以廣州市越秀公園的游客為研究對象，選取各類網絡平臺的評論數據進行分析，運用情感分析方法研究游客對不同色彩的情感傾向，為今后公園色彩規劃設計提供理論依據和實證研究基礎。

一、研究區域

越秀公園是廣州最大的綜合性公園，面積約為六十九萬平方米，公園所處區域，自元代以來一直是羊城八景之一，2006年越秀公園被評為國家4A級旅游景區。選取該公園作為研究對象的原因如下：1）越秀公園使用者數量多、類型廣，具有研究意義和優化價值；2）越秀公園部分景點的用色具有代表性，但經過實地考察，發現仍然存在色彩搭配不合理的現象，同類型城市公園中仍然存在類似的問題，因此本研究具有普適性； 3）越秀公園，建成年代久，受歡迎程度高，因此在網絡上的評論數據較多，滿足樣本的選取條件，能夠為城市公園研究提供較為充足的基礎數據。

二、研究方法

本文采用以社交媒體評論為數據源，以不同的色彩單音詞為標簽對網絡評論進行分類，利用百度AIP平臺的Sentiment Classify工具就可以在Python上可以實現精準情感傾向分析。技術路線如圖1所示。研究步驟為：(1)數據收集與清洗；(2)文本分類；(3)情感傾向。

圖1 越秀區實景照片（圖片來源：網絡）

圖2 技術路線圖(圖片來源：作者自繪)

1.數據收集與清洗

本文以新浪微博、攜程網、馬蜂窩、去哪兒網以及美團5個中文網絡平臺為數據源進行分析。新浪微博作為中國最具影響力的社交媒體之一，用戶可以通過文字、圖片、短視頻等方式實時傳播信息，以越秀公園為關鍵字進行檢索可以獲得大量信息。攜程網、馬蜂窩、去哪兒網以及美團為專業點評網站，里面包含大量與景點有關的評論數據。利用Python的BeautifulSoup、re正則表達式等實現文本評論數據的爬取、解析，以2011年1月1日——2021年12月31日為時間節點，共獲得文本評論數據13254條。

數據清洗工作是保證后期數據研究質量的重要環節。利用python的re正則表達式對評價數據中的廣告等無關數據進行剔除，再對重復數據以及網頁鏈接進行刪減，并將表情符號進行轉碼，最終獲得清洗之后的數據共5361條。

2.數據分類

語言與色彩的聯系最終還是通過語言中的色彩詞得以體現，本文采用了黑、白、紅、黃、綠、藍、紫、灰、褐9個基本色彩詞對文本數據進行分類。剔除含有基本色彩詞但與色彩無關的數據，最終得到的分類數據共346條，其中褐的數據過少，黑與白在語言表達中色彩屬性不明顯，因此將這三種顏色剔除，最后將數據總共分為六個類別，每個類別的評論數量如表1。

表1 評論含不同類別單音色彩詞數量及示例（作者自繪）

3.情感傾向分析

本文主要采取的是基于python平臺的Sentiment Classify工具對越秀公園的關于不同類別的評論數據進行情感傾向分析，在python平臺調用百度API接口，對越秀公園評論數據的情感傾向進行判斷。情感傾向主要分為消極（0～0.333）、中性（0.333～0.667）和積極（0.667～1.000）3類。

三、結果與分析

1.整體情感傾向分析

首先對評論數據進行整體情感傾向分析，從宏觀上感受游客對越秀公園整體色彩的滿意度。將收集并清洗完畢的359條評論數據進行情感傾向分析。其中，積極評論256條，占比73.53%；中性評論63條，占比18.21%；消極評論27條，占比7.8%。

總體上看，游客對公園色彩的滿意度較高，利用snownlp工具對通過詞頻分析可以看出，積極情感高頻詞多以描述景點建筑、植被和人物心情為主。消極情感高頻詞則集中在對天氣以及燈的描述上，說明天氣和環境光源在一定程度上會影響使用者對公園色彩的消極情緒。

圖3 整體詞頻分析（左邊積極，右邊消極，作者自繪）

2. 分類情感傾向分析

對含有不同顏色單音詞的評論進行情感傾向分析有助于了解游客對不同顏色的色彩情感傾向。在分類情感傾向分析數據中，評論中帶單音詞“綠”的最多，占總評論數的61.85%；其次是“紅”和“藍”，占比分別為19.65%和9.25%；其他顏色的評論相對較少，“黃”、“紫”、“灰”的占比分別為2.89%、4.05%、2.31%。不同類型的評論的情感傾向如表2。

