• 
    

    
    

      99热精品在线国产_美女午夜性视频免费_国产精品国产高清国产av_av欧美777_自拍偷自拍亚洲精品老妇_亚洲熟女精品中文字幕_www日本黄色视频网_国产精品野战在线观看 ?

      基于隱喻地圖的社交媒體用戶應急物資需求可視化分析

      2021-07-15 08:14:00崔珂成馬曉悅薛鵬珍
      現(xiàn)代情報 2021年7期
      關鍵詞:隱喻可視化社交

      崔珂成 馬曉悅 薛鵬珍

      摘?要:[目的/意義]通過引入隱喻地圖來改善之前可視化工具在統(tǒng)一表征應急物資需求主題結構和演化關系方面的缺陷,減少分離式表征對用戶造成的認知負擔。[方法/過程]設計用于表征社交媒體中應急物資需求主題的隱喻地圖,并以此為基礎提供了一系列交互式功能便于對信息的探索性分析和整體認知。[結果/結論]基于隱喻地圖的視覺表征可以強化對于需求主題結構和演化狀態(tài)的整體表征,減輕用戶認知的心智負擔。本研究提出了一種基于隱喻地圖的應急需求主題可視化方法,為應急資源協(xié)調(diào)調(diào)度等決策提供了參考。

      關鍵詞:主題分析;應急信息管理;應急物資需求;文本可視化;數(shù)據(jù)可視化;隱喻地圖;社交媒體;用戶

      DOI:10.3969/j.issn.1008-0821.2021.07.003

      〔中圖分類號〕G252.0?〔文獻標識碼〕A?〔文章編號〕1008-0821(2021)07-0027-11

      Visualization?of?Emergency?Material?Demand?Posted?on

      Social?Media?Based?on?Metaphor?Map

      Cui?Kecheng1?Ma?Xiaoyue2*?Xue?Pengzhen1

      (1.Department?of?Information?Management,Xidian?University,Xian?710071,China;

      2.School?of?Journalism?and?New?Media,Xian?Jiaotong?University,Xian?710049,China)

      Abstract:[Purpose/Significance]This?paper?introduces?metaphor?maps?to?improve?the?defects?of?previous?visualization?tools?in?the?unified?representation?of?the?topic?structure?and?evolution?relationship?of?emergency?needs,and?reduce?the?cognitive?burden?caused?by?separate?representations?on?users.[Method/Process]Firstly,we?designed?a?metaphorical?map?to?represent?the?topic?of?emergency?needs?in?social?media.Then,we?provided?a?series?of?interactive?functions?on?this?basis?to?facilitate?exploratory?analysis?and?holistic?cognition?of?information.[Results/Conclusion]Visual?representations?based?on?metaphor?maps?can?strengthen?the?overall?representation?of?the?structure?and?evolution?of?the?demand?theme,and?reduce?the?mental?burden?on?users?cognition.This?research?proposed?a?visualization?method?of?emergency?demand?theme?based?on?metaphor?map,which?provided?a?reference?for?emergency?resource?coordination.

      Key?words:theme?analysis;emergency?information?management;emergency?material?demand;text?visualization;data?visualization;metaphor?map;social?media;user

      救災物資管理是應急管理中的重要組成部分。在應急過程中需要針對物資管理進行一系列的決策活動,包括需求(類型和數(shù)量)估計、物資的分配[1]和運輸規(guī)劃[2]。對于應急響應的資源調(diào)度計劃和實施來說,有必要根據(jù)事件實時信息合理調(diào)配需求物資[3]。這種資源調(diào)度計劃強化了組織在應急響應時的反應能力,但是考慮到應急組織的效率,事件突發(fā)性和偶然性等問題,官方組織很難及時了解個人物資需求和民間組織的響應動態(tài),由此造成的官方獲得信息的滯后和不完整性給實時物資調(diào)度增加了很大難度。面對個人物資需求被忽視和官方—民間組織聯(lián)動實時信息共享不完整、不及時的問題,社交網(wǎng)絡主題分析相關研究為收集信息反饋并分析進而解決該類問題提供了有效手段。盡管應急情境下社交媒體中關于物資需求的信息并不多,但由于其高信息密度和高價值,所以基于社交媒體應急物資需求相關文本和行為分析可以有效協(xié)助應急人員進行態(tài)勢感知,進而幫助應急組織進行預防、應對和恢復[4]。但是主題分析的結果比較分散和復雜,非專業(yè)人員難以聚焦和深挖其中重要的信息,所以結果的展示通常需要借助一定的可視化手段。

