葉光輝 畢崇武

摘?要：[目的/決義]基于標簽語義挖掘的城市畫像是表達公眾認知視角下城市多維特征的結(jié)構(gòu)視圖，其計算與應(yīng)用研究可為城市治理中的交互式服務(wù)提供有效的數(shù)據(jù)支撐和評測尺度。[方法/過程]隨著城市所處技術(shù)環(huán)境的變遷，城市畫像研究可劃分為3個序貫相連的階段：傳統(tǒng)社會學階段是萌芽期，此時城市畫像研究逐步由實體層面的認知分析拓展到心理層面的認知分析;社會化標簽的多維分析是過渡期，為后續(xù)以標簽資源為基礎(chǔ)的研究提供了多角度分析的路徑;自媒體時代研究是拓展期，強調(diào)運用機器學習等智能方法從大規(guī)模標簽資源中挖掘公眾認知。[結(jié)果/結(jié)論]各階段的研究成果將有效拓展標簽利用場景及理論方法，系統(tǒng)構(gòu)建城市畫像計算與應(yīng)用范式提供參考。

關(guān)鍵詞：社會化標簽;城市畫像;語義挖掘;結(jié)構(gòu)視圖;位置數(shù)據(jù)

DOI：10.3969/j.issn.1008-0821.2021.02.017

〔中圖分類號〕G203?〔文獻標識碼〕A?〔文章編號〕1008-0821（2021）02-0162-06

Abstract：[Purpose/Significance]The city profile based on tags semantic mining is a structural view of urban multidimensional features from the perspective of public cognition，the study of its calculation and application can provide effective data support and evaluation criteria for interactive services in urban governance.[Method/Process]According to the change of the technical environment in which the city is located，the study of urban portraits can be divided into three sequential stages as follows：the traditional sociological analysis is the germination stage.At this time，the urban portrait study was gradually extended from the cognitive analysis at the substantive level to the cognitive analysis at the psychological level;The multidimensional analysis of socialized tags was a transitional period that provides a multi-angle analysis path for subsequent research based on tag resources;Research in the media era was an extended period，emphasizing the use of intelligent methods such as machine learning to mine public perception from large-scale tag resources.[Pesult/Conclusion]The research results at each stage would effectively expand the label utilization scenarios and theoretical methods，and provide a reference for systematically constructing urban image calculation and application paradigms.

Key words：social tags;city profile;semantic mining;structural view;location data

當前許多智慧城市建設(shè)項目主要關(guān)注城市基礎(chǔ)設(shè)施布局，著力通過新一代信息技術(shù)來提升城市硬件的智能化程度，但隨著智慧城市建設(shè)熱度的不斷上升，城市間基礎(chǔ)設(shè)施的差距正在逐步縮小，“如何培育城市形象，改善公眾印象”已成為新時期城市智慧化管理和服務(wù)的焦點議題。

隨著移動網(wǎng)絡(luò)和政務(wù)社交媒體的融合發(fā)展，面向公眾的交互式服務(wù)平臺越來越多，它們正逐步發(fā)展成為公眾“連接政務(wù)”的重要窗口。據(jù)中國互聯(lián)網(wǎng)絡(luò)信息中心（CNNIC）發(fā)布的第41次《中國互聯(lián)網(wǎng)絡(luò)發(fā)展狀況統(tǒng)計報告》顯示，截至2017年12月，我國在線政務(wù)服務(wù)用戶規(guī)模達到4.85億，占總體網(wǎng)民的62.9%，微信城市服務(wù)、政務(wù)微博等政務(wù)服務(wù)平臺不斷擴張服務(wù)范圍，上線并完善多類服務(wù)，并向縣域下沉。與此同時，平臺本身所集聚的標簽、評論等語義資源也正呈指數(shù)級增長，這既給信息保管帶來了極大的挑戰(zhàn)，也給城市畫像研究提供了大數(shù)據(jù)分析的契機。目前美國聯(lián)邦機構(gòu)、英國國家圖書館與檔案館、加拿大圖書檔案館等都已開展了政務(wù)社交媒體信息保管項目（如美國“總統(tǒng)奧巴馬社交媒體歸檔”項目），呼吁從管理、司法、技術(shù)與人文等方面識別目前的挑戰(zhàn)與構(gòu)建適用的策略。標簽作為政務(wù)社交媒介資源中最為輕量級的語義片段，承載著公眾對城市某一特征的看法、認知、評價和情感。基于標簽語義挖掘的城市畫像正是基于大數(shù)據(jù)分析、機器學習、交互可視化等創(chuàng)新應(yīng)用獲取的公眾對城市整體特征的群體性描述，是大多數(shù)人對城市擁有的共同心理圖像，是具有社會化權(quán)重的城市印象集合。

