从在线评论中解析多感官体验景观:基于大型语言模型的方法及其对以人为中心的土地利用政策的启示

《Land Use Policy》:Unfolding the multisensory landscape experiences from online reviews: A large language model based approach with implications for human-centric land use policy

【字体: 大 中 小 】 时间:2026年06月14日 来源:Land Use Policy 5.9

编辑推荐:

  云洛|苏世良中国武汉大学资源与环境科学学院城市计算与可视化实验室,武汉摘要鉴于五种感官在人们的空间感知、行为和记忆中起着关键作用,了解多感官景观体验近来在土地使用政策领域引起了极大兴趣,这为在空间规划中纳入人类因素提供了新机遇。然而,在研究人类的多感官景观体验时,仍有两个方法论难

  
云洛|苏世良
中国武汉大学资源与环境科学学院城市计算与可视化实验室,武汉

摘要

鉴于五种感官在人们的空间感知、行为和记忆中起着关键作用,了解多感官景观体验近来在土地使用政策领域引起了极大兴趣,这为在空间规划中纳入人类因素提供了新机遇。然而,在研究人类的多感官景观体验时,仍有两个方法论难题亟待解决。其一,感官体验具有情境依赖性,忽略情境会导致测量结果不准确且不完整。其二,多感官景观体验以复杂方式共存,很难描述不同地点之间这些体验的协同变化。本文提出一种基于大型语言模型的方法,从在线评论中挖掘多感官景观体验。我们首先构建了一个上下文敏感的ChatGLM3–6B模型,通过指令学习范式对该模型进行微调,用于提取多感官景观体验三元组,该模型使用了专门设计的数据库,能够有效识别感官描述、惯用表达以及情感象征。基于对多感官体验的测量,我们开发了一种新的概率贝叶斯模型——“离散地理主题模型”,用以识别与特定地理位置相关的多感官协同效应。我们以中国典型的文化遗产地——江南古典园林作为案例验证了该方法的有效性。结果表明,该方法仅需少量训练数据即可高效提取多感官景观体验。基于这些发现,我们最终探讨了对以人为本的规划具有重要意义的启示。本研究凸显了大型语言模型在推动土地使用政策中以人为本的实践方面所具有的巨大潜力。