      如上所述,在已有研究中對于應急物資的需求分析主要是基于危機事件本身固有信息[5],這種分析基于大量經(jīng)驗,通常具有較高的合理性,然而缺乏一定的靈活性。為了彌補這個缺點,有一些研究對社交媒體數(shù)據(jù)進行了內(nèi)容分析,通過對實時文本信息的分析可以在一定程度上提高需求分析決策的靈活性。但隨著大量語義數(shù)據(jù)的出現(xiàn),文本作為信息媒介已經(jīng)很難滿足大數(shù)據(jù)情境下信息探索的需求,因此很多研究關注于應急情境下的社交媒體數(shù)據(jù)語義和事件演化的可視化,但現(xiàn)有可視化方法往往聚焦于其中一種數(shù)據(jù)特征的表征,如樹圖用于表征社交媒體數(shù)據(jù)主題的結構、標簽云用于表征主題的內(nèi)容、主題流用于表征主題演化特征。而地圖作為一種有效的信息多維度集成與探索的方式,可以聚焦于從需求主題內(nèi)容結構和主題演變特性等多維度特征對社交媒體數(shù)據(jù)進行協(xié)調(diào)并表征,從而改善人們對于事件演化階段與物資需求內(nèi)容的整體性認知。

      針對社交媒體環(huán)境中復雜的應急物資需求,隱喻地圖作為對非空間信息(語義信息)的仿地圖可視化表達[6],能夠結合信息的語義結構和地圖的可視化優(yōu)勢對這類信息進行交互式、精準化表征?;谝陨洗嬖诘膯栴}及非地理特征類地圖解決該問題的可行性分析,本文提出了一種危機情境下基于隱喻地圖的針對社交媒體中物資需求進行可視化的方法。研究中首先對社交媒體中物資需求相關數(shù)據(jù)進行了收集分類,其次基于應急事件演化分類針對不同的需求主題內(nèi)容和演化階段進行了隱喻設計,最終構建了基于社交媒體數(shù)據(jù)的應急物資需求隱喻地圖。該方法通過實驗評估和調(diào)查問卷的方式對其進行了驗證。具體來講,本文的研究問題主要體現(xiàn)在以下兩個方面:

      問題1:如何應用隱喻地圖減少對社交媒體中的繁雜應急物資需求的認知負擔。

      問題2:如何應用隱喻地圖實現(xiàn)物資需求演化過程中各階段特征和關系的動態(tài)可視化。

      本文的研究意義在于:本研究在理論上提出了一種危機情境下基于隱喻地圖的社交媒體中的應急物資需求可視化方法,豐富了應急信息可視化理論和應急交互理論。在實踐上該研究探索了危機情景下基于隱喻地圖的可視化系統(tǒng)的設計,增強了用戶與危機信息的互動,對于應急物資調(diào)度、應急資源協(xié)調(diào)等決策提供了參考。

      本研究的目的是將隱喻地圖的概念引入社交媒體數(shù)據(jù)可視化設計中,特別是危機情境下需求相關信息的可視化可以增進應急管理人員對于危機需求結構和演化的認知。本文提出的基于隱喻地圖的應急物資需求可視化方法不僅可以增強用戶對主題結構、內(nèi)容和演化過程的整體認知,同時也探索了以隱喻地圖為基礎構建可視化組件改善界面交互的可行性,為文本主題類隱喻地圖的構建和可視化設計提供了參考。

      1?相關研究綜述

      1.1?應急情境下的社交媒體主題分析

      隨著互聯(lián)網(wǎng)的興起以及社交媒體迅速發(fā)展,社交媒體技術為公眾提供了在危機情境下的另外一種通信方法。在突發(fā)事件期間社交媒體用戶對于該類話題的關注度逐漸提升也讓官方認識到了該信息渠道的價值,常見的社交媒體也因此被用來發(fā)布災害應對相關信息[7-8]。此外對于用戶發(fā)布在社交媒體上的信息進行分析也吸引了越來越多研究者的關注[9],目前已有許多研究從不同的角度對如何應用社交媒體于應急管理中進行了探索,包括社交網(wǎng)絡結構分析、短文本情感分析、語義感知、主題演化分析等。

