陈神鑫

广州大学 广东 广州 510006

城市公园作为城市生态系统、城市景观的重要组成部分，起着为城市居民进行休憩、锻炼、社交、游览的作用。随着现代化城市的发展，市民的生活节奏愈来愈快，且对城市公园的需求与日俱增。另一方面，信息技术的快速发展为人们搭建了交流平台，人们可以对网络热点、时事新闻等相关内容进行实时评论，基于这些背景，带有情感倾向性的公园网络评论大数据应运而生。

情感倾向分析是对带有情感色彩的主观性文本进行分析、处理、归纳和推理的过程。而色彩作为景观构成要素的重要组成部分，是游园者感受城市公园的最为直观的景观要素，纪东坡等通过实地考察、问卷调查和深度访谈等方法对游客的基本属性以及游客对公园色彩景观的倾向性两个方面分析游客对公园色彩景观的意向；吴姝婷等则通过专家打分法确定评价因子探究闽江公园游客心理体验和有色景观空间的相关性。各研究学者的探索丰富了城市公园色彩与游客心理的研究，但采用的方法容易受到较多因素的限制，例如样本有效性不足、问卷发放时空和数量的局限性、参与者的可访问性弱等。如今，网络数据覆盖的普遍性为分析公众的色彩情感倾向提供了新的可能性。

本文以广州市越秀公园的游客为研究对象，选取各类网络平台的评论数据进行分析，运用情感分析方法研究游客对不同色彩的情感倾向，为今后公园色彩规划设计提供理论依据和实证研究基础。

一、研究区域

越秀公园是广州最大的综合性公园，面积约为六十九万平方米，公园所处区域，自元代以来一直是羊城八景之一，2006年越秀公园被评为国家4A级旅游景区。选取该公园作为研究对象的原因如下：1）越秀公园使用者数量多、类型广，具有研究意义和优化价值；2）越秀公园部分景点的用色具有代表性，但经过实地考察，发现仍然存在色彩搭配不合理的现象，同类型城市公园中仍然存在类似的问题，因此本研究具有普适性； 3）越秀公园，建成年代久，受欢迎程度高，因此在网络上的评论数据较多，满足样本的选取条件，能够为城市公园研究提供较为充足的基础数据。

二、研究方法

本文采用以社交媒体评论为数据源，以不同的色彩单音词为标签对网络评论进行分类，利用百度AIP平台的Sentiment Classify工具就可以在Python上可以实现精准情感倾向分析。技术路线如图1所示。研究步骤为：(1)数据收集与清洗；(2)文本分类；(3)情感倾向。

图1 越秀区实景照片（图片来源：网络）

图2 技术路线图(图片来源：作者自绘)

1.数据收集与清洗

本文以新浪微博、携程网、马蜂窝、去哪儿网以及美团5个中文网络平台为数据源进行分析。新浪微博作为中国最具影响力的社交媒体之一，用户可以通过文字、图片、短视频等方式实时传播信息，以越秀公园为关键字进行检索可以获得大量信息。携程网、马蜂窝、去哪儿网以及美团为专业点评网站，里面包含大量与景点有关的评论数据。利用Python的BeautifulSoup、re正则表达式等实现文本评论数据的爬取、解析，以2011年1月1日——2021年12月31日为时间节点，共获得文本评论数据13254条。

数据清洗工作是保证后期数据研究质量的重要环节。利用python的re正则表达式对评价数据中的广告等无关数据进行剔除，再对重复数据以及网页链接进行删减，并将表情符号进行转码，最终获得清洗之后的数据共5361条。

2.数据分类

语言与色彩的联系最终还是通过语言中的色彩词得以体现，本文采用了黑、白、红、黄、绿、蓝、紫、灰、褐9个基本色彩词对文本数据进行分类。剔除含有基本色彩词但与色彩无关的数据，最终得到的分类数据共346条，其中褐的数据过少，黑与白在语言表达中色彩属性不明显，因此将这三种颜色剔除，最后将数据总共分为六个类别，每个类别的评论数量如表1。

表1 评论含不同类别单音色彩词数量及示例（作者自绘）

3.情感倾向分析

本文主要采取的是基于python平台的Sentiment Classify工具对越秀公园的关于不同类别的评论数据进行情感倾向分析，在python平台调用百度API接口，对越秀公园评论数据的情感倾向进行判断。情感倾向主要分为消极（0～0.333）、中性（0.333～0.667）和积极（0.667～1.000）3类。

三、结果与分析

1.整体情感倾向分析

首先对评论数据进行整体情感倾向分析，从宏观上感受游客对越秀公园整体色彩的满意度。将收集并清洗完毕的359条评论数据进行情感倾向分析。其中，积极评论256条，占比73.53%；中性评论63条，占比18.21%；消极评论27条，占比7.8%。

