崔 誉， 简子菡， 丁志伟

（1.河南大学环境与规划学院/区域发展与规划研究中心/黄河中下游数字地理技术教育部重点实验室，河南开封 475004；

2.城乡协调发展河南省协同创新中心，郑州 450046）

随着互联网技术的普及、大数据应用的快速发展，在21世纪的今天，网络搜索成为公众出行、了解世界的重要方式. 在这样的信息时代背景下，学者利用网络用户对特定事物的关注度对公众的行为方式展开了多角度的研究. 目前，国外学者基于网络关注度的研究成果已经相当成熟，例如在经济方面，针对交易行为的量化研究［1］，消费者消费行为的预测［2］；在社会方面，针对失业率的预测［3］，旅游目的地游客量的预测［4］，社会安全的监测［5-6］，流感、传染病的预测和评估［7］等都做了大量的工作. 国内基于网络关注度的研究虽起步较晚，但也在各个领域开展了一系列工作，如在经济方面，对投资者有限关注与股票收益的相关性研究［8］，网络关注度对市场成交量的影响分析［9］；在社会方面，对景区网络关注度的空间分布特征分析［10-11］，对游客量的预测［12］，旅游景区借助网络关注度的营销策划分析［13］等；在文化方面，对网络舆情时空演化的分析研究［14］等. 与此同时，网络关注度与地理空间的联系也日益紧密，成为探索地理现象空间差异的重要补充方式. 在关注度指标采用方面，不仅有基于居民日常使用软件的数据分析，还有基于百度大数据［15-22］、新浪微博［23-24］、腾讯热力［25］、电商数据［26-27］等进行的分析，为研究实体经济网络下的城市体系提供线上支撑.

由于百度大数据作为中国网民的最大搜索平台，因而基于其产生的数据为地理研究提供了大量的支撑. 在已有的研究中，百度大数据包括百度指数［15-17］、百度检索量［18］、百度贴吧数据［19］、百度地图数据［20］、百度热力图［21］、百度人口迁徙数据［22］，为研究公众的网络关注度行为提供了支撑，为研究经济活动规律、城市网络化结构、旅游分析与预测、社会需求与趋势预测提供了重要参考与依据. 在上述百度大数据中，利用百度指数分析信息化水平、城市发展水平等较为常见，能对一个地区的网络关注度进行长时间、不同媒介端口的多角度分析，因此学者应用该指标进行了经济、社会、文化、政治等多领域的研究.

在全球化进程日益加快的今天，世界各国之间的资金、技术、信息交流日益紧密. 美国从科技、军事、经济、政治任一方面，均是世界上唯一的超级大国，其对世界乃至各国的发展都发挥着一定的影响作用. 如今中美交流日益密切，美国是国民旅游、留学的热门国家，我国网民对美国的网络关注度也相对较高. 但是梳理已有的文献后发现，学者借助网络关注度对某一领域进行地理空间差异研究时，其研究的地理范围主要以国内为主，对国外的研究较少，且缺乏对于美国网络关注度的空间分布格局研究. 因此本研究借助百度指数数据，分析网络用户对美国州级、城市层面的空间分布特征.

1 数据来源和研究方法

1.1 数据来源

美国共有50个州，而其“城市”没有明确的定义，各州域内有不同的居民地命名方式，因此本研究选取了各州GDP、人口相对较多的“城市”总计281个. 考虑数据的可获取性和可比性，本研究利用百度指数的查询功能，以美国州和城市的中英文名称作为搜索的关键词获取了2011 年、2015 年、2019 年电脑（PC）端、移动端、整体端关注度日均值以及三年各端平均值，具体的检索方法如图1所示. 其中在检索过程中一些州和城市的名称具有多重歧义，不能界定其是否真实地反映该州或者城市的网络关注度. 因此这类数据不加以使用，加之一些州和城市名称的关键词未被收录，最终获取了34个州的中文关键词数据，22个州的英文关键词数据；51个城市的中文关键词数据，24个城市的英文关键词数据.

