王薇薇，沈守云，廖秋林，陳翠怡，孫 瑤

（中南林業(yè)科技大學(xué) a.風(fēng)景園林學(xué)院；b.湖南省自然保護(hù)地風(fēng)景資源大數(shù)據(jù)工程技術(shù)研究中心，湖南 長沙 410004）

風(fēng)景是人們生活、休閑、娛樂的重要組成部分，也是生態(tài)環(huán)境建設(shè)、旅游經(jīng)濟(jì)發(fā)展的重要資源。針對風(fēng)景資源評價的研究起源于20世紀(jì)下半葉，目前已成為具有大量文獻(xiàn)基礎(chǔ)的研究領(lǐng)域，并在風(fēng)景資源保護(hù)、建設(shè)與管理中發(fā)揮著重要的作用[1]。

傳統(tǒng)的風(fēng)景評價理論包括專家學(xué)派、心理物理學(xué)派、認(rèn)知學(xué)派、經(jīng)驗(yàn)學(xué)派[2]。在認(rèn)知學(xué)派中，凱文·林奇的城市意象開啟了設(shè)計領(lǐng)域環(huán)境感知探索的新篇章。林奇認(rèn)為，意象是觀察者按照自己的意愿對環(huán)境進(jìn)行選擇、組織并賦予相應(yīng)的意義。城市意象研究以地圖描繪為主，文字描繪為輔的方法開展，依此總結(jié)的空間認(rèn)知基本要素（路徑、地標(biāo)、邊界、街區(qū)、節(jié)點(diǎn)）已得到普遍認(rèn)可[3]。歷經(jīng)半個多世紀(jì)的發(fā)展，城市意象的研究為環(huán)境建設(shè)提供了重要理論依據(jù)，也被學(xué)者積極拓展至風(fēng)景園林研究領(lǐng)域。部分學(xué)者將城市意象與原型理論、場所理論相互結(jié)合開展園林構(gòu)成要素的量化評估[4]，但由于風(fēng)景園林在尺度、構(gòu)成要素方面與城市存在著較大差異，風(fēng)景領(lǐng)域的意象研究仍需深入探討。

隨著互聯(lián)網(wǎng)以及智能終端的普及，風(fēng)景資源評價朝著數(shù)據(jù)獲取方式更加多源、即時、客觀、精細(xì)、智能的方向前行。國內(nèi)外相關(guān)學(xué)者開始應(yīng)用包括定位數(shù)據(jù)、網(wǎng)絡(luò)話語、地理標(biāo)簽、興趣點(diǎn)等網(wǎng)絡(luò)眾包數(shù)據(jù)進(jìn)行行為規(guī)律、環(huán)境意象與審美的評價研究。附有地理標(biāo)簽的圖片以及短文本數(shù)據(jù)具有較強(qiáng)的時效性與精準(zhǔn)性，借助這些數(shù)據(jù)將風(fēng)景特征量化并可視化成為偏好地圖能輔助更準(zhǔn)確地進(jìn)行風(fēng)景評估，但由于無文字說明或者文字過于簡短，在環(huán)境意象評估上具有局限性[5-8]。相比之下，純文本網(wǎng)絡(luò)話語內(nèi)容豐富，對于分析大眾的審美情緒、公眾意象具有較高的敏感性。旅游領(lǐng)域利用網(wǎng)絡(luò)共享的博客、微博、發(fā)帖、推文、產(chǎn)品評論等話語分析游客的旅游目的地形象[9-11]，由于這些研究重視目的地旅游資源、旅游設(shè)施和旅游服務(wù)[12]，對于風(fēng)景審美本身的審視較為簡單。風(fēng)景園林領(lǐng)域針對網(wǎng)絡(luò)話語開展的風(fēng)景評價研究處于起步階段，一些學(xué)者開始利用文本話語進(jìn)行女性對公園的感知評價[13]、公園的使用滿意度評價[14]、環(huán)境空氣質(zhì)量評價[15]、以及使用公園的情緒評價[16]，采用的研究方法以詞頻分析、社會網(wǎng)絡(luò)分析、情感分析為主?？傮w上看，網(wǎng)絡(luò)話語的豐富資源尚未在風(fēng)景評估中得到充分利用，相關(guān)的研究方法與理論也在探索之中。

