流动人口的职住情绪能够反映其工作与生活状态.本研究首先基于2017年北京市微博大数据,利用jieba分词结合人工筛选得到流动人口发布的微博文本;其次,对Roberta-wwm-ext-large模型进行迁移学习识别北京全人群与流动人口的微博情绪;然后,结合POI数据与微博发布时间得到流动人口的职住分布;最后,基于微博情绪与职住分布得到流动人口的职住情绪,利用Getis-Ord Gi*挖掘职住情绪的空间聚集模式,采用地理探测器分析影响职住情绪热点分布的因素.实验表明,北京流动人口情绪均值(0.56)稍低于北京全人群(0.57)(P＜0.01),但整体表现为积极;从空间分布来看,流动人口在东、西城区情绪均衡,西北部科技创新区情绪相对于流动人口情绪均值较为低落,而东南部中心商务区、文化交流区及国际化社区情绪较高涨;从情绪与职住的关系来看,流动人口的工作情绪与从事的工作类型有关(q=0.03,P＜0.05),高新技术产业园、工业园、物流产业园的流动人口从业人员的工作情绪相对于流动人口工作情绪均值较为消极,健康产业园、文化创意产业园、农业园的流动人口从业人员的工作情绪较积极;流动人口的居住情绪与居住环境有关(q=0.06,P＜0.1),居住在远郊区的流动人口情绪相对于流动人口居住情绪均值较为消极,居住在近郊高密度的流动人口情绪较为积极.因此,相关部门应重点关注从事高新技术产业、工业、物流产业的流动人口以及居住在远郊区的流动人口.

流动人口;情绪分析;职住分布;北京市;微博数据;自然语言处理;时空场景;空间分析

赵桐;李泽峰;宋柳依;熊美成;廖一兰;裴韬

中国科学院地理科学与资源研究所资源与环境信息系统国家重点实验室,北京100101;中国科学院大学资源与环境学院,北京100049;中国科学院空天信息创新研究院,北京100094;中国科学院大学电子电气与通信工程学院,北京100049;中国科学院地理科学与资源研究所区域可持续发展分析与模拟重点实验室,北京100101

地球信息科学学报

[1]赵桐;李泽峰;宋柳依;熊美成;廖一兰;裴韬-.基于微博大数据的北京市流动人口情绪与职住分布的关系研究)[J].地球信息科学学报,2022(10):1898-1910

博大,流动人口,职住分布,生活状态,jieba,分词,选得,微博文本,Roberta,wwm,ext,large,迁移学习,POI,发布时间,Getis,Ord,Gi,空间聚集,聚集模式,地理探测器,热点分布,稍低,西城区,区情,西北部,低落,东南部,商务区,国际化社区,高涨,高新技术产业,工业园,物流产业,人口工作,健康产业园,文化创意产业园,农业园,居住环境,远郊区,近郊,情绪分析,微博数据,自然语言处理,时空场景,空间分析

0.34087