用户评论数据中城市街区细粒度主观感知发现

doi:10.3969/j.issn.1006-2475.2025.08.005

计算机与现代化 ›› 2025, Vol. 0 ›› Issue (08): 31-38.doi: 10.3969/j.issn.1006-2475.2025.08.005

用户评论数据中城市街区细粒度主观感知发现

（1.沈阳建筑大学计算机科学与工程学院，辽宁沈阳 110168； 2.辽宁省城市建设大数据管理与分析重点实验室，辽宁沈阳 110168； 3.国家特种计算机工程技术研究中心沈阳分中心，辽宁沈阳 110168）

出版日期:2025-08-27 发布日期:2025-08-27
作者简介: 作者简介：孙焕良（1969—），男，黑龙江望奎人，教授，博士生导师，博士，CCF会员，研究方向：空间数据管理，数据挖掘，E-mail： sunhl@sjzu.edu.cn；通信作者：李宇航（1999—），女，黑龙江鹤岗人，硕士研究生，CCF学生会员，研究方向:数据挖掘，表示学习，E-mail： 1255696226@qq.com；刘俊岭（1972—），辽宁沈阳人，副教授，博士，CCF会员，研究方向:空间数据挖掘，人工智能；许景科（1976—），男，辽宁海城人，教授，博士，CCF会员，研究方向:时空数据库和数据挖掘。
基金资助:
基金项目：国家自然科学基金资助项目（62073227）；国家重点研发计划课题（2021YFF0306303）；辽宁省教育厅项目（LJKMZ20220916， JYTMS20231596）

Discovery of Fine-grained Subjective Perception of Urban Blocks in User Comment Data

SUN Huanliang1，2， LI Yuhang1，2， LIU Junling1，2， XU Jingke1，2，3

Online:2025-08-27 Published:2025-08-27

摘要/Abstract

摘要： 摘要：城市街区的主观感知作为评估城市建设与规划的重要维度之一，合理分析街区与主观感知的联系将有助于打造更人性化和宜居的城市空间。本文基于表示学习技术，结合用户评论内容来发现街区与主观感知间的结构特征，并解决了现有街区感知粒度粗、数据缺失等问题。首先，提出一种细粒度感知类别体系，通过分析感知词典与POI （Points of Interest）用户评论数据，采用LDA分析主题词并结合层次聚类构建细粒度的街道感知类别；其次，针对数据不完整问题，设计相似度加权的k近邻填充方法，通过大类、小类、地理位置等信息有效地补充了缺失的POI评价内容；最后，采用自编码器将街区感知转化为潜在的特征向量。利用北京的真实数据集，针对街区房价进行分级排序、实验评估，验证所提出方法的有效性。

关键词: 关键词：城市感知, 细粒度感知, 缺失值填充, 表示学习, KNN

Abstract: （1. School of Computer Science and Engineering， Shenyang Jianzhu University， Shenyang 110168， China；
2. Liaoning Provincial Key Laboratory of Big Data Management and Analysis for Urban Construction， Shenyang 110168， China；
3. Shenyang Branch of National Special Computer Engineering Technology Research Center， Shenyang 110168， China）
Abstract： As one of the important dimensions for evaluating urban construction and planning， the subjective perception of urban blocks will help to create a more humane and livable urban space. Based on the representation learning technology and combined with the content of user comments， this paper discovers the structural characteristics between the neighborhood and the subjective perception， and solves the problems of coarse granularity and lack of data in the existing neighborhood perception. Firstly， a fine-grained perception category system is proposed， which analyzes the perception dictionary and POI （Points of Interest） user comment data， analyzes the subject words by LDA and combined with hierarchical clustering to construct a fine-grained street perception category. Secondly， in order to solve the problem of incomplete data， a similarity-weighted k-nearest neighbor filling method is designed， which effectively supplementes the missing POI evaluation content through the information of large category， small category， and geographical location. Finally， the autoencoder is used to transform the neighborhood perception into potential feature vectors. The real dataset of Beijing is used to evaluate the grading and ranking of housing prices in the neighborhood， and the effectiveness of the proposed method is verified.

Key words: Key words： urban perception, fine-grain perception, missing value padding, representation learning, KNN

中图分类号:

中图分类号：TP391

孙焕良1, 2, 李宇航1, 2, 刘俊岭1, 2, 许景科1, 2, 3. 用户评论数据中城市街区细粒度主观感知发现[J]. 计算机与现代化, 2025, 0(08): 31-38.

