基于网络话语的青秀山风景意象评价

发布时间：2021-10-15 01:40

　　【目的】网络时代催生了数据资源的生产与利用,也推动了风景资源评价朝着数据获取方式更加多源、即时、客观、精细、智能的方向前行。利用网络话语进行风景意象评价有助于完善传统评价方法,并为风景资源的合理利用与科学管理提供指导。【方法】以2009—2018年青秀山网络评论、游记为对象开展大众风景意象评价,利用Python语言及相关技术手段,通过词频分析、共现分析的方法进行青秀山风景形态感知、风景形象认知评价,并借助话语云、话语网络将结果可视化。【结果】青秀山风景形态感知评价接近巴莱特定律（Pareto’s principle）,即20%～30%的词汇占据了80%的词频,其中植物型要素、植物型景点、文化型景点敏感度较高,热力指数分别为7.188、3.519、3.252;总体风景形象认知中"风景优美""值得""面积很大"形成了普遍共识,热力指数分别为1.964、0.792、0.693;风景形象认知网络呈多组团结构,植物、空气、树木组团占据网络核心位置,其中对"空气-好""空气-清新"的认知最强烈,热力指数分别为0.961、0.479。【结论】研究证明大众风景意象在具备离散性的同时呈现趋同性;青秀山植... 

【文章来源】：中南林业科技大学学报. 2020,40(06)北大核心CSCD

【文章页数】：8 页

【部分图文】：

风景要素感知话语云

景点感知话语云

依据巴莱特定律，占意象感知80%的核心风景要素及景点代表大部分评价者的风景意象。青秀山核心景观要素为占总要素20%的前35个高频要素，累计词频占比80.27%；核心景点为占总景点30%的前18个高频景点，累计词频占比80.35%。核心风景要素与景点类型分布表明，在风景要素感知中自然型风景要素的敏感度较高，而景点感知自然型景点及人文型景点敏感度较为均衡（表1）。核心风景要素、核心景点的热力指数分布显示，景点词汇感知热度的离散性度大于景观要素词汇的感知热度，其中高热（H10>0.5）风景要素5个，景点6个；中热（0.5>H10>0.1）风景要素14个，景点12个；低热（0.1>H10）风景要素16个，景点0个（表2）。高热风景要素总体热力指数略低于高热景点，单项热力指数分布离散性更大，而高热景点的热力指数更加明显的集中于排名靠前的“龙象塔”与“观音禅寺”（表3～4）。图4 景点词频长尾结构

【参考文献】：
期刊论文
[1]基于视觉感知数据的历史地段城市意象研究——以北京老城什刹海滨水空间为例[J]. 刘祎绯,牟婷婷,郑红彬,孙平天,李翅.  规划师. 2019(17)
[2]丽江古城旅游地意象研究：基于网络文本的内容分析[J]. 彭丹,黄燕婷.  旅游学刊. 2019(09)
[3]广州市公园对比评价研究——基于社交媒体数据的文本分析[J]. 王志芳,赵稼楠,彭瑶瑶,岳文静.  风景园林. 2019(08)
[4]基于IPA方法的乡村生态旅游游客价值感知影响因素分析——以广西钟山县龙岩生态村为例[J]. 周妮笛,李毅,徐新龙,董清.  中南林业科技大学学报. 2018(12)
[5]基于时空大数据的城乡景观规划设计研究综述[J]. 党安荣,张丹明,李娟,许剑.  中国园林. 2018(03)
[6]中国赴澳大利亚游客的情感特征研究——基于大数据的文本分析[J]. 刘逸,保继刚,陈凯琪.  旅游学刊. 2017(05)
[7]基于网络评论的女性游园者历史景观感知研究——以天津中心城区历史公园为例[J]. 张天洁,张晶晶,师宇豪.  中国园林. 2016(03)
[8]岭南传统景观空间意象及构成要素研究——以余荫山房为例[J]. 张蕾,邹广天.  中国园林. 2014(12)



本文编号：3437200