這種由公眾依據(jù)自我認知形成的共同記憶，就像城市的一張名片，能夠充分反映城市個性與特征，展現(xiàn)城市形象與內(nèi)涵，對驅(qū)動新型社會治理模式的形成具有重要作用，集中體現(xiàn)為：

1）構(gòu)建基于標簽語義挖掘的城市畫像計算模型，有助于拓展標簽在公眾認知發(fā)掘中的有效利用場景及理論方法。城市畫像是標簽語義挖掘的可視結(jié)果，是表達公眾認知視角下城市多維特征的結(jié)構(gòu)視圖。該結(jié)構(gòu)視圖的形成需要經(jīng)歷數(shù)據(jù)采集、數(shù)據(jù)整合、數(shù)據(jù)分析、數(shù)據(jù)可視化等一系列計算環(huán)節(jié)，涵蓋個體認知特征智能提取與分面融合、城市畫像特征計算等核心內(nèi)容。城市畫像計算模型可為城市網(wǎng)絡(luò)社群發(fā)掘、公共政策有效性評估等一系列交互式服務(wù)提供數(shù)據(jù)支撐和評測尺度，同時拓展標簽數(shù)據(jù)建模與挖掘方法的應(yīng)用場景，形成從標簽整合到特征選擇，再到特征計算的分析模式。

2）設(shè)計基于城市畫像的多維分析算法，推動城市畫像衍生性應(yīng)用的創(chuàng)設(shè)。通過城市畫像計算模型可獲取目標城市多個連續(xù)周期的數(shù)據(jù)畫像，借此可挖掘城市畫像的演化路徑及誘發(fā)機理。城市畫像關(guān)聯(lián)到的特征標簽具有情感極性，借助相關(guān)算法和領(lǐng)域詞典可對公眾認知的情感傾向進行分析，同時標簽詞間還存在著客觀知識聯(lián)系，通過語義關(guān)系及強度分析可對不同分面下的城市耦合網(wǎng)絡(luò)進行深度語義挖掘。時序分析、情感分析、網(wǎng)絡(luò)分析等共同形成了城市畫像多維分析的計算內(nèi)核，面向城市治理的典型場景，該內(nèi)核可為城市畫像衍生性應(yīng)用的創(chuàng)設(shè)提供基礎(chǔ)方法支撐，規(guī)范和推動現(xiàn)有城市畫像應(yīng)用基礎(chǔ)研究。

本文融合了數(shù)據(jù)科學、網(wǎng)絡(luò)科學、計算科學等多主題領(lǐng)域的研究成果，以城市畫像演進路徑為脈絡(luò)，研究從城市畫像的傳統(tǒng)社會學研究、社會化標簽的多維度分析和自媒體時代的城市畫像研究等主題來解析國內(nèi)外研究現(xiàn)狀及發(fā)展動態(tài)。

1?城市畫像的傳統(tǒng)社會學研究

20世紀60年代，MIT城市規(guī)劃大師Lynch K[1]首次將印象（Mental-image，或譯為意象）的概念應(yīng)用于城市畫像研究，認為印象是觀察者與城市之間雙向作用的產(chǎn)物，他采用繪制認知地圖的方法，詳細分析了美國波士頓、澤西城和洛杉磯三地的城市畫像，將城市畫像的構(gòu)成要素概括為5種：道路、邊沿、區(qū)域、節(jié)點和標識[1-2]。此后，很多學者普遍采用與之相似的問卷調(diào)查、深度訪談、意向草圖等社會學調(diào)查方法，對城市畫像的構(gòu)成要素、區(qū)域分布及品質(zhì)特征展開研究。由于印象是公眾對城市特征的主觀感受，生活經(jīng)歷、文化背景等個體差異均會對城市畫像的形成產(chǎn)生影響，為此部分學者避開了心理學家感興趣的個性差異問題，重點考慮公眾對城市的共同畫像。研究發(fā)現(xiàn)，盡管不同個體形成的城市畫像有所差異，但是相似個體形成的城市畫像之間具有很多共同點，如Lee W J等[4]對比分析了不同環(huán)境下本地居民和外地游客對城市畫像的感知差異;白凱等[3]探究了不同文化群體對城市色彩畫像的差異，發(fā)現(xiàn)個體的城市色彩畫像會隨著周圍文化情境的轉(zhuǎn)變而變化，但相近文化群體間的城市色彩畫像具有相似性。