      社交媒體主題分析是研究信息傳播和應急響應的常用技術,可用來制定相關應急戰(zhàn)略[10]和幫助識別分析公眾的行為和信息特征[11]。例如在危機響應期間通過社交網(wǎng)絡傳播的信息可能包含謠言、虛假或真實但過時的信息,應急管理人員可以使用謠言檢測機制幫助他們識別虛假信息[12]。有一些研究關注于社交媒體文本主題分類和演化,如應用文檔聚類和主題建模技術對大量用戶生成的內(nèi)容進行分類、注釋和理解[13],通過構建共詞網(wǎng)絡(Co-word?Network)可以用來理清事件主題的演化脈絡[14]。但是在搜集相關數(shù)據(jù)的過程中,社交媒體中的信息流量很大,對于特定事件,通過預定義關鍵字收集的消息將包含大量噪聲,利用分布式學習對于從已獲得大量非信息性帖子中識別出信息性帖子可以取得很好的效果[15],而在收集數(shù)據(jù)時也可利用自動關鍵字生成機制使管理人員較精確地沿著事件發(fā)展跟蹤事件主題[16]。通過結合內(nèi)容、情感和社交網(wǎng)絡分析,社交媒體數(shù)據(jù)也可以幫助應急響應人員計劃救援工作,發(fā)現(xiàn)需要醫(yī)療和情感援助的人員[17-18]。社交網(wǎng)絡文本挖掘也能發(fā)現(xiàn)有價值的隱性信息,用于確定需要救援的區(qū)域的優(yōu)先級、受影響人群正在經(jīng)歷的具體問題等[19]。而在危機期間如果組織管理者缺乏對如何通過社交媒體進行溝通的相關知識[20-21]可能導致危機處理不當。

      1.2?社交媒體信息語義的可視化

      社交媒體作為時空信息的來源,可以提供有關事件的快速、即時的實時信息,有助于提供更好的態(tài)勢感知從而更好地做出決策[22]。許多社交媒體可視化應用程序依賴于地理和時間特征,地圖作為有效的時空信息表征工具也在危機管理中被廣泛應用[23]。隨著在緊急情況下生成的大數(shù)據(jù)流的數(shù)量和種類的增加,系統(tǒng)支持改進的態(tài)勢感知的需求也在增加,一些系統(tǒng)開始利用數(shù)據(jù)的語義來增強可視化,如基于危機期間相關社交媒體數(shù)據(jù)用來從多視角感知應急情況[24],可視化分析關鍵詞和情感隨時間的演變[25],樹可視化顯式分析節(jié)點之間的結構[26]。雖然這類分析主題或情感演變的方法描述了演變過程,但演變過程中如何兼顧對各階段結構特征和關系的可視化而不造成沉重的認知負擔仍是研究的主要難題之一。

      在信息可視化中,隱喻通過映射視覺刺激與語義之間的關系可以幫助用戶有效地分析和理解信息。越來越多的研究提出了隱喻在界面設計和信息可視化中的應用。如指定語義共振的顏色來表示數(shù)據(jù)(例如,藍色表示海洋數(shù)據(jù),綠色表示植物)[27],在軟件中使用磚墻、鎖的隱喻[28]設計防火墻警告,設計交通標志[29]。與它在界面圖標設計中不同的是,在信息可視化中,隱喻為邏輯推理提供信息,涉及復雜的信息處理活動,如識別特定的模式[30]、做出判斷[31]等。由于人們在有限的時間內(nèi)處理給定信息的能力有限[32],而隱喻可以自動激活一系列可用的相關概念來使陌生的信息易于解釋[33]。隱喻依賴于源概念和目標概念之間的類比。目標概念代表一些具體的、熟悉的、有形的和簡單的普通知識。相反,源域(Source?Domain)表示抽象、陌生、無形或復雜的引用。