對于意象的傳統(tǒng)研究借助問卷與訪談采取自上而下的形式調(diào)查，調(diào)查樣本受到限制。自由多樣的網(wǎng)絡(luò)數(shù)據(jù)則為自下而上的研究提供了豐富的數(shù)據(jù)來源。以文本為基礎(chǔ)的網(wǎng)絡(luò)話語有助于研究人員更加直接的理解大眾風(fēng)景審美。本研究以青秀山風(fēng)景名勝區(qū)網(wǎng)絡(luò)話語為研究對象，利用Python 語言及相關(guān)技術(shù)手段，通過詞頻分析、共現(xiàn)分析提取大眾對青秀山風(fēng)景形態(tài)感知以及風(fēng)景形象的認(rèn)知，總結(jié)大眾風(fēng)景意象偏向及特征，為進(jìn)一步的話語情感分析奠定基礎(chǔ)。

1 研究區(qū)域概況與研究內(nèi)容

青秀山風(fēng)景名勝區(qū)位于南寧青秀區(qū),規(guī)劃總面積13.54 km2，其中已建成核心景區(qū)面積6.43 km2。作為南寧的“綠肺”，青秀山在生態(tài)、經(jīng)濟(jì)、社會環(huán)境建設(shè)中肩負(fù)起越來越重要的職責(zé)，成為政府、行業(yè)界和民眾共同珍視的“綠色明珠”。針對青秀山的大眾風(fēng)景感知研究對景區(qū)建設(shè)具有實(shí)際的指導(dǎo)意義。

本文以青秀山網(wǎng)絡(luò)評論、游記為研究對象，借助計算機(jī)語言開展風(fēng)景意象評價。在此，風(fēng)景意象是指風(fēng)景主體對風(fēng)景客體的感知和認(rèn)知理解，包含了兩方面的內(nèi)容：“象”——對風(fēng)景的形態(tài)的感知與識別，即風(fēng)景的實(shí)體表征；“意”——對風(fēng)景形象的認(rèn)知與構(gòu)建，即風(fēng)景在人們心中的特點(diǎn)與意義。依據(jù)大眾風(fēng)景意象進(jìn)行研究：1）大眾對于包括風(fēng)景要素及景點(diǎn)在內(nèi)的風(fēng)景形態(tài)敏感度評價；2）景區(qū)、景點(diǎn)以及要素的風(fēng)景形象認(rèn)知及其認(rèn)知網(wǎng)絡(luò)評價。

2 研究方法與技術(shù)

2.1 數(shù)據(jù)獲取與數(shù)據(jù)清洗

利用Scrapy 爬蟲框架爬取并篩選出2009年 1月—2018年8月攜程旅游網(wǎng)、去哪兒網(wǎng)、驢媽媽旅游網(wǎng)、百度旅游、新浪博客5 個網(wǎng)站中的青秀山評論5 436 條、游記745 篇。通過Python 中的第三方庫（Openpyxl）、內(nèi)置函數(shù)（set()）以及正則表達(dá)式完成對數(shù)據(jù)的清洗整理。運(yùn)用開源框架Jieba 分詞進(jìn)行中文分詞，并通過LTP 語言云平臺的接口包pyltpa 進(jìn)行詞性標(biāo)注，得到包括名詞、形容詞、動詞以及量詞在內(nèi)的詞匯20 239 個，詞頻共計97 464 次。