自20世紀80年代末，學者轉(zhuǎn)變了城市畫像研究的視角，認為城市畫像不僅包括實體的視覺感知，還包括伴隨著公眾活動的更為復(fù)雜的社會感知，即城市畫像構(gòu)成中的非實體性元素。城市畫像研究從原本單純的實體空間結(jié)構(gòu)研究，發(fā)展到綜合政治、經(jīng)濟、文化、環(huán)境等多種要素的社會研究，如Laaksonen P等[6]采用視覺拼接技術(shù)和群體焦點訪談法將城市畫像劃分為觀察層面、評價層面和氛圍層面3個層面，城市畫像的構(gòu)成劃分為自然屬性、建筑環(huán)境、文化和產(chǎn)業(yè)4個方面;Luque-Martinez T等[7]在深入訪談的基礎(chǔ)上，建構(gòu)了一般性的城市畫像結(jié)構(gòu)模型，將城市畫像劃分為歷史、環(huán)境、社會、文化等12個與城市居民居住滿意度呈強正相關(guān)的構(gòu)成因素。

綜上分析可知，城市畫像的傳統(tǒng)社會學研究與“城市印象”內(nèi)涵的變化存在著緊密的聯(lián)系：最初城市印象限定并強調(diào)了城市觀察者的所見事物，只關(guān)注構(gòu)筑城市的實體環(huán)境，忽略了公眾對城市的非物質(zhì)認知;后期城市印象內(nèi)涵延伸到了城市系統(tǒng)的社會屬性，城市畫像構(gòu)建與分析方法也由實體層面的認知分析拓展到心理層面的認知分析。