      地圖是視覺隱喻的一個特別豐富的來源,近年來許多研究者已經(jīng)考慮使用地圖來描述虛擬空間和表達抽象的非空間數(shù)據(jù)[34]。人們對于空間的直接感官體驗被用來幫助理解抽象的概念[35]。有研究使用Self?Organizing?Map(SOM)方法對語義數(shù)據(jù)進行聚類,并試圖以地圖的形式表示語義之間的差異[36]并討論了將隱喻轉換為非地理可視化的制圖研究[37]。這種將隱喻轉換為非地理可視化的制圖研究已應用于網(wǎng)絡通信分析[38]和視頻內(nèi)容[39]等領域。在社交媒體領域,動態(tài)地圖生成方法被用來分析實時Twitter消息中的演化主題[40]。后來,研究中也提出了包括多種地圖,允許用戶對社交媒體上的事件演變[41-42]、用戶轉發(fā)行為等[43]進行多方面分析。

      1.3?評述小結

      在以往的研究中,對于應急物資的需求分析主要是基于已有危機事件的信息進行預測,例如根據(jù)事件類型確定物資種類,或者根據(jù)事件規(guī)模確定物資數(shù)量。然而由于應急事件的非常規(guī)性、組織間溝通不同步和協(xié)作效率等問題,官方基于經(jīng)驗預測統(tǒng)計的需求相比災民的真正需求存在較大的誤差和延時,雖然社交媒體中關于物資需求的博文并不多,但此類信息具備較高的價值和可信度,可以通過適當?shù)胤治鲎鳛閷崟r信息反饋渠道以便于應急資源調(diào)度的調(diào)整。此外,這類數(shù)據(jù)大多繁雜混亂,對于分析結果的展現(xiàn)經(jīng)常要借助可視化工具。但很少有研究同時關注到對各階段需求分布結構和各階段演化關系的可視化表征,上述問題具體體現(xiàn)在:①對于社交媒體中需求相關的統(tǒng)計分析并無對需求主題演化關系和需求內(nèi)容同時進行可視化分析,信息的不完整導致相關應急人員缺乏對實際需求情況的整體性認知;②對于社交媒體中需求主題和演變過程缺乏可視化表征。以文字為主的表征方式導致應急人員缺乏對整個過程的直覺性認知,現(xiàn)有可視化方式也沒有考慮如何兼顧具體演化關系和需求分布的整體表征。

      針對以上問題,一方面,本研究以社交媒體平臺中主題演化階段的劃分為基礎,結合需求文本內(nèi)容分析對于一般應急事件發(fā)生過程中的物資需求演化過程進行了分析,從而為應急物資管理中的決策提供參考;另一方面,研究中應用隱喻地圖同時對需求內(nèi)容和演變過程進行了可視化表征和相關交互設計,減輕了認知負擔,增強了對應急中實際需求的理解。本研究旨在重新設計可用于隱喻地圖可視化的應急需求主題階段劃分方法,并擴展基于隱喻地圖的信息交互。研究中提出的基于社交媒體與隱喻地圖的應急需求可視化方法,有助于提升用戶對危機需求的動態(tài)變化過程的認知和輔助用戶進行基于需求整體性認知的應急決策。

      2?隱喻地圖設計方法

      社交媒體中的應急需求主題傳播具有突發(fā)性、易擴散和衍生性。本節(jié)主要介紹了應急情境下的應急需求主題隱喻地圖設計程序。在構建隱喻地圖之前,本研究首先以建立隱喻地圖可視化為結果導向對應急需求主題的演化特點進行了分析,在主題演化特點分析的基礎上對隱喻地圖的設計需求進行了分析,最后闡述了隱喻地圖設計的基本思路。

      2.1?應急需求主題演化的特點

      本研究的社交媒體平臺選擇了新浪微博,在該平臺上用戶可以自主發(fā)布內(nèi)容、話題,并對內(nèi)容進行轉發(fā)和評論。本研究對特定時間段內(nèi)應急事件相關需求的微博進行了收集分析,并對數(shù)據(jù)特性以及相關主題特性進行了分析。

      應急情境下微博中主題演化過程具有以下特點:

      多階段:突發(fā)事件具有明顯的時序變化特性:醞釀、擴散、爆發(fā)、高潮、消退。話題隨著事件的發(fā)展不斷演化,反映出事件不同階段之間漸變的過程。在每個階段,都有需求主題和關鍵用戶。在爆發(fā)階段,治理主體的介入或干預,或者民眾產(chǎn)生“情緒懈怠”,主題熱度逐漸降低;另一方面由于需求的解決或其他熱點話題的涌現(xiàn)也會讓需求主題逐漸進入失焦階段。但在這一階段由于信息的不對稱,情況的復雜性及注意力的“反彈”,需求演化過程可能出現(xiàn)變異。研究中改進了適用于隱喻動態(tài)表征的階段演化的劃分。異常演化的出現(xiàn)意味著需求主題的演化進入另一個子階段。

      關鍵用戶(Key?User)影響力較大:關鍵用戶是指粉絲數(shù)眾多,相關微博被大量轉發(fā)和評論的用戶。社交媒體中有較大影響力的用戶可以較容易推動需求主題變化和演變。

      易擴散:主題極易跨地域傳播,且演化過程極大不可控。

      熱度和內(nèi)容隨時間變化:該變化的過程分為兩種:①正常演化:該主題演變經(jīng)歷了一般出現(xiàn)、爆發(fā)、消亡3個階段,無異常情形的出現(xiàn);②異常演化:在突發(fā)事件總主題下出現(xiàn)了新的需求主題,不同需求主題的合并,單個需求主題分裂為兩個或多個主題或是原來趨于消亡的需求主題熱度重新上升。

      微博中應急需求相關數(shù)據(jù)表現(xiàn)出來的特性與應急主題演化過程的特點密切相關,呈現(xiàn)出以下特征:

      數(shù)據(jù)繁雜:針對不同的危機事件其對應的物資需求也不相同,針對一個特定的危機事件由于物品的語義表達方式和不同微博用戶的表達習慣,較難對數(shù)據(jù)進行分類合并繼而發(fā)現(xiàn)其背后的特征。

      在危機事件不同階段表現(xiàn)出不同的語義聚集傾向:對應于微博中主題演化過程和事件階段分類,對數(shù)據(jù)按時間節(jié)點劃分以后進行語義聚類可以得到其對應的語義特征。在事件的不同階段,語義特征具有較大的差別。在同一階段,需求表現(xiàn)出較為相近的語義特征。

      2.2?隱喻地圖設計要求

      該隱喻地圖的目的是允許交互式探索的同時,還可以分析社交媒體數(shù)據(jù)中應急物資需求主題結構、關鍵用戶、需求主題語義的演變。研究中總結了以下關于可視化應急需求主題的演變的要求:

      1)較易識別每個階段中最重要的需求主題。如果一個需求話題有更多與之相關的微博,就被認為該物資更被迫切地需要。

      2)在主題階段劃分的基礎上,較易識別哪些主題正在涌現(xiàn)(Emerging)、結束(Ending)、繼續(xù)(Continuing)或獨立(Standalone)。主題流定義為主題與其相關主題之間跨越階段的路徑。這里涉及到4個術語:

      涌現(xiàn):上一個階段中沒有討論的主題(即上一個階段中沒有與之類似的需求主題)。

      結束:一個話題關鍵詞不會出現(xiàn)在下一階段(即在下一階段中沒有與之類似的主題)。

      繼續(xù):該階段前后均出現(xiàn)過的主題。

      獨立:與上一階段或下一階段中的任何主題無關的主題。

      3)瀏覽所選階段的詳細信息。這些信息包括最頻繁出現(xiàn)的主題詞、與所選主題相關的所有微博。

      4)瀏覽所選關鍵詞的詳細信息,通過界面交互方式等瀏覽與特定關鍵詞相關的原微博。

      5)用特定的詞來確定該詞在整個危機事件中的演化過程。用戶可能對1個或多個單詞在整個數(shù)據(jù)集中的顯示方式感興趣。通過識別與這些單詞相關的主題,用戶可以理解單詞在整個數(shù)據(jù)集中是如何變化的。

      2.3?主題建模和分析

      本文基于事件演化的時序規(guī)律,從應急需求內(nèi)容和需求關鍵詞熱度兩個關鍵詞出發(fā),基于DTM(Dynamic?Topic?Model)模型對應急事件需求主題演化過程進行了分析,對于單個應急事件下的多個演化方向的應急需求按時間順序合并為一條演化方向。