引言

体验经济的兴起推动了人工智能技术的发展,这些技术可用于提取和分析人类的感官体验。(Broering等人,2021;Hughes等人,2022;Mai等人,2022;Mai等人,2020)。最近,这种以体验为导向的理念也在土地使用政策领域逐渐流行起来,因为了解人们的空间感知、记忆、行为和学习方式能为空间规划中纳入人类因素提供坚实基础(Chun等人,2019;Devaraju等人,2015;Hu等人,2020;Zhang等人,2024)。传统上,衡量感官景观体验主要依靠问卷调查或结构化访谈,以及相应的评分标准(Agapito等人,2017;Haase和Wiedmann,2018)。这些方法不仅耗时耗力,还忽视了因背景、价值观、态度和信念不同而产生的个体感知差异(Kandampully等人,2018)。相比之下,社交媒体和点评网站上的在线评论包含了人们真实的生活体验,其中蕴含丰富的情感和感官细节(Alrayes等人,2020;Sui和Goodchild,2011)。通过对这些评论进行分析,可以更细致地了解个体的感官景观体验,从而保留人们与环境互动的独特性(Mehraliyev等人,2020;Zhou,2023)。
尽管在线评论分析为了解感官景观体验提供了可能,但仍有两个主要的研究空白需要填补。第一个空白在于对感官景观体验的理解。虽然视觉、听觉、嗅觉、触觉和味觉这五种感官都是形成感官体验的重要因素(Mehraliyev等人,2020;Wu和Zhao,2023;Zhang等人,2024),但以往的研究往往过度强调视觉体验,而忽视了其他感官的作用。因此,基于多感官的测量方法是理解感官体验的基础。第二个空白与多感官协同的概念相关。除了各种独立的感官模式之外,感官景观体验还包含这些感官之间的相互作用与整合(Krishna,2012)。尤其是多感官协同,即这些感官之间的相互作用,是理解个体感官体验如何共同影响整体印象的关键。现有研究大多侧重于建模评分中的线性效应,忽视了感官之间复杂的相互影响关系。此外,多感官协同过程与外部环境密切相关,由于环境差异性,其在不同地点的表现也有所不同(Gori等人,2022)。因此,量化空间上变化的多感官协同效应也是成功解析感官景观体验的另一关键。
针对第一个研究空白,从方法论上看,要从大量复杂的非结构化文本中提取多感官信息十分困难。常用的方法,如构建感官词典,对语料库规模极为敏感,而且更重要的是无法体现词语之间复杂的上下文关系和相互关联(Mehraliyev等人,2020;Zhou,2023)。在汉语这类高语境语言中,这一问题更为突出,因为词汇的含义往往取决于其所在的上下文,这可能导致感官体验的测量出现不准确和不完整的情况。人工智能技术的发展为解决这一方法论难题提供了可能。其中,基于方面的情绪分析框架可以直接从文本中提取并关联方面、观点和情感极性(Liu,2012a),可用于实现提取多感官信息的目标。更令人鼓舞的是,像GPT?3.5和GPT?4这样的大型语言模型近期的发展。这些在大量文本语料上训练过的模型,通过指令学习或示例学习能够出色地完成新任务(Brown等人,2020;Touvron等人,2023)。基于大型语言模型的方法优于传统的基于序列标注的框架(Luo等人,2020;Xu等人,2020)、机器阅读理解技术(Chen等人,2021;Liu等人,2022;Mao等人,2021)以及生成模型(Zhang等人,2021)。不过需要指出的是,以往基于方面情绪分析的研究大多集中在英语及其语境上,仅限于提取方面及其对应的情感或观点,而非提取多感官体验。此外,由于汉语的使用和理解高度依赖语境,与英语的使用习惯存在显著差异,因此尚需验证将大型语言模型引入基于方面情绪分析的任务中,是否能够准确高效地提取汉语语境下的多感官景观体验。
对于第二个研究空白,一个有前景的解决方案是采用概率主题模型,该模型将文档视为多种主题的混合体,每个词都与某个主题存在概率关联(Blei等人,2003)。这种方法可以将评论中的多感官协同效应有效地表示出来,把每种感官感知视为评论这一“文档”中的“词”。为了考虑空间差异性,一些最新研究将地理数据纳入主题模型中,形成了反映邻近地区共有主题分布的“主题区域”(Zhao等人,2022)。然而,这些基于“主题区域”的地理主题模型将位置视为由高斯分布建模的连续变量(Sizov,2010;Yin等人,2013)。这种方法不适用于位置被限制在预定义的有限集合中的场景,因为连续分布本质上是通过方差来体现空间接近度的,而离散场景则需要特定的机制来表现不规则和各向异性的空间依赖关系。鉴于离散分布是最基本的数据结构之一,因此有必要开发“离散地理主题模型”,以便更细致地理解与地理位置相关的多感官协同效应的变化。
开展这项研究的动机,是为了解决从在线评论中解析多感官景观体验时面临的两个方法论难题,从而为以人为本的土地使用政策提供有益的建议和参考。通过提出一种创新的方法,我们的目标有三个。首先,我们试图开发一种基于大型语言模型的方面情绪分析方法,该方法能够在上下文理解和细微差别识别方面表现出色,从而从在线评论中提取多感官景观体验。其次,我们致力于构建“离散地理主题模型”,以便识别与特定地理位置相关的多感官协同效应。最后,我们以中国典型的文化遗产地——江南古典园林作为案例验证我们的方法,并探讨其对以人为本土地使用政策的意义。

章节节选

从在线评论中解析多感官景观体验的理论基础

人类的感知本质上是多模态的,这意味着感官输入并非孤立处理,而是会在多种感官模式之间进行整合。大脑会将视觉、听觉、触觉、嗅觉和味觉等感官的信息综合起来,形成对环境的连贯认知,从而提高感知精度并丰富体验的深度(Goldstein,1989;Gretzel和Fesenmaier,2003)。这种整合能力使人们能够做出相应反应

研究地点与数据收集

在本研究中,我们选择以中国江南古典园林作为主要研究对象,因为它们拥有优美的景观和丰富的游客体验。江南古典园林以文人雅士的审美偏好为核心,其特点在于精巧的空间设计、富有诗意的景观布置以及与自然的和谐融合。这些特点为游客带来了超越单纯视觉体验的沉浸式景观感受

模型性能对比

如图5(a)所示,我们首先比较了三种策略在不同序列长度下的验证F1分数。对于策略1,三种序列长度下的趋势相似,其F1分数在训练过程中保持接近。这表明策略1对序列长度的选择并不十分敏感。对于策略2,序列长度为16和32时的性能相对稳定,而序列长度为64时在训练初期就会出现明显下降,并且波动更大

江南古典园林的多感官景观体验

本研究提出了一种基于在线评论解析多感官景观体验的创新方法,旨在解决两个主要问题。首先,为了解析多感官体验,我们克服了传统基于词典的方法存在的词典不完整以及缺乏上下文意识等缺陷。我们通过扩展标准的方面情绪分析三元组格式,提出了全新的体验编码策略

CRediT作者贡献说明

苏世良:撰写——审稿与编辑、指导、方法论、资金获取、概念构思。云洛:撰写——初稿、可视化、方法论、调研、正式分析。

资金支持

本研究得到了国家自然科学基金的支持(编号:42471449)。

利益冲突声明

作者声明,他们不存在任何可能影响本文研究成果的已知财务利益或个人关系。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号