2?社會化標簽的多維度分析

作為適應(yīng)Web 2.0環(huán)境下的一種網(wǎng)絡(luò)分析方法，社會網(wǎng)絡(luò)分析不僅關(guān)注單個實體的個體特征，更關(guān)注實體之間構(gòu)成的社會關(guān)系的屬性、結(jié)構(gòu)及其潛在特征。大量學者從社會化網(wǎng)絡(luò)的結(jié)構(gòu)與功能入手，開展了網(wǎng)絡(luò)結(jié)構(gòu)的計量分析和動態(tài)演化分析，試圖發(fā)現(xiàn)社會網(wǎng)絡(luò)結(jié)構(gòu)中的關(guān)鍵節(jié)點和具有相似特征的節(jié)點集合，從而為個性化網(wǎng)絡(luò)服務(wù)提供路徑。在眾多研究中，有關(guān)標簽的研究尤其突出，而且不同領(lǐng)域?qū)W者的研究視角存在著一定差異，主要分為：①采用自然語言處理（NLP，Natural Language Processing）技術(shù)和方法處理標簽問題：標簽是大眾分類法的產(chǎn)物，受控程度較低，層級結(jié)構(gòu)未被清晰揭示，用戶使用標簽進行話題標記，規(guī)范化程度不高，因而會出現(xiàn)異詞同義、一詞多義、上下文語境等自然語言處理問題，這些問題對標簽組織、標簽網(wǎng)絡(luò)分析、標簽應(yīng)用分析的效果都造成了較大影響，因此計算機領(lǐng)域研究者類比半結(jié)構(gòu)化文本處理方式，對標簽集合進行了清洗去重[8]、可信度評估[9]、層級關(guān)系構(gòu)建[10]、情感分析[11-12]、聚類及分類[13-14]等研究工作。②采用網(wǎng)絡(luò)科學方法進行標簽分析：網(wǎng)絡(luò)科學改變了基于數(shù)據(jù)庫、關(guān)聯(lián)規(guī)則的標簽分析策略，試圖通過社會網(wǎng)絡(luò)和復(fù)雜網(wǎng)絡(luò)的分析指標、模型、算法等來發(fā)掘在線社交網(wǎng)絡(luò)的熱點話題、熱點人物及網(wǎng)絡(luò)結(jié)構(gòu)。在線社交網(wǎng)絡(luò)可理解成以多維語義元素為節(jié)點，不同語義元素相互關(guān)聯(lián)形成的元網(wǎng)絡(luò)[15]，在此概念模型基礎(chǔ)之上，鑒于標簽、話題、用戶間的多重性關(guān)系，通過主題發(fā)掘[16]、社團發(fā)現(xiàn)[17]、鏈路預(yù)測[18]、協(xié)同過濾[19]等方法深化揭示出節(jié)點的網(wǎng)絡(luò)特征、整體或局部網(wǎng)絡(luò)特征，進而為用戶興趣建模[20-21]、內(nèi)容推薦[22]、知識發(fā)現(xiàn)與推送[23-24]等應(yīng)用的實現(xiàn)提供參考路徑。③采用傳播學、心理學理論與方法進行標簽分析：在線社交網(wǎng)絡(luò)為用戶提供了交流的信息空間，用戶因話題而聚集在一起，而話題是社會化輿情產(chǎn)生、發(fā)酵、傳播的重要載體。為加強輿情監(jiān)控，實現(xiàn)對網(wǎng)絡(luò)輿情信息流的截斷和引導(dǎo)，傳播學和心理學領(lǐng)域?qū)撕瀭鞑25]、信息擴散[26]、輿情分析[27]、行為分析與挖掘[28]、基于標簽的用戶人格預(yù)測[29]等主題開展了深入研究。④采用文獻學理論與方法進行標簽分布分析：社交媒介的發(fā)展正改變著傳統(tǒng)科學文獻交流的范式，為揭示科學文獻交流過程的重要經(jīng)驗法則是否適用于標簽分布分析，相關(guān)研究[30-33]開展了一系列驗證分析和應(yīng)用分析。驗證分析主要說明傳統(tǒng)經(jīng)驗法則在網(wǎng)絡(luò)環(huán)境的適用性;在驗證分析基礎(chǔ)之上，應(yīng)用分析主要說明上述定律在資源發(fā)現(xiàn)等實際應(yīng)用中的關(guān)鍵作用。

綜上分析可知，社會化標簽研究是多學科交叉融合的主題領(lǐng)域，各學科研究邊界相對模糊，且研究之間存在著相互支撐，共同形成了標簽研究的全貌。本研究顯然更關(guān)注第一、二部分研究進展，但目前這部分研究更偏向于標簽網(wǎng)絡(luò)宏觀結(jié)構(gòu)的揭示，將虛擬標簽與現(xiàn)實問題相結(jié)合的研究明顯不足，對標簽網(wǎng)絡(luò)增長態(tài)勢與語義挖掘模式的研究仍需完善。結(jié)合上述現(xiàn)狀分析，研究將以描述公眾印象的社會化標簽為計算資源，探索城市畫像計算與應(yīng)用模型。