2.2 數(shù)據(jù)分析

首先，基于詞頻進(jìn)行風(fēng)景形態(tài)敏感度分析，并引入熱力指數(shù)來衡量風(fēng)景感知熱度。

熱力指數(shù)計算公式為：H=SS/TS。

計算以樣本的項(xiàng)目總頻次（TS）為分母，特定項(xiàng)目頻次（SS）為分子，得出某個特定項(xiàng)目在總樣本中出現(xiàn)的概率。熱力指數(shù)單位為10 分制（H10）。

然后，運(yùn)用二元語言模型（Bigram）進(jìn)行精確匹配，得出句子中的詞語的共現(xiàn)，并統(tǒng)計兩個目標(biāo)詞語之間共現(xiàn)次數(shù)，分析大眾話語中對于不同風(fēng)景的形象認(rèn)知及其特點(diǎn)。

2.3 數(shù)據(jù)可視化處理

利用Python 調(diào)用可視化工具，將風(fēng)景形態(tài)感知評價、風(fēng)景形象認(rèn)知評價以話語云、話語網(wǎng)絡(luò)的方式進(jìn)行可視化處理。

話語云：基于詞頻分析以視覺凸顯的形式將文本中的核心詞通過可視化圖像表示出來，形成風(fēng)景敏感度話語云、風(fēng)景形象認(rèn)知話語云。

話語網(wǎng)絡(luò)：借鑒社會網(wǎng)絡(luò)分析圖論法，基于共現(xiàn)分析將話語要素作為網(wǎng)絡(luò)中的節(jié)點(diǎn)，要素之間的關(guān)聯(lián)以線條連接，通過要素的空間結(jié)構(gòu)圖展示話語網(wǎng)絡(luò)內(nèi)容與特征。

3 結(jié)果與分析

3.1 青秀山風(fēng)景形態(tài)感知評價

3.1.1 風(fēng)景形態(tài)話語云

在風(fēng)景形態(tài)的描繪中，風(fēng)景要素詞匯共計185個，景點(diǎn)詞匯共計70 個。依據(jù)風(fēng)景要素與景點(diǎn)詞頻分別繪制要素及景點(diǎn)話語云（圖1～2）。風(fēng)景要素話語云表明，自然型風(fēng)景要素在形態(tài)感知中敏感度較高，感知內(nèi)容較豐富。高敏感風(fēng)景要素包括：“空氣”“青山嶺”“植物”“蘇鐵林” “樹木”“花卉”“桃花”“蘭花”；景點(diǎn)話語云表明，人文型景點(diǎn)與自然型景點(diǎn)在形態(tài)感知中敏感度較高。高敏感景點(diǎn)包括：“龍象塔”“觀音禪寺”“天池”“友誼長廊”“環(huán)山秀坪” “蘇鐵園”“桃花島”“蘭園”。

圖2 景點(diǎn)感知話語云Fig.2 Discourse cloud about general view spot perception

3.1.2 風(fēng)景形態(tài)感知詞頻特征

以風(fēng)景要素及景點(diǎn)高頻特征詞排序?yàn)樽宰兞?，詞頻為因變量，用Excel 進(jìn)行曲線估計，選擇指數(shù)函數(shù)和冪函數(shù)模型進(jìn)行擬合。結(jié)果顯示，風(fēng)景要素感知詞頻符合冪函數(shù)分布，模擬方程判定系數(shù)為R2=0.942 9，建立方程為y=397 8x-1.434；景點(diǎn)感知詞頻符合指數(shù)函數(shù)分布，指數(shù)函數(shù)模擬方程判定系數(shù)為R2=0.991 2，建立方程為y=620.31e-0.087x（圖3～4）。