      DTM(Dynamic?Topic?Model)動態(tài)主題模型以事件關鍵詞會隨演化過程不斷變化為前提,且假設關鍵詞變化狀態(tài)依賴于前一個時間片下的關鍵詞,可用于分析一段時間內(nèi)文檔主題的演變。本次實驗在該模型中添加了時間標簽。通過選取大小相同的時間片可以對比前后兩個時間片下主題關鍵詞的演化。應急事件下的需求主題時間跨度較小,主題內(nèi)容較易識別,因此可以被應用于很好地識別應急需求主題各演化階段。

      本研究首先對獲取到的數(shù)據(jù)進行清洗,之后采用增量式聚類算法Single-Pass進行主題檢測,對于每次輸入的數(shù)據(jù)都分別與已有類簇進行一一對比。若兩者文本相似度較高,則將該微博歸入已有類簇中,若該微博與已有類簇相似度均小于某一閾值,則將該微博表示到新的類簇中。在應急需求主題檢測過程中,數(shù)據(jù)輸入順序的變化對檢測結果產(chǎn)生的影響極大。Single-Pass算法根據(jù)相似度閾值來劃分類簇,而動態(tài)應急情境下無法得知需求主題數(shù)目或主題數(shù)目不是固定值,比較適用于此次應急需求主題的檢測。

      在獲取主要的主題類簇之后,通過抽取詞頻較高的詞語對主題進行了更細粒度的描述。其中詞語的關注程度的變化可以通過相隔時間段內(nèi)的概率正差值進行計算,結果較低的詞語被認定是應急事件演化過程中較為穩(wěn)定的需求,結果較高的詞語被認為是表示新需求產(chǎn)生或者已經(jīng)被滿足的需求內(nèi)容。

      所有圍繞該可視化系統(tǒng)所做的工作如圖1所示,通過工作流的方式展示了如何從獲取的原始數(shù)據(jù)到完成基于交互探索的隱喻地圖。

      2.4?隱喻地圖構建

      系統(tǒng)構建分為系統(tǒng)構建程序和系統(tǒng)界面展示。前一部分闡述了如何根據(jù)獲取的數(shù)據(jù)一步步構建出最后的隱喻地圖,為了取得更好的可視化結果本研

      究中做了哪些優(yōu)化;第二部分展示了最終的可視化結果和部分交互過程。

      2.4.1?系統(tǒng)構建程序

      研究中提出的隱喻地圖綜合表征了社交媒體數(shù)據(jù)中危機需求相關主題結構、關鍵用戶、主題語義。這些概念被映射到了地圖上的不同隱喻。

      大陸或島嶼:一整塊大陸代表了同類型的需求主題,不同類型的需求主題之間有海洋相隔,陸地的面積越大代表社交媒體上有更多的用戶發(fā)布關于該類型的需求。島嶼代表用戶發(fā)布的需求類型較稀少,且主題語義與其他主題相差較大,難與其他類型需求進行合并。

      國家(地區(qū)):地圖上的大陸由多個國家(地區(qū))組成,國家(地區(qū))代表了同類型下每種具體物質(zhì)的需求,國家(地區(qū))占據(jù)大陸面積越大則該需求占該類型需求的比例越大,國家(地區(qū))之間的邊界用較粗的邊線表示。

      城鎮(zhèn):地圖上的每一個多邊形代表一個城鎮(zhèn)。在需求主題結構中代表需求關鍵詞相同或相似的微博用戶節(jié)點,影響力較大的縣以黑色邊突出顯示。

      公路:公路代表了關鍵用戶發(fā)布的需求微博,因為公路在地圖上可以將城鎮(zhèn)連接起來,可以使用單向公路用來代表關鍵用戶對其他用戶的影響,例如普通用戶對關鍵用戶的微博進行轉發(fā)和評論等行為。公路里程越長意味著與原微博在轉發(fā)或評論過程中語義差距越大。

      在確定了基本的表征圖像和符號以后,基于隱喻轉化規(guī)則,在圖2中本文展示了如何將數(shù)據(jù)集的分類結構轉化為基礎地圖結構,而為了獲得更具體合理的地圖結構,本研究繼續(xù)進行了地圖總體布局、節(jié)點合并、布局壓縮、布局調(diào)整。