3?自媒體時代的城市畫像研究

隨著移動設(shè)備和社交網(wǎng)絡(luò)的普及，公眾可隨時隨地在社交網(wǎng)絡(luò)中發(fā)表自身對某座城市的真實感受，這些都為城市畫像提供了海量的分析數(shù)據(jù)。社交網(wǎng)絡(luò)使得人成為海量數(shù)據(jù)的分享者，而這些數(shù)據(jù)又匯聚起來以群體智慧的方式為城市發(fā)展貢獻價值。通過對用戶描述城市特征的文字、圖片、表情、標簽等行為數(shù)據(jù)的分析，可歸納出公眾對某座城市整體印象的共同認知。社交媒體為過去以調(diào)查、訪談、認知地圖等傳統(tǒng)社會科學為主要研究手段的城市畫像研究，提供了大數(shù)據(jù)分析的入口，典型研究如謝永俊等[34]基于社交網(wǎng)絡(luò)中的微博數(shù)據(jù)，運用文本挖掘和地理大數(shù)據(jù)分析方法獲取城市各個熱點區(qū)域的城市特征，感知不同人群在不同場所的活動態(tài)度和偏好;鄧力凡等[35]采用支持SVM的機器學習算法，將微博用戶自動分類為城市居民和外地游客兩類，并探究了不同人群在城市感知區(qū)域和強度上的差異;Wong C U I等[36]利用TripAdvior旅游網(wǎng)站上2005—2013年用戶在線評論數(shù)據(jù)，通過文本分析方法提取澳門在這一時間段的城市畫像，并應(yīng)用可視化技術(shù)展現(xiàn)畫像的演化過程;Liu L等[42]利用深度學習技術(shù)對Panoramio和Flickr照片數(shù)據(jù)集進行印象分類，統(tǒng)計分析全球7個典型城市的印象特征及其空間分布，并且進一步探討了不同城市之間的相關(guān)性和差異性，為城市之間的相互借鑒提供了參考;Salesses P等[43]通過分析數(shù)千張帶有明顯城市特征的地理照片，比較紐約、波士頓、林茨和薩爾茨堡4座城市在社會階層、安全性、獨特性感知等方面的差異，最終發(fā)現(xiàn)紐約某街區(qū)的自殺者數(shù)量與其安全性和社會階層感知具有顯著相關(guān)性;Pan B等[44]使用群體感知方法收集城市市民在社交網(wǎng)絡(luò)中的時間數(shù)據(jù)和地理位置數(shù)據(jù)，通過用戶行為分析和道路匹配算法對城市交通狀況進行異常檢測，以此為駕駛?cè)藛T推薦合理的行駛路線;Orsi F等[45]利用游客在社交網(wǎng)絡(luò)中共享的景區(qū)信息（如地理標記的照片、GPS軌跡等），粗略估計各景區(qū)景點的游客流量，分析游客的行為特征和情感傾向，對偏離位置的異常游客和潛在的踩踏事故做出預(yù)警，提供了應(yīng)對突發(fā)狀況的解決方案。

除學術(shù)研究外，利用社交平臺數(shù)據(jù)獲取城市畫像，并將分析結(jié)果應(yīng)用于城市規(guī)劃與管理，也已受到部分學者的足夠重視，尤其引人注意的是微軟亞洲研究院鄭宇博士提出的有關(guān)城市計算的實踐項目，這些項目試圖將無處不在的感知技術(shù)、高效的數(shù)據(jù)管理和分析算法，以及新穎的可視化技術(shù)相結(jié)合，致力于提高人們的生活品質(zhì)、保護環(huán)境和促進城市運轉(zhuǎn)效率[39-41]，目前這些項目主要借助時空大數(shù)據(jù)，獲取觀測對象的移動規(guī)律和特定行為，以為智慧城市創(chuàng)新性應(yīng)用的開發(fā)和運營提供參考。這些應(yīng)用參與的主體既包括數(shù)據(jù)擁有方政府機構(gòu)，還包括數(shù)據(jù)管理方信息技術(shù)公司，二者充分配合可有效實現(xiàn)數(shù)據(jù)共享和技術(shù)共融。但作為信息資源管理重要的參與者，圖書情報機構(gòu)明顯參與度不夠，已有的用戶畫像研究也多集中于數(shù)字圖書館層面的知識發(fā)現(xiàn)研究[37-38]，因此在大數(shù)據(jù)背景下，圖書情報機構(gòu)應(yīng)充分發(fā)揮其在信息資源組織與分析上的優(yōu)勢，融入城市畫像研究，提升在城市公共管理中的服務(wù)意識和能力。

綜上分析可知，城市畫像研究與大數(shù)據(jù)分析、交互式設(shè)計、信息組織與融合等存在著緊密聯(lián)系，其目標是從多維度獲取公眾認知視角下的城市特征標識，是對以往社交網(wǎng)絡(luò)用戶畫像研究的拓展和延伸。雖然目前城市畫像計算資源還主要集中于人流、車流和物流等時空大數(shù)據(jù)，對政務(wù)社交媒介資源尤其是標簽資源的挖掘還不夠完善，但已有算法、模型及處理策略為基于標簽語義挖掘的城市畫像計算與應(yīng)用模型研究奠定了良好的基礎(chǔ)。