大眾對風(fēng)景形態(tài)感知的詞頻呈現(xiàn)“長尾”分布特征，“頭部”詞匯反映出大眾對風(fēng)景要素、景點(diǎn)感知的共同傾向，“長尾”部分的感知則離散度較大，感知內(nèi)容因人而異。風(fēng)景要素詞頻分布符合巴萊特定律（Pareto’s principle），即20%的風(fēng)景要素（詞匯）在大眾感知中占據(jù)了80%的意象空間（詞頻）。景點(diǎn)的感知詞頻離散度稍高，其分布接近巴萊特定律，呈現(xiàn)出30/80 特征，即30%的景點(diǎn)（詞匯）在大眾感知中占據(jù)了80%的意象空間（詞頻）。

依據(jù)巴萊特定律，占意象感知80%的核心風(fēng)景要素及景點(diǎn)代表大部分評價者的風(fēng)景意象。青秀山核心景觀要素為占總要素20%的前35 個高頻要素，累計詞頻占比80.27%；核心景點(diǎn)為占總景點(diǎn)30%的前18 個高頻景點(diǎn)，累計詞頻占比80.35%。核心風(fēng)景要素與景點(diǎn)類型分布表明，在風(fēng)景要素感知中自然型風(fēng)景要素的敏感度較高，而景點(diǎn)感知自然型景點(diǎn)及人文型景點(diǎn)敏感度較為均衡（表1）。核心風(fēng)景要素、核心景點(diǎn)的熱力指數(shù)分布顯示，景點(diǎn)詞匯感知熱度的離散性度大于景觀要素詞匯的感知熱度，其中高熱（H10＞0.5）風(fēng)景要素5 個，景點(diǎn)6 個；中熱（0.5＞H10＞0.1）風(fēng)景要素14 個，景點(diǎn)12 個；低熱（0.1＞H10）風(fēng)景要素16 個，景點(diǎn)0 個（表2）。高熱風(fēng)景要素總體熱力指數(shù)略低于高熱景點(diǎn)，單項(xiàng)熱力指數(shù)分布離散性更大，而高熱景點(diǎn)的熱力指數(shù)更加明顯的集中于排名靠前的“龍象塔”與“觀音禪寺”（表3～4）。

圖3 風(fēng)景要素詞頻長尾結(jié)構(gòu)Fig.3 Long tail structure diagram about the word frequency of scenic elements

圖4 景點(diǎn)詞頻長尾結(jié)構(gòu)Fig.4 Long tail structure diagram about the word frequency of scenic spots

表1 核心風(fēng)景要素及景點(diǎn)類型統(tǒng)計Table 1 Category statistics of core scenic elements & scenic spots

表2 核心風(fēng)景要素及景點(diǎn)熱力等級統(tǒng)計Table 2 Thermal rating statistical of core scenic elements & scenic spots

表3 核心風(fēng)景要素高熱詞匯Table 3 High thermal vocabulary of core scenic elements

表4 核心景點(diǎn)高熱詞匯Table 4 High thermal vocabulary of core scenic spots

3.2 青秀山風(fēng)景形象認(rèn)知評價

3.2.1 總體風(fēng)景形象話語云

由共現(xiàn)分析得到與青秀山關(guān)聯(lián)的總體形象詞匯共計93 個，詞性以形容詞為主，同時包含少量名詞?？傮w形象話語云表明，“風(fēng)景優(yōu)美”代表了大部分評價者對青秀山的印象；“面積很大”說明大眾對形象認(rèn)知停留在淺層次的的物理空間理解；“不錯”“值得”“方便”“著名”“便宜”表明風(fēng)景的價值評判在大眾形象認(rèn)知中占據(jù)了較為重要的空間；其他詞匯涵蓋了對自然特色、交通與服務(wù)質(zhì)量的認(rèn)知；人文風(fēng)景特色在形象認(rèn)知中表達(dá)較弱（圖5）。

青秀山總體形象詞頻較低，其中公認(rèn)的“風(fēng)景優(yōu)美”僅共現(xiàn)119 次，其它詞匯共現(xiàn)頻率為50以下。熱力指數(shù)在高熱、中熱、地?zé)嵩~匯中逐級遞減，高熱詞匯中的熱力指數(shù)分布離散度也較大（表5～6）。