图1 百度指数搜索流程图Fig.1 Baidu Index search flow chart

1.2 研究方法

1.2.1 空间分类与核密度分析法 美国各州、各城市的网络关注度存在较大差异，通过空间分类可对数据进行可视化处理，能更清楚地透视空间网络关注度的差异格局. 空间分类方法中的自然间断点法是基于数据中固有的自然分组进行类内差异最小，类间差异最大的方法，如“自然”地分割一般，因此学者常以此为分类方法进行分析. 基于此，本研究采取自然断点分级法进行空间格局分析，将州和城市的百度指数分别划分为5个层级，即高值区、中高值区、中值区、中低值区、低值区. 在进行城市网络关注度的空间分析时，为揭示美国城市在空间上的集聚与离散情况，引入了核密度分析法分析网络关注度在地理空间上的形态特征. 核密度的具体方法如下：

式中，fn为城市点分布核密度测算值；k为权函数，xi为城市点i的位置坐标，i=1，2，…，n；n为城市点数量；h表示带宽.

1.2.2 相关分析与内部影响因子的统计分析 为探析美国州与城市层面网络关注度的具体影响因子，本研究引入相关性分析与内部影响因子统计分析相结合的方法进行定性与定量的分析. 相关分析是分析要素指标之间相互关系的一种分析方法，是常用的分析影响因素的方法之一，因此本研究通过相关性分析判断社会经济水平与网络关注度的关系. 内部影响因子的统计分析，主要通过对关键词的挖掘工具，整理归纳出网络用户对具体州、城市的关注度维度，如教育、医疗、旅游等. 由于被关注的内容需要逐一进行搜索词条的总结方能确定，因此本研究运用关键词挖掘工具——5118（https：//www.5118.com/）分别选取了10个高关注度州和10个低关注度州，10个高关注度城市和10个低关注度城市，挖掘以州名称、城市名称为基准关键词的长尾关键词，长尾关键词是指网站上的非目标关键词但与目标关键词相关的也可以带来搜索流量的组合型关键词.因此，本研究以长尾关键词为基准分析网民的主要关注内容，由此判断具体由哪些因子影响关注度的差异.

2 结果分析

2.1 州级层面关注度的空间差异

2.1.1 中文关注度的空间差异 运用ArcGIS 自然间断点分级法，得到2011年、2015年、2019年以及三年平均值的州级中文关注度空间分布图（图2～图4）.

由图2～图4可知，无论是PC端、移动端还是整体端，基本呈现出高、中高、中值区分散分布，中低值、低值区连片分布的特征. 具体来看，位于太平洋上的夏威夷州一直处于最高级关注度，处于遥遥领先的位置；中高、中值区的加利福尼亚州、阿拉斯加州、华盛顿州位于太平洋沿岸，佛罗里达州、得克萨斯州位于墨西哥湾沿岸，马萨诸塞州、新泽西州、马里兰州位于东北部大西洋沿岸，纽约州、俄亥俄州、宾夕法尼亚州、明尼苏达州位于五大湖沿岸，主要表现为沿海岸、湖泊分布的特征，这与美国经济发展的核心区明显相关；显著低值区俄克拉荷马州、堪萨斯州、阿肯色州、密西西比州在中部连片分布，而新罕布什尔州、西弗吉尼亚州等呈斑点状分散在美国东北部. 通过分析2011年、2015年、2019年各州关注度排名可知：PC端、移动端、整体端排名虽有波动，但排名靠前的主要以夏威夷、得克萨斯州、加利福尼亚州、俄亥俄州、马萨诸塞州、阿拉斯加州、明尼苏达州、新泽西州、佛罗里达州、纽约州为主；而排名靠后的，除个别州的百度指数在某一年份有突然增加的现象外，基本以西弗吉尼亚州、艾奥瓦州、俄克拉荷马州、新罕布什尔州、堪萨斯州、密西西比州、阿肯色州、内布拉斯加州、北卡罗来纳州为主.

图2 基于PC端中文百度指数的州级空间分布格局Fig.2 Spatial distribution pattern of state level based on PC Chinese Baidu Index

图3 基于移动端中文百度指数的州级空间分布格局Fig.3 Spatial distribution pattern of state level based on Chinese Baidu Index of mobile terminal

图4 基于整体端中文百度指数的州级空间分布格局Fig.4 Spatial distribution pattern of state level based on the overall Chinese Baidu Index

从空间动态变化看，2015年较之2011年PC端、移动端和整体端低值区范围呈增加态势，尤以PC端表现得最为显著；中低值区PC端保持不变，移动端和整体端略有扩大；中值区移动端范围保持不变，PC端和整体端均稍有缩减；中高值区在PC端、移动端、整体端范围均有所缩减；高值区保持不变. 与2015年相比，2019年的低值区、中低值区范围总体稍有扩大；中值区除PC端范围有所扩大外，移动端和整体端范围略有缩减；中高值区的范围均有所缩减；高值区均保持不变. 进一步地，通过对比2019年与三年份均值发现，2019年低值区、中低值区、高值区的范围无明显变化，而中值区范围明显增大，中高值区范围明显缩减.