4?結(jié)?語

通過文獻梳理和應(yīng)用調(diào)研發(fā)現(xiàn)，城市畫像研究起始于城市印象分析，活躍于大數(shù)據(jù)挖掘。城市畫像分析范式經(jīng)歷了從實體感知到社會感知的轉(zhuǎn)變過程，促使這一轉(zhuǎn)變的動力在于城市系統(tǒng)本身具有極強的社會屬性，單單考慮其物質(zhì)屬性，對城市畫像深層次問題無法有效認知，而通過傳統(tǒng)社會學調(diào)研方式又難以全面及時地獲取可靠的第一手分析資料。隨著信息技術(shù)的進步，公開渠道信息（PAI，Public Access Information）的數(shù)量，尤其是基于UGC模式的社交媒介信息正呈指數(shù)級增長，這些開源信息為城市畫像分析提供了前所未有的契機和挑戰(zhàn)，運用經(jīng)驗和技術(shù)從中獲取公眾意向的城市畫像，將助推基于公眾認知驅(qū)動的新型社會治理模式的形成。在充分調(diào)研社會化標簽研究進展的基礎(chǔ)上，研究以社交元網(wǎng)絡(luò)（Meta-network）中的標簽資源為載體，開展城市畫像計算與應(yīng)用模型研究，雖然目前該領(lǐng)域研究已積累了部分研究成果，但依然存在一定不足，主要體現(xiàn)為：

1）缺乏系統(tǒng)完整的基于標簽語義挖掘的城市畫像計算模型?；跇撕炚Z義挖掘的城市畫像計算包括社會化標簽整合分析、個體認知特征提取、表達、融合及可視化等一系列過程，其效果直接決定著后續(xù)分析與應(yīng)用的效力，但目前有關(guān)研究顯然更關(guān)注個體用戶畫像分析，對基于個體認知融合的群體涌現(xiàn)性行為，尤其是基于真實社交媒介場景的公眾認知分析缺乏深刻的探討。此外，當前已經(jīng)開展的城市畫像研究往往聚焦時空大數(shù)據(jù)，通過位置網(wǎng)絡(luò)建模及演化分析手段來探究特定節(jié)點群的移動規(guī)律，再結(jié)合節(jié)點自身屬性信息來追蹤和揭示群體行為，然而開源信息的大量涌入?yún)s不斷強化保管及開發(fā)利用社會化標簽資源的迫切程度。

2）尚未形成成熟的城市畫像分析與應(yīng)用范式。城市畫像是結(jié)構(gòu)化的公眾認知視圖，是進行公共政策有效性評估的重要測度指標，更是城市管理決策者與公眾溝通的中介。但目前城市畫像分析與應(yīng)用模塊尚未有效融入城市管理決策支撐體系中來，亟待形成成熟的城市畫像分析與應(yīng)用范式，主要體現(xiàn)為：①城市畫像動態(tài)更新，需要公眾印象計算引擎的有力支撐，微軟亞洲研究院等機構(gòu)都在開展城市計算的實踐項目，但目前這些項目側(cè)重軌跡數(shù)據(jù)關(guān)聯(lián)研究，有關(guān)城市畫像的多維度分析（諸如時序分析、情感分析、網(wǎng)絡(luò)分析等）還需拓展;②城市畫像不能只是對公眾認知的現(xiàn)狀調(diào)研，還應(yīng)是具有相當權(quán)重的決策影響因素，現(xiàn)實中隨著政務(wù)社交媒介的發(fā)展，公眾形式上參與決策的途徑雖然增多，但對決策的實質(zhì)引導(dǎo)作用并未充分顯現(xiàn)，導(dǎo)致現(xiàn)如今城市管理所倡導(dǎo)的社會治理模式缺乏持續(xù)的公眾關(guān)注與大規(guī)模的數(shù)據(jù)支撐，圍繞城市畫像衍生的創(chuàng)新性應(yīng)用將有助于改變這一困境，但應(yīng)用創(chuàng)設(shè)規(guī)范及服務(wù)架構(gòu)等基礎(chǔ)問題還需解決。

參考文獻

[1]Lynch K.The Image of the City[M].Cambridge，Massachusetts：The MIT Press，1960.