参考文献

［1］谭少华，胡亚飞，韩玲. 基于人群心理满足的城市美丽街道环境特征研究［J］. 新建筑， 2016（1）:64-70.
［2］ DING W Q， WEI Q Q， JIN J， et al. Research on public space microrenewal strategy of historical and cultural blocks in sanhe ancient town under perception quantification［J］. Sustainability， 2023，15（3）. DOI: 10.3390/su15032790.
［3］ CHEN X， LI J， HAN W X， et al. Urban tourism destination image perception based on LDA integrating social network and emotion analysis: The example of Wuhan［J］. Sustainability， 2022，14（1）. DOI: 10.3390/su14010012.
［4］ QIU W S， LI W J， LIU X， et al. Subjectively measured streetscape perceptions to inform urban design strategies for Shanghai［J］. ISPRS International Journal of Geo-Information， 2021，10（8）. DOI: 10.3390/ijgi10080493.
［5］万传玮，王荣华，孙欣琨. 基于街景图片与语义分割技术的徐州市老城区街道安全感知评价研究［J］. 农业与技术， 2022，42（17）:125-130.
［6］吕小勇，汤豪，李红芳，等. 基于PSPL和SD法的生活性街道空间感知调查与优化策略研究:以天津市岳湖道为例［J］. 北京建筑大学学报， 2021，37（3）:9-19．
［7］易峥，李继珍，冷炳荣，等. 基于微博语义分析的重庆主城区风貌感知评价［J］. 地理科学进展， 2017，36（9）:1058-1066.
［8］姚蕴芳. 基于网络评论的建成环境使用后主观评价方法研究——以福州三坊七巷历史文化街区为例［D］. 广州:华南理工大学， 2020.
［9］张耀方，陈坚. 基于时空特征对抗网络的路网交通流缺失数据补全方法［J］. 公路， 2024，69（5）:312-318.
［10］ ORDONEZ V， BERG T L. Learning high-level judgments of urban perception［C］// 13th European Conference on Computer Vision. Springer， 2014:494-510.
［11］ YAO Y， LIANG Z T， YUAN Z H， et al. A human-machine adversarial scoring framework for urban perception assessment using street-view images［J］. International Journal of Geographical Information Science， 2019，33（12）:2363-2384.
［12］ LIU R X， XIAO J. Factors affecting users’ satisfaction with urban parks through online comments data: Evidence from Shenzhen， China［J］. International Journal of Environmental Research and Public Health， 2021，18（1）. DOI: 10.3390/ijerph18010253.
［13］李念，陈其兵，姜涛. 基于网络数据的国家湿地公园游客感知分析［J］. 地域研究与开发， 2020，39（1）:89-93.
［14］高祥. 基于扩展情感词典的短文本情感分析技术研究［D］. 青岛：青岛理工大学， 2020.
［15］王璐，马宏伟，吕欢欢. 方面级文本情感分析综述［J］. 计算机应用， 2022，42（增2）:1-9.
［16］ ZHOU J H， LU Y， DAI H N， et al. Sentiment analysis of Chinese microblog based on stacked bidirectional LSTM［J］. IEEE Access， 2019，7:38856-38866.
［17］ HORTON N J，LAIRD N M. Maximum likelihood analysis of generalized linear models with missing covariates［J］. Statistical Methods in Medical Research， 1999，8（1）：37-50.
［18］ STRIKE K， EMAN E K， MADHAVJI N. Software cost estimation with incomplete data［J］. IEEE Transactions on Software Engineering， 2001，27（10）:890-908.
［19］ BERTSIMAS D， PAWLOWSKI C， ZHUO Y D. From predictive methods to missing data imputation： An optimization approach［J］. The Journal of Machine Learning Research， 2017，18（1）:7133-7171.
［20］张赤，丰洪才，金凯，等. 基于聚类分析的缺失数据最近邻填补算法［J］. 计算机应用与软件， 2014，31（5）:282-284.
［21］李志杰，廖旭红，李元香，等. 基于基因关联分析的贝叶斯网络疾病样本分类算法［J/OL］. 计算机应用:1-12（2024-08-02）［2024-09-15］. http://kns.cnki.net/kcms/detail/51.1307.TP.20240802.1212.002.html.
［22］ RAZAVI-FAR R， CHENG B Y， SAIF M， et al. Similarity-learning information-fusion schemes for missing data imputation［J］. Knowledge-Based Systems， 2020，187. DOI: 10.1016/j.knosys.2019.06.013.