2.1.2 英文关注度的空间差异 运用ArcGIS 自然间断点分级法，得到2011年、2015年、2019年以及三年平均值的州级英文关注度空间分布图，结果见图5～图7.

图5 基于PC端州英文百度指数的空间分布格局Fig.5 Spatial distribution pattern of state level based on PC English Baidu Index

图6 基于移动端英文百度指数的州级空间分布格局Fig.6 Spatial distribution pattern of state level based on English Baidu Index of mobile terminal

图7 基于整体端英文百度指数的州级空间分布格局Fig.7 Spatial distribution pattern of state level based on the overall English Baidu Index

由图5～图7可知，州级英文关注度的层级分布较分散，中、中高值、高值区主要分散在西太平洋沿岸、墨西哥湾沿岸、东北部区域，中低和低值区分散在美国中部以及东北部部分地区. 具体来看，加利福尼亚州一直处于最高级关注，呈现一枝独秀的特点；中高、中值区中得克萨斯州、佛罗里达州位于墨西哥湾附近，俄勒冈州、夏威夷州位于太平洋沿岸，弗吉尼亚州、俄亥俄州、亚利桑那州、宾夕法尼亚州则位于美国的东北部，与中文关注度有很大的类似支持；显著低值区内布拉斯加州、肯塔基州位于中部区域，缅因州位于美国东北部. 通过分析2011年、2015年、2019年各州关注度的排名可知，虽然PC端、移动端、整体端三者排名不一，但是加利福尼亚州、得克萨斯州、弗吉尼亚州、俄勒冈州、夏威夷州、佛罗里达州、俄亥俄州的关注度均相对较高，而俄克拉荷马州、缅因州、内布拉斯加州、新罕布什尔州的关注度相对较低.

从空间动态变化看，2015年较之2011年PC端低值区范围无明显变化，移动端和整体端范围明显缩减；PC端和整体端在中低值区的范围略有缩减，移动端在中低值区的范围有所扩张；PC端在中值区范围保持不变，移动端在中值区范围有所增加，而整体端在中值区范围有所减小；PC端、移动端和整体端在中高值区范围均有所扩大；PC端、移动端和整体端在高值区范围保持不变. 2019年相比2015年移动端和整体端在低值区范围保持不变，PC端在低值区范围略有缩小；PC端、移动端在中低值区范围有所增加，整体端在中低值范围保持不变；中值区范围在PC端、移动端、整体端均有所缩减；中高值区范围在PC端、移动端、整体端基本保持不变；高值区范围在PC端、整体端有所扩大，在移动端保持不变. 进一步地，通过对比与平均关注度的差异发现，2019 年低值区范围除在PC 端相比有所扩大外，移动端和整体端范围保持不变；中低值区范围在PC端、移动端和整体端无明显变化；中值区范围在PC端、移动端和整体端均有所扩大；中高值范围在PC端和整体端有所缩减，在移动端保持不变；而高值区范围在PC端和整体端有所扩大，在移动端保持不变. 总结看来，PC端低值区范围逐渐缩小，中高值区、高值区范围逐渐扩大；移动端低值区范围逐渐缩小，中低值区、中值区、中高值区范围基本呈扩大趋势；整体端低值区、中低值区范围呈逐渐缩小的趋势，中高值区范围逐渐扩大.

2.2 城市层面关注度的空间差异

2.2.1 中文关注度的空间差异 运用ArcGIS 自然间断点分级法，得到城市层面2011年、2015年、2019年以及三年平均值的中文网络关注度空间分布图，结果见图8～图10.