圖5 青秀山總體形象話語云Fig.5 Discourse cloud about overall image of mount Qingxiu

表5 青秀山總體形象詞匯熱力統(tǒng)計Table 5 Thermal rating statistics of overall image on mount Qingxiu

表6 青秀山總體形象高熱詞匯Table 6 High thermal vocabulary of overall image on mount Qingxiu

3.2.2 青秀山風(fēng)景形象認(rèn)知話語網(wǎng)絡(luò)

受網(wǎng)絡(luò)圖清晰度影響，難以依據(jù)20/80 定律進(jìn)行認(rèn)知網(wǎng)絡(luò)圖分析，經(jīng)反復(fù)試驗(yàn)確定以高頻前10的景點(diǎn)、風(fēng)景要素為核心抓取共現(xiàn)特征詞，并選取共現(xiàn)頻數(shù)前50%的詞組構(gòu)建話語網(wǎng)絡(luò)圖。由共現(xiàn)分析得到風(fēng)景要素及景點(diǎn)認(rèn)知詞組1 334 對，共現(xiàn)頻次共計4 240 次。選取共現(xiàn)頻次前50.1%的共現(xiàn)詞組共計68 對構(gòu)建風(fēng)景形象認(rèn)知網(wǎng)絡(luò)圖。風(fēng)景形象認(rèn)知網(wǎng)絡(luò)圖中，紅色圓形節(jié)點(diǎn)代表核心景點(diǎn)與景觀要素，藍(lán)色圓形節(jié)點(diǎn)表示與之共現(xiàn)的特征詞、其他景點(diǎn)及風(fēng)景要素，節(jié)點(diǎn)之間連線表示關(guān)聯(lián)性；節(jié)點(diǎn)大小表示詞匯出現(xiàn)的頻率，連線粗細(xì)表示共現(xiàn)詞組的共現(xiàn)頻次，即兩者之間的關(guān)聯(lián)強(qiáng)弱（圖6）。

圖6 風(fēng)景形象認(rèn)知網(wǎng)絡(luò)Fig.6 Cognitive network about landscape image

大眾對青秀山風(fēng)景要素及景點(diǎn)的形象認(rèn)知呈多中心結(jié)構(gòu)，形成了不同的網(wǎng)絡(luò)組團(tuán)。處于網(wǎng)絡(luò)中心的組團(tuán)為：植物組團(tuán)、空氣組團(tuán)、樹木組團(tuán)，組團(tuán)之間關(guān)聯(lián)度較高。其中植物組團(tuán)內(nèi)部網(wǎng)絡(luò)豐富度最高，表明大眾對植物的認(rèn)知較為深刻。樹木與空氣組團(tuán)內(nèi)部網(wǎng)絡(luò)結(jié)構(gòu)相對簡單。位于次中心的組團(tuán)為：蘭花、桃花、蘭園、桃花島組團(tuán)，組團(tuán)之間關(guān)聯(lián)較多，組團(tuán)內(nèi)部網(wǎng)絡(luò)結(jié)構(gòu)豐富度中等。位于邊緣的組團(tuán)為：瑤池-天池、建筑、鳳凰嶺組團(tuán)，組團(tuán)之間關(guān)聯(lián)度最低，組團(tuán)內(nèi)部網(wǎng)絡(luò)結(jié)構(gòu)豐富度較低。由共現(xiàn)頻率可知，高熱與中熱認(rèn)知詞組總計7 組，涵蓋了包括氣候、植物、地形、水體在內(nèi)的自然要素及景點(diǎn)認(rèn)知，其中“空氣” “植物”得到了廣泛認(rèn)可；低熱認(rèn)知詞組共61 組，少量人文型及復(fù)合型景點(diǎn)或要素出現(xiàn)在低熱認(rèn)知詞組中（表7～8）?？傮w而言，大眾對于風(fēng)景要素的認(rèn)知豐富程度大于對于景點(diǎn)的認(rèn)知，自然型要素與景點(diǎn)的認(rèn)知較為集中，人文型與復(fù)合型要素與景點(diǎn)的認(rèn)知較為分散。