［23］ FENG X D， XIAO Z， ZHONG B， et al. Dynamic weighted ensemble classification for credit scoring using Markov Chain. Applied Intelligence， 2019，49（2）:555-568.
［24］ ZHENG L， HUANG H M， ZHU C， et al. A tensor-based K-nearest neighbors method for traffic speed prediction under data missing［J］. Transportmetrica B: Transport Dynamics， 2020，8（1）:182-199.
［25］ BENGIO Y， COURVILLE A， VINCENT P. Representation learning: A review and new perspectives［J］. IEEE Transactions on Pattern Analysis and Machine Intelligence， 2013，35（8）:1798-1828.
［26］ WANG H J， LI Z H. Region representation learning via mobility flow［C］// Proceedings of the 2017 ACM on Conference on Information and Knowledge Management. ACM， 2017:237-246.
［27］ YAN J， LIU N， YAN S C， et al. Trace-oriented feature analysis for large-scale text data dimension reduction［J］. IEEE Transactions on Knowledge and Data Engineering. 2011， 23（7）:1103-1117.
［28］ ZHANG M Y， LI T， LI Y， et al. Multi-view joint graph representation learning for urban region embedding［C］// Proceedings of the 29th International Conference on International Joint Conferences on Artificial Intelligence. International Joint Conferences on Artificial Intelligence Organization， 2021:4431-4437.
［29］ WANG P Y， FU Y J， ZHANG J W， et al. Learning urban community structures: A collective embedding perspective with periodic spatial-temporal mobility graphs［J］. ACM Transactions on Intelligent Systems and Technology （TIST）， 2018，9（6）:63.1-63.28.
［30］彭群洁. 城市新区道路慢行交通系统规划研究［D］. 武汉:武汉理工大学， 2013.
［31］杨俊宴，吴浩，郑屹. 基于多源大数据的城市街道可步行性空间特征及优化策略研究——以南京市中心城区为例［J］. 国际城市规划， 2019，34（5）:33-42.
［32］ NASAR J L. Perception， cognition， and evaluation of urban places［M］// Public Places and Spaces. Springer， 1989:31-56.
［33］ DENG J， DONG W， SOCHER R， et al. ImageNet: A large-scale hierarchical image database［C］// 2009 IEEE Conference on Computer Vision and Pattern Recognition. IEEE， 2009:248-255.
［34］雷武，廖闻剑，彭艳兵. 基于随机森林与LambdaMART的搜索排序模型［J］. 计算机与现代化， 2017（3）:54-58.
［35］ DONG X S， LIN L J， ZHANG R Y， et al. TOBMI: Trans-omics block missing data imputation using a k-nearest neighbor weighted approach［J］. Bioinformatics， 2019，35（8）:1278-1283.
［36］赵芳. 基于参考位置指纹离散程度的WKNN定位方法［J］. 沈阳工业大学学报， 2021，43（2）:203-207.
［37］ HUANG W M， ZHANG D K， MAI G C， et al. Learning urban region representations with POIs and hierarchical graph infomax［J］. ISPRS Journal of Photogrammetry and Remote Sensing， 2023，196:134-145.
［38］王浩畅，王宇坤，Marius Gabriel Petrescu. 融合情感词典与深度学习的文本情感分析研究［J］. 计算机与数字工程， 2024，52（2）:451-455.

[1]	石丰源１, 2, 毛毅3, 焦磊4. 基于异质信息网络的图书跨域推荐方法[J]. 计算机与现代化, 2025, 0(08): 24-30.
[2]	曹璐, 丁苍峰, 马乐荣, 延照耀, 游浩. 多级联合图嵌入亲脂性分子分类[J]. 计算机与现代化, 2025, 0(03): 12-21.
[3]	耿化聪, 梁宏涛, 刘国柱. 基于知识图谱与协同过滤的饮食推荐算法[J]. 计算机与现代化, 2021, 0(08): 24-29.
[4]	周丽1,2，申国伟1,2，赵文波1,2，周雪梅1,2. 一种基于GAN的异构信息网络表示学习方法[J]. 计算机与现代化, 2020, 0(05): 89-.
[5]	张紫璇,陆佳民,姜笑,冯钧. 面向水利信息资源的智能问答系统构建与应用[J]. 计算机与现代化, 2020, 0(03): 65-.

用户评论数据中城市街区细粒度主观感知发现

Discovery of Fine-grained Subjective Perception of Urban Blocks in User Comment Data

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 5

编辑推荐

Metrics

本文评价