由图8～图10可知，沿海、沿湖城市的关注度相对较高，内陆城市的关注度相对较低. 高关注度城市中洛杉矶、旧金山、西雅图分布在西太平洋沿岸，芝加哥、底特律分布在五大湖沿岸，纽约、波士顿分布在东北部大西洋沿岸，迈阿密、休斯敦位于墨西哥湾附近，这与州级层面的分析结果类似. 值得一说的是，一些位于内陆的“明星城市”获得较高的关注度，如拉斯维加斯，在低关注度城市中间呈现“异军突起”的局面. 通过分析2011年、2015年、2019年中文城市名称的关注度的排名变化可知，PC端、移动端、整体端中洛杉矶、纽约、旧金山、芝加哥、华盛顿、波士顿、迈阿密、西雅图、底特律、休斯敦均获得较高的关注度，其中纽约的中文网络关注度一直居于首位. 而堪萨斯城、阿克伦、俄克拉荷马城、哈特福德、夏延、拉特兰、西棕榈滩、里诺等城市获得的关注度较低.

图8 基于PC端城市中文百度指数的空间分布格局Fig.8 Urban spatial distribution pattern based on PC Chinese Baidu Index

图9 基于移动端中文百度指数的城市空间分布格局Fig.9 Urban spatial distribution based on Chinese Baidu Index of mobile terminal

图10 基于整体端中文百度指数的城市空间分布格局Fig.10 Urban spatial distribution pattern based on the overall Chinese Baidu Index

2.2.2 英文关注度的空间差异 运用ArcGIS 自然间断点分级法，得到城市层面2011年、2015年、2019年以及三年平均值的英文关注度空间分布图，结果见图11～图13.

由图11～图13可知，城市层面英文关注度的分布特征与中文关注度的分布特征基本保持一致，即沿海、沿湖城市的关注度相对较高，内陆城市的关注度相对较低. 通过分析2011年、2015年、2019年英文网络关注度排名可知，PC端、移动端、整体端中洛杉矶、旧金山、芝加哥、纽约、华盛顿、波士顿、迈阿密、西雅图、费城、休斯敦均获得较高的关注度，与中文网络关注度排名基本一致，但获得最高关注度的城市位次存在波动变化.而关注度相对较低的城市为：安那波利斯、杰克逊维尔、路易维尔、奥马哈，与中文网络关注度差异不大. 为进一步分析城市层面空间网络关注度的空间集聚状态，考虑到中英文空间分布格局的相似，因此就以城市层面英文关注度为测度指标，借助ArcGIS10.2空间分析工具进行核密度分析，结果见图14.

图11 基于PC端英文百度指数的城市空间分布格局Fig.11 Urban spatial distribution pattern based on PC English Baidu Index

图12 基于移动端英文百度指数的城市空间分布格局Fig.12 Urban spatial distribution pattern based on English Baidu Index of mobile terminal

由图14可知，英文网络关注度的空间分散与集中状态，反映在美国版图格局上有显著差异，呈现“大分散，小集中”的空间格局，其中“大分散”主要连片分布在广大的内部地区，而“小集中”明显地分布在沿海以及五大湖区域，包括西太平洋沿岸、东北部大西洋沿岸、墨西哥湾沿岸、五大湖附近，其中东北部大西洋沿岸城市点的集聚最为显著. 值得一提的是，高密度核心区中所显示区域与地理实体空间美国城市群（波士顿—华盛顿城市群、芝加哥—匹兹堡城市群、圣迭戈—旧金山城市群）的分布格局基本保持一致，提出经济发展水平对网络关注度产生了很大的影响.

图13 基于整体端英文百度指数的城市空间分布格局Fig.13 Urban spatial distribution pattern based on the overall English Baidu Index

图14 美国城市核密度分布图Fig.14 Distribution of urban nuclear density in the United States

2.3 影响因素分析

网络关注度即网民在网络平台上检索和关注美国各州、各城市相关信息所留下的网络浏览和分享痕迹，以此反映网民对各地区的关注程度，因此可以归纳网民的搜索内容并进行归类，从而深入地探究到底哪些关注维度影响了网络关注度的差异. 本研究在参考其他学者关于网络关注度影响分析的相关文献［10，29-32］时总结发现：经济发展水平、互联网发展水平、地理区位条件、旅游业发展水平、城市功能地位、城市大事件效应等因素对网络关注度产生影响. 但由于现阶段对其他国家网络关注度的研究较少，因此为更深入地分析影响空间分布的具体因子，有必要结合具体的关注领域进行统计分析. 由于全部州和城市的具体关注内容工作量相当浩大，因此本研究运用关键词挖掘工具5118，分别选取了10个高关注度州和10个低关注度州，10个高关注度城市和10个低关注度城市进行代表性城市的统计分析，挖掘以州名称、城市名称为基准关键词的长尾词，以长尾词为基准分析网民主要关注内容. 以搜索“洛杉矶”为关键词的长尾词为例，发现“洛杉矶时间”、“洛杉矶湖人”、“加州大学洛杉矶分校”、“洛杉矶大火”、“洛杉矶是哪个州”词条搜索量排名靠前. 以此为参照，本研究通过归纳总结代表性州和城市的相关词条发现，网民主要关注度假休闲、留学教育、热点事件、知名品牌、地名位置等方面的具体词条. 因此基于统计的内部影响因子，并对比参考分析相关学者的研究成果，本研究从经济发展水平、区域资源优势、地理区位条件、热点事件五个方面进行影响因素解读.