总体上看，游客对公园色彩的满意度较高，利用snownlp工具对通过词频分析可以看出，积极情感高频词多以描述景点建筑、植被和人物心情为主。消极情感高频词则集中在对天气以及灯的描述上，说明天气和环境光源在一定程度上会影响使用者对公园色彩的消极情绪。

图3 整体词频分析（左边积极，右边消极，作者自绘）

2. 分类情感倾向分析

对含有不同颜色单音词的评论进行情感倾向分析有助于了解游客对不同颜色的色彩情感倾向。在分类情感倾向分析数据中，评论中带单音词“绿”的最多，占总评论数的61.85%；其次是“红”和“蓝”，占比分别为19.65%和9.25%；其他颜色的评论相对较少，“黄”、“紫”、“灰”的占比分别为2.89%、4.05%、2.31%。不同类型的评论的情感倾向如表2。

表2 不同类型的评论的情感倾向及占比（作者自绘）

在利用深度学习算法实现不同类别的情感倾向判断之后，通过提取不同类别中的词频信息，并对照已分类评论文本中的描述内容，对不同类别的评论进行详细分析。评论中带单音词“绿”的积极情感占比最高（75.70%），消极情感占比最低（5.61%），对其进行词频分析可以看出积极评论主要集中在对植物花卉和一些景点的讨论上，大部分人认为越秀公园的绿化做得不错。

图4 单音词“绿”词频分析（左边积极，右边消极，作者自绘）

有少量消极评论则认为对颜色过于单一，全是绿色无明显地标等问题提出了看法。评论中带单音词“红”的消极情感占比最高（17.65%），评论主要集中在对越秀公园春节举办的花灯节的花灯改成了小红灯上，可以证明游客希望节日的越秀公园需要更多的色彩存在。带有其他颜色的评论也多是积极情感，主要集中在对公园的带有特殊色彩的小品以及对公园的色彩斑斓的花卉的描述上，消极评论则多认为部分水面的水质不好以及部分地方树木太过茂盛导致过于灰暗的现象。

四、讨论

1. 基于网络评论的城市公园色彩情感倾向研究方法

本研究利用python软件爬取了4个专业公园景点评论网站及新浪微博平台上关于越秀公园的评论数据并进行了数据清洗，使得基础数据更加丰富。同时利用自然语言处理的深度学习算法，对公园使用者对不同色彩类别的情感倾向进行了定量分析，从评论中提取含有红、黄、蓝、绿、紫、灰6个色彩单音词的评论进行分类情感倾向分析，为相关研究提供了新思路。相较于传统的现场访谈和问卷调查方法，此方法可获取样本数量更多、时间跨度更大，同时调查研究的投入成本更低、效率更高，而且结果可量化。

然而研究存在如下局限：（1）数据源。网络用户只占公园实际游客的小部分，且年龄上可能更年轻、受教育程度也可能更高。针对公园色彩的评论数据也还不够多。因此，网络评论数据虽然为相关研究提供了强有力的数据支撑，但也存在固有弊端。（2）色彩单音词并非全用于形容颜色。通过前期的数据筛选可以发现许多含有色彩单音词的评论数据与色彩并无关系，这是中文词语构成带来的固有弊端，需要通过深度学习的不断训练最终达到机器识别出与色彩真正相关的评论数据，此次研究由于评论数据数量没有达到深度学习前期训练需要的模型数量，因此采用的是人工识别，今后在进行更多数据的甄别上可以加入该方面的算法。（3）游客情感的细粒度。本研究将游客情感划分为积极、中性、消极3类，能够满足研究需要。后续研究可依据具体研究目标对游客情感进行更具细粒度的分析，如愤怒、厌恶、恐惧、惊讶、快乐等。

2. 越秀公园色彩优化提升建议

越秀公园内游客所发的评论经过情感倾向分析，科学地表明了色彩对游客情绪可以产生积极影响，但部分设施带来的不良影响也会通过色彩体现在游客的评论中。

根据研究结果，提出一些建议：（1）要提升游客在公园中的游览体验，应从增加色彩斑斓的花卉等植物景观入手，越秀公园部分活动空间类型较为单调、植物色彩单一、构筑物及景观小品缺乏趣味。在公园中，色彩与众不同更能吸引游客。（2）公园部分设施的老化与环境的污染会给游客带来不良印象，因此需要注重公园的设施更新以及灯光设计。（3）评论在公园举办活动时会明显变多，证明举办丰富多彩的旅游体验活动和民俗活动，可以吸引更多游客，举办活动时可以增加多种色彩，烘托节日气氛。

提取和分析多网络平台及大时间跨度评论内容的数字化方法可为城市公园的规划与建设提供更加强大的数据支撑和更加多元的研究可能性。随着大数据、深度学习等领域的相关技术在风景园林学科中的广泛应用，城市公园规划设计与研究的精细化程度将得到大幅提升。