表7 青秀山風(fēng)景特征共現(xiàn)詞組熱力等級統(tǒng)計Table 7 Thermal rating statistics of co-occurrence words for landscape features on mount Qingxiu

表8 青秀山風(fēng)景特征高熱及中熱共現(xiàn)詞組Table 8 High & medium thermal of score co-occurrence words for landscape features on mount Qingxiu

4 討論與結(jié)論

4.1 討 論

1）本研究搜集并篩選2009—2018年青秀山網(wǎng)絡(luò)話語樣本6 181 條，相對傳統(tǒng)調(diào)查方式獲取的樣本數(shù)量更大，但由于手機(jī)、電腦等智能終端使用人群多為中青年，不利于老年人、兒童的數(shù)據(jù)收集，部分網(wǎng)站基本信息的缺失也局限了不同人群的對比分析。

2）網(wǎng)絡(luò)話語最大程度降低了專家在研究過程的主觀影響，評價結(jié)果證實(shí)了該方法在風(fēng)景意象評價上的客觀性。從方法上看，網(wǎng)絡(luò)話語作為大眾體驗(yàn)風(fēng)景之后的自發(fā)評價，與劉祎緋等學(xué)者利用實(shí)驗(yàn)設(shè)備記錄觀察者觀察行為的現(xiàn)場試驗(yàn)的方法類似，屬于較為客觀的體驗(yàn)記錄。為明確評價者是否會因社交友好傾向在網(wǎng)絡(luò)中發(fā)布更積極的評價，今后可將現(xiàn)場試驗(yàn)與話語評價進(jìn)行相互結(jié)合并對比驗(yàn)證。從結(jié)果上看，話語的大眾風(fēng)景意象評價印證了相關(guān)研究：風(fēng)景形象認(rèn)知中對于“空氣清新”的普遍認(rèn)同證明了人對風(fēng)景的感知屬于全方位的體驗(yàn)[18]，嗅覺對于風(fēng)景偏好產(chǎn)生了不可忽視的影響[19-20]；“值得”“價格”的形象認(rèn)知則證明了經(jīng)濟(jì)因素對于風(fēng)景評價的影響[21]。

3）網(wǎng)絡(luò)話語的豐富性為研究從多維角度開展提供了可能。由于包涵了時空信息、語義信息、情感信息、關(guān)聯(lián)信息等內(nèi)容[22]，話語分析在分析風(fēng)景意象上比照片、簽到、短文本等數(shù)據(jù)更加直接、豐富。本研究通過詞頻分析（熱力指數(shù)）、共現(xiàn)分析等分析方法，以及話語云、話語網(wǎng)絡(luò)的可視化途徑，在語言的基礎(chǔ)上開展多維分析，但分析局限于文字本身。Dunkel 在研究中借助照片的地理標(biāo)簽將詞匯云與地圖結(jié)合的方式將文字與空間相互結(jié)合，拓展出更加立體的分析方法[6]。

4）在評價技術(shù)上，基于Python 編程語言及其相關(guān)技術(shù)的運(yùn)用較為高效，但仍存在改進(jìn)空間。風(fēng)景形態(tài)感知提取采用計算機(jī)語言進(jìn)行詞頻統(tǒng)計，需要增加人工分類判讀，智能性有待提升；網(wǎng)絡(luò)分析中應(yīng)用二元語言模型提取雙詞共現(xiàn)進(jìn)行網(wǎng)絡(luò)分析，準(zhǔn)確性高但全面性不足，僅能提取臨近詞語。劉逸等學(xué)者在研究中運(yùn)用的ROST-CM 文本分析軟件具有集合詞頻分析、網(wǎng)絡(luò)分析、情感分析等于一體的功能[23]，這一軟件使用較為便捷，今后可開展不同評價技術(shù)之間的對比分析以確定最有效的技術(shù)。