[2]林奇·凱文.城市的印象[M].項秉仁，譯.北京：中國建筑工業(yè)出版社，1990.

[3]白凱，趙安周.城市意象與旅游目的地意象研究中的趨同與分野[J].地理科學進展，2011，30（10）：1312-1320.

[4]Lee W J，Gretzel U，Law R.Quasi-trial Experiences Through Sensory Information on Destination Web Sites[J].Journal of Travel Research，2010，49（3）：310-322.

[5]白凱，張春暉，鄭榮娟，等.跨文化群體游客的中國旅游目的地意象色彩認知[J].地理科學進展，2011，30（2）：231-238.

[6]Laaksonen P，Laaksonen M，Borisov P，et al.Measuring Image of a City：A Qualitative Approach with Case Example[J].Place Branding，2006，2（3）：210-219.

[7]Luque-Martinez T，Barrio-Garcia S D，Ibanez-Zapata J A，et al.Modeling a City's Image：The Case of Granada[J].Cities，2007，24（5）：335-352.

[8]張恒婷.社交網(wǎng)絡(luò)圖像垃圾標簽去除研究[D].北京：華北電力大學，2012.

[9]王賢兵.社會標注可信度評價方法研究[D].武漢：華中科技大學，2012.

[10]劉蘇祺，白光偉，沈航.基于用戶自描述標簽的層次分類體系構(gòu)建方法[J].計算機科學，2016，43（7）：224-229，239.

[11]李綱，劉廣興，毛進，等.一種基于句法分析的情感標簽抽取方法[J].圖書情報工作，2014，58（14）：12-20.

[12]宋靈超，黃崑.基于社會標簽的圖像情感分類標注研究[J].圖書情報工作，2016，60（21）：103-112.

[13]于海鵬，翟紅生.一種子空間聚類算法在多標簽文本分類中應(yīng)用[J].計算機應(yīng)用與軟件，2014，31（8）：288-291，303.

[14]楊尊琦，趙瑾珺.新浪微博用戶領(lǐng)域分類標簽的結(jié)構(gòu)和互動研究[J].情報雜志，2014，33（4）：122-127.

[15]葉光輝，李綱.社會語義網(wǎng)絡(luò)結(jié)構(gòu)分析——以MetaFilter為例[J].情報理論與實踐，2015，38（12）：57-63.

[16]Chen J，F(xiàn)eng S，Liu J.Topic Sense Induction from Social Tags Based on Non-negative Matrix Factorization[J].Information Sciences，2014，280：16-25.

[17]Pan W，Chen S，F(xiàn)eng Z.Automatic Clustering of Social Tag Using Community Detection[J].Applied Mathematics & Information Sciences，2013，7（2）：675-681.

[18]Chelmis C，Prasanna V K.Social Link Prediction in Online Social Tagging Systems[J].ACM Transactions on Information Systems，2013，31（4）：1-27.

[19]Naseri S，Bahrehmand A，Ding C，et al.Enhancing Tag-based Collaborative Filtering Via Integrated Social Networking Information[C]//IEEE/ACM International Conference on Advances in Social Networks Analysis and Mining.IEEE，2013：760-764.

[20]易明，毛進，鄧衛(wèi)華.基于社會化標簽網(wǎng)絡(luò)的細粒度用戶興趣建模[J].現(xiàn)代圖書情報技術(shù)，2011，27（4）：35-41.

[21]Tu H，Wang X.Mining Users'?Interest Graph in Social Networks with Topic Based Tag Propagation[C]//IET International Conference on Smart and Sustainable City.IET，2014：282-285.

[22]易明，王學東，鄧衛(wèi)華.基于社會網(wǎng)絡(luò)分析的社會化標簽網(wǎng)絡(luò)分析與個性化信息服務(wù)研究[J].中國圖書館學報，2010，36（2）：107-114.

[23]易明，毛進，鄧衛(wèi)華，等.社會化標簽系統(tǒng)中基于社會網(wǎng)絡(luò)的知識推送網(wǎng)絡(luò)演化研究[J].中國圖書館學報，2014，40（2）：50-66.