表1 美国各州百度指数与GDP的相关性分析Tab.1 Correlation analysis of Baidu Index and GDP in American States

2.3.1 经济发展水平 一个地区的经济发展水平决定着该地区的综合发展实力. 经济发展水平往往与当地的信息化水平呈正相关，信息化水平高，信息流量往往也越高，即受到的关注度越高. 为验证该观点，本研究选取经济发展指标——各州年度生产总值（GDP）与网络关注度进行相关分析. 在数据与工具选择方面，通过美国商业部经济分析局官方网站（http：//www.bea.gov/）获取了2012 年、2015 年、2018 年的各州GDP 数据，并分别选取州层面2012 年、2015 年、2018 年的英文百度指数数据，用SPSS对两者进行Pearson相关性分析，结果见表1.

由表1可知，州级英文关注度与各州GDP相关系数均在0.84～0.92之间，并在0.01的置信水平上通过了显著性检验，这表明GDP与网络关注度之间具有强相关，这也说明了经济水平越高的地区，其网络关注度也就越高. 如纽约一直获得较高的网络关注度，纽约作为美国最大的城市，也是世界最大的城市之一，同时是世界第一大经济中心，纽约2018年GDP总量为10 300亿美元，直接影响着世界经济、金融业的发展，其产生的强大影响力使其时刻吸引着全球的目光，从而使其网络关注度一直居高不下.

2.3.2 区域资源优势 区域优势资源的影响力反映着该地的独特魅力所在，具有其竞争优势，并形成强大的吸引力，影响地区的受关注程度. 区域的优势资源可以体现在旅游资源、教育资源、独特的品牌资源等多个方面. 如夏威夷州的关注度一直居于前列，根据它的搜索词条可以发现对其旅游、风光与美食介绍、地理位置介绍与地图表达、城市攻略等相关词条的关注度较高. 从现实情况看，夏威夷州作为世界旅游胜地，旅游资源丰富，空中交通便捷，航线众多，这在一定程度上增加了对我国民众的吸引力，因此网民将其作为旅游目的地进行搜索，不断提高其在中国的关注度指数. 美国是我国留学热门国家，世界名校排行前五十的大部分学校是美国的大学，教育资源和科研力量雄厚，比如马萨诸塞州的哈佛大学、麻省理工学院，加利福尼亚州的斯坦福大学、加州大学伯克利分校等都是留学生趋之若鹜的世界名校. 因此网民在进行相关搜索时，教育资源丰富的地区就会成为其搜索的重点区域，增加该地区的网络关注度. 此外，独特的品牌资源优势同时也会增加该地区的网络关注度，如波士顿的凯特人球队，是美国职业篮球联赛（NBA）重要球队之一，拥有大批量的粉丝，粉丝对其相关信息的捕捉在一定程度上也增加了对所在城市的关注度.

2.3.3 地理区位条件 美国州层面和城市层面网络关注度的空间差异与其地理区位条件密不可分. 通过州层面和城市层面网络关注度的空间特征分析可以发现，获得高、较高关注度的州和城市主要分布在经济发达的沿海、沿湖地带，交通条件便利，与外联系畅通，经济市场的外向性程度高，因此更容易获得中国网络的经济关注度与重大事件的关注度. 交通条件在一定程度上影响着目的地的可进入性，以及通往该地区的方便程度，因此使得交通条件成为大众前往目的地的影响因素之一. 交通通达性高的地区，在一定程度上吸引大众前往，从而增加对其的关注程度，沿海、五大湖地区的城市与交通的便捷性和通达性密不可分. 如果低、较低关注度的城市处于城市群内，那么它们依托着大城市的发展，形成城市群内部的分工协作，逐渐发展具有自己特殊职能的优势部门，形成向心吸引力，这对于小城镇而言无疑在大城市周围形成一定的依附优势，成为人们休闲娱乐的产业集聚点. 此外，城市群内交通条件便利，交通运输的一体化、网络化特征促使小城镇对外交流畅通，这也在一定程度上推动了城市群内部小城镇的网络关注度. 而获得较低、低关注度的州和城市主要集中在中部以及内陆地区，地理区位不占优势，交通的通达性较差，与外联系不便.