在未來的研究中應(yīng)進(jìn)一步分析話語的情感特征、社會文化特征，加強(qiáng)時間、地域、代際、性別、職業(yè)差異、話語的傳播特征研究，獲取更加具體的風(fēng)景主體與風(fēng)景客體之間的關(guān)聯(lián)，提高計算機(jī)自然語言處理的精準(zhǔn)度、智能化，同時增強(qiáng)軟文廣告語、虛假評論的鑒別力。

4.2 結(jié) 論

1）風(fēng)景話語證明大眾風(fēng)景意象在具備離散性的同時呈現(xiàn)趨同性，可用于分析評價者的風(fēng)景意象偏向，同時發(fā)掘具有潛在價值的風(fēng)景資源。青秀山風(fēng)景要素形態(tài)感知符合巴萊特定律（Pareto's principle），即20%的詞匯占據(jù)了80%的詞頻，景點(diǎn)感知評價則接近該定律，30%的詞匯占據(jù)了80%的詞頻。

2）網(wǎng)絡(luò)話語較為客觀的反映出大眾風(fēng)景意象，對景區(qū)管理建設(shè)提供了指導(dǎo)。一方面，自然型風(fēng)景得到了大眾的普遍認(rèn)可，人文型風(fēng)景是青秀山有待發(fā)展的優(yōu)勢資源：青秀山植物型要素、植物型景點(diǎn)、文化型景點(diǎn)感知度較高，其熱力指數(shù)分別為7.188、3.519、3.252；大眾對于自然風(fēng)景要素的認(rèn)知較為豐富和深刻，植物、空氣、樹木組團(tuán)占據(jù)了風(fēng)景要素及景點(diǎn)形象認(rèn)知網(wǎng)絡(luò)核心位置。景區(qū)應(yīng)在加強(qiáng)植物資源的保護(hù)、利用與開發(fā)同時提升景區(qū)文化資源的利用。另一方面，大眾傾向于從直覺與價值評判層面進(jìn)行風(fēng)景形象認(rèn)知：“風(fēng)景優(yōu)美”“值得”“面積很大”在總體形象認(rèn)知評價中形成了普遍共識，熱力指數(shù)分別為1.964、0.792、0.693；“空氣-好”“空氣-清新”在要素及景點(diǎn)認(rèn)知中最強(qiáng)烈，熱力指數(shù)分別為0.961、0.479。景區(qū)應(yīng)在注重大眾審美直覺需求的基礎(chǔ)上，提升大眾審美，朝著審美情趣更高、更注重文化內(nèi)涵的方向引導(dǎo)。

3）話語評價方法具有較高的靈活性及敏感性，符合網(wǎng)絡(luò)話語自由豐富的特點(diǎn)。Python 編程語言及其相關(guān)技術(shù)較為智能高效，能搜集時間跨度較大的文本內(nèi)容并進(jìn)行評價分析，降低了研究的時間、人力及物力成本。

網(wǎng)絡(luò)話語具有自由性、豐富性的特點(diǎn)，客觀地反映出大眾風(fēng)景意象；話語評價方法及技術(shù)靈敏度、準(zhǔn)確性、效率較高，客觀地總結(jié)了評價內(nèi)容。雖然存在一定的局限，但在解決版權(quán)問題并保護(hù)隱私的前提之下，網(wǎng)絡(luò)話語分析為大眾參與風(fēng)景資源建設(shè)提供更廣闊的渠道，為進(jìn)一步應(yīng)用于風(fēng)景話語情緒分析及其他相關(guān)評價研究奠定了基礎(chǔ)。