表2 不同類型的評論的情感傾向及占比（作者自繪）

在利用深度學習算法實現不同類別的情感傾向判斷之后，通過提取不同類別中的詞頻信息，并對照已分類評論文本中的描述內容，對不同類別的評論進行詳細分析。評論中帶單音詞“綠”的積極情感占比最高（75.70%），消極情感占比最低（5.61%），對其進行詞頻分析可以看出積極評論主要集中在對植物花卉和一些景點的討論上，大部分人認為越秀公園的綠化做得不錯。

圖4 單音詞“綠”詞頻分析（左邊積極，右邊消極，作者自繪）

有少量消極評論則認為對顏色過于單一，全是綠色無明顯地標等問題提出了看法。評論中帶單音詞“紅”的消極情感占比最高（17.65%），評論主要集中在對越秀公園春節舉辦的花燈節的花燈改成了小紅燈上，可以證明游客希望節日的越秀公園需要更多的色彩存在。帶有其他顏色的評論也多是積極情感，主要集中在對公園的帶有特殊色彩的小品以及對公園的色彩斑斕的花卉的描述上，消極評論則多認為部分水面的水質不好以及部分地方樹木太過茂盛導致過于灰暗的現象。

四、討論

1. 基于網絡評論的城市公園色彩情感傾向研究方法

本研究利用python軟件爬取了4個專業公園景點評論網站及新浪微博平臺上關于越秀公園的評論數據并進行了數據清洗，使得基礎數據更加豐富。同時利用自然語言處理的深度學習算法，對公園使用者對不同色彩類別的情感傾向進行了定量分析，從評論中提取含有紅、黃、藍、綠、紫、灰6個色彩單音詞的評論進行分類情感傾向分析，為相關研究提供了新思路。相較于傳統的現場訪談和問卷調查方法，此方法可獲取樣本數量更多、時間跨度更大，同時調查研究的投入成本更低、效率更高，而且結果可量化。

然而研究存在如下局限：（1）數據源。網絡用戶只占公園實際游客的小部分，且年齡上可能更年輕、受教育程度也可能更高。針對公園色彩的評論數據也還不夠多。因此，網絡評論數據雖然為相關研究提供了強有力的數據支撐，但也存在固有弊端。（2）色彩單音詞并非全用于形容顏色。通過前期的數據篩選可以發現許多含有色彩單音詞的評論數據與色彩并無關系，這是中文詞語構成帶來的固有弊端，需要通過深度學習的不斷訓練最終達到機器識別出與色彩真正相關的評論數據，此次研究由于評論數據數量沒有達到深度學習前期訓練需要的模型數量，因此采用的是人工識別，今后在進行更多數據的甄別上可以加入該方面的算法。（3）游客情感的細粒度。本研究將游客情感劃分為積極、中性、消極3類，能夠滿足研究需要。后續研究可依據具體研究目標對游客情感進行更具細粒度的分析，如憤怒、厭惡、恐懼、驚訝、快樂等。

2. 越秀公園色彩優化提升建議

越秀公園內游客所發的評論經過情感傾向分析，科學地表明了色彩對游客情緒可以產生積極影響，但部分設施帶來的不良影響也會通過色彩體現在游客的評論中。

根據研究結果，提出一些建議：（1）要提升游客在公園中的游覽體驗，應從增加色彩斑斕的花卉等植物景觀入手，越秀公園部分活動空間類型較為單調、植物色彩單一、構筑物及景觀小品缺乏趣味。在公園中，色彩與眾不同更能吸引游客。（2）公園部分設施的老化與環境的污染會給游客帶來不良印象，因此需要注重公園的設施更新以及燈光設計。（3）評論在公園舉辦活動時會明顯變多，證明舉辦豐富多彩的旅游體驗活動和民俗活動，可以吸引更多游客，舉辦活動時可以增加多種色彩，烘托節日氣氛。

提取和分析多網絡平臺及大時間跨度評論內容的數字化方法可為城市公園的規劃與建設提供更加強大的數據支撐和更加多元的研究可能性。隨著大數據、深度學習等領域的相關技術在風景園林學科中的廣泛應用，城市公園規劃設計與研究的精細化程度將得到大幅提升。