[24]Ma H，Jia M，Zhang D，et al.Combining Tag Correlation and User Social Relation for Microblog Recommendation[J].Information Sciences，2017，385：325-337.

[25]蔡國永，林航，文益民.社會語義網(wǎng)社區(qū)發(fā)現(xiàn)標簽傳遞算法研究[J].計算機科學，2013，40（2）：53-57.

[26]李棟.在線社會網(wǎng)絡(luò)中信息擴散研究[D].哈爾濱：哈爾濱工業(yè)大學，2014.

[27]宋莉.輿情熱點事件中“標簽式傳播”現(xiàn)象研究[D].哈爾濱：黑龍江大學，2016.

[28]查先進，呂彬.知識共享視角下的大眾標注行為研究——基于標簽的實證分析[J].圖書館論壇，2010，30（6）：76-81.

[29]鄭惠中，左萬利.基于信息增益與語義特征的多標簽社交網(wǎng)絡(luò)用戶人格預(yù)測[J].吉林大學學報：理學版，2016，54（3）：561-568.

[30]Faba-Perez C，Corderogonzalez A M.The Validity of Bradford's Law in Academic Electronic Mailing Lists[J].The Electronic Library，2015，33（6）：1031-1046.

[31]Faba-Perez C，Guerrero-Bote V P，Moya-Anegon F.“Sitation”Distributions and Bradford's Law in a Closed Web Space[J].Journal of Documentation，2003，59（5）：558-580.

[32]徐俊，王曉芳.網(wǎng)絡(luò)環(huán)境下信息計量應(yīng)用實證分析[J].微計算機信息，2010，26（30）：102-104.

[33]李綱，葉光輝，張巖.“小眾專家”特征識別——基于MetaFilter的實證分析[J].現(xiàn)代圖書情報技術(shù)，2015，31（6）：71-77.

[34]謝永俊，彭霞，黃舟，等.基于微博數(shù)據(jù)的北京市熱點區(qū)域意象感知[J].地理科學進展，2017，36（9）：1099-1110.

[35]鄧力凡，譚少華.基于微博簽到行為的城市感知研究——以深港地區(qū)為例[J].建筑與文化，2017，13（1）：204-206.

[36]Wong C U I，Qi S.Tracking the Evolution of a Destination's Image By Text-mining Online Reviews-the Case of Macau[J].Tourism Management Perspectives，2017，23：19-29.

[37]劉速.淺議數(shù)字圖書館知識發(fā)現(xiàn)系統(tǒng)中的用戶畫像——以天津圖書館為例[J].圖書館理論與實踐，2017，（6）：103-106.

[38]陳慧香，邵波.國外圖書館領(lǐng)域用戶畫像的研究現(xiàn)狀及啟示[J].圖書館學研究，2017，（20）：16-20.

[39]Zheng Y，Capra L，Wolfson O，et al.Urban Computing：Concepts，Methodologies，and Applications[J].ACM Transactions on Intelligent Systems and Technology，2014，5（3）：38.

[40]鄭宇.城市計算概述[J].武漢大學學報：信息科學版，2015，40（1）：1-13.

[41]Zheng Y.Trajectory Data Mining：An Overview[J].ACM Transactions on Intelligent Systems and Technology，2015，6（3）：1-41.

[42]Liu L，Zhou B L，Zhao J H，et al.C-IMAGE：City Cognitive Mapping Through Geo-tagged Photos[J].Geo Journal，2016，81（6）：817-861.

[43]Salesses P，Schechtner K，Hidalgo C A.The Collaborative Image of the City：Mapping the Inequality of Urban Perception[J].PLoS One，2013，8（7）：e68400.

[44]Pan B，Zheng Y，Wilkie D，et al.Crowd Sensing of Traffic Anomalies Based on Human Mobility and Social Media[C]//ACM Sigspatial International Conference on Advances in Geographic Information Systems.New York：ACM，2013：344-353.

[45]Orsi F，Geneletti D.Using Geotagged Photographs and GIS Analysis to Estimate Visitor Flows in Natural Areas[J].Journal for Nature Conservation，2013，21（5）：359-368.

（責任編輯：孫國雷）