2.3.4 热点事件 随着网络信息技术的发展，信息传播的速度更快、范围更广，全球网民可共享信息，共同参与话题讨论. 在某一地区发生的会议会展、政治事件、社会民生事件、自然灾害事件等具有较强的个性特征和影响力，随之带来相关的话题度，从而影响该地区的关注度. 不过由热点事件所引起的关注度升高具有不可持续性和突发性，关注度会随着事件的时效快速升高，达到热度极值后快速降低. 如今随着全球化的发展，国家间的交流日益密切，关联性也逐渐增强，在美国发生的事件也会对我国产生一定的影响作用，引发我国网民的关注. 例如2019年2月24日旅美大熊猫亮相华盛顿的相关新闻发布后，中美众多网民参与到话题的讨论中，这也在一定程度上促使华盛顿获得更多的网络关注度.

3 结论与讨论

3.1 结论

基于百度指数表征的网络关注度下美国州层面空间分布格局特征分析发现：无论是PC端、移动端还是整体端州层面，中文关注度都呈现出高、中高、中值区分散分布，中低值、低值区连片分布的特征；英文关注度各层级分布均较分散. 中英文关注度中高、中值关注区域主要分布在经济发达的沿海地带与“明星”州，低值区主要分布在经济发展水平较低的内陆州. 其中加利福尼亚州、得克萨斯州、夏威夷州、俄亥俄州、佛罗里达州都获得了较高的关注度，而俄克拉荷马州、新罕布什尔州、内布拉斯加州的网络关注度均较低. 值得一说的是，在中文关注度中夏威夷州一直处于最高关注度，而在英文关注度中加利福尼亚州一直处于最高关注度. 城市中英文名称网络关注度的分布特征具有相似之处——沿海、沿湖城市的网络关注度高，中部内陆城市的网络关注度低，且高关注度地区常伴随着分散的较低、低关注城市，具有“大分散，小集中”的空间格局特征. 高关注度城市中洛杉矶、旧金山、西雅图分布在西太平洋沿岸，芝加哥、底特律分布在五大湖沿岸，纽约、波士顿分布在东北部大西洋沿岸，迈阿密、休斯敦位于墨西哥湾附近，也有一些位于内陆的“明星城市”获得较高的关注度，如拉斯维加斯. 值得一说的是，在中文关注度中纽约的关注度一直居于首位，而在英文关注度中下降比较明显.

在分析影响网络关注度空间差异的具体因子时发现，关注度与经济发展水平密切相关. 从具体关注内容看，无论是州级还是城市层面主要以教育、旅游、知名名牌和热门事件内容为主，这些因素在一定的程度上可以为中国公众的出国教育、度假休闲、消费引导、新闻关注等提供指南.

3.2 讨论

百度指数能够对一个地区的网络关注度进行长时间、不同媒介端口的多角度分析，已成为探索地理现象空间差异的重要补充方式. 随着全球化的发展，国家之间的联系日益密切，本研究利用PC端、移动端和整体端百度指数数据深入解析了中国网民对美国州层面和城市层面两个维度网络关注度的空间分布格局，获悉受中国网民青睐的美国热门区位，以及不同地区对中国网民的吸引力差异，在一定的程度上可以为中国公众的出国教育、度假休闲、消费引导等提供支撑. 不过本研究还存在一定的局限性，由于本研究仅将“城市名”作为搜索关键词，忽略了与各州、各城市相关的许多关键词的搜索，因此在未来有待对互联网数据的进一步挖掘和分析. 在进行影响因素分析时，由于研究对象是国外的地理空间，一些指标收集困难，如互联网普及率、航线数量、通航城市量等，因此对一些影响因素无法进行定量分析. 此外，研究缺乏对地区地理认知的采集，因此后期研究应进一步挖掘分析网民对地区的褒贬态度，并整理出完善指标体系，为中国公众的出国教育、度假休闲、消费引导、新闻关注等提供更加实际、更加科学化的支撑.