      在基本布局中,本研究應用了力導向布局算法。該算法應用分子力學模型,把每個頂點當作一個分子,有邊的頂點之間有引力,沒有邊的頂點直接是斥力,力的定義符合分子間作用力的物理公式。通過不斷迭代計算各個頂點的位置,最終可以得到每個頂點的能量平衡位置??紤]到該算法在本研究中的具體應用和其復雜度,本研究首先進行了多等級的語義聚類,然后先對聚類可視化,再對聚類里面的頂點可視化。

      由于布局空間有限和巨大數(shù)量的節(jié)點造成了認知復雜度大大提高,本研究針對性地進行了節(jié)點合并和布局調(diào)整等工作。

      1)距離超過閾值則合并節(jié)點

      計算每個主題下兩個點之間的距離。在對距離值進行排序之后,合并具有最小距離值的兩個節(jié)點。緊接著重新計算點之間的兩兩距離。通過反復合并節(jié)點最終每個主題下得到了期望粒度的合并節(jié)點。

      2)重新計算力使布局合理緊湊

      在迭代計算與節(jié)點合并之后,為了消除節(jié)點之間的空白,本研究在分子力學模型的基礎上添加引力使各個節(jié)點往中心靠近。除了消除主題內(nèi)的可視化空白以外,為了提高數(shù)據(jù)墨水比(Data-ink?Ratio),整個隱喻地圖被再次壓縮布局為矩形。

      3)忽略轉發(fā)量較小的節(jié)點鏈接

      為了避免信息在展示上的混亂和突出關鍵用戶的影響力,隱喻地圖上對應用公路以表征關鍵節(jié)點設置了轉發(fā)量閾值,只使用公路表征了其中最重要的部分。研究統(tǒng)計了每個主題下的信息的轉發(fā)字段是否為空。當該字段不為空且超過一定閾值,則在地圖上該主題對應的國家添加公路。在每個主題下可能存在多個關鍵節(jié)點,則代表該主題下的關鍵用戶較多。如果一個國家內(nèi)的公路較多,則代表該類型需求相關的話題發(fā)布傾向主要是由關鍵用戶主導。

      2.4.2?地圖展示

      為了方便直觀演示研究結果,本研究以2013年發(fā)生的甘肅地震為事件源對新浪微博中相關物資需求數(shù)據(jù)進行了收集過濾(最終約2?300條博文)并生成了樣例隱喻地圖,如圖3所示。該地圖展示了各個應急物資主題的相對需求程度,每個主題(陸地)下又分為不同的物資需求類型(國家(地區(qū))),每個主題下不同國家(地區(qū))的面積也代表了與該類型相關的微博的數(shù)量。代表該類型需求的關鍵詞直接疊加在對應區(qū)域上以減少用戶在不同可視化元素之間進行認知切換而造成的心智負擔。地圖左上角展示了需求可視化現(xiàn)在所處的階段,而陸地的不同顏色代表該主題所處的演變階段。為了表征需求主題在不同階段語義上的分布,研究在隱喻地圖中對于每塊陸地使用不同的顏色來表示不同需求主題在該階段所處的演化狀態(tài):新興、繼續(xù)、結束、獨立。在界面設計中研究提出了這樣的配色方案:綠色、黃色、橙色、紅色分別表示主題處于新興階段、繼續(xù)階段、結束階段、獨立階段。通過地圖左側的選擇框,用戶可以選擇在該階段下想要展示的不同演變階段的主題。用戶點擊陸地的不同國家(地區(qū))的區(qū)域可以彈出模態(tài)框顯示與該類型需求相關的原始微博。用戶點擊右上角按鈕可以關閉該模態(tài)框,左下角和右下角的按鈕分別對應跳轉至上一條微博或下一條微博。

      1)微博列表展示

      微博列表提供了所有被隱喻地圖可視化的微博的列表。表頭信息包括用戶名、微博內(nèi)容、發(fā)布事件、點贊數(shù)量、被轉發(fā)數(shù)量。用戶點擊下方按鈕可以翻頁。此外,用戶可以輸入關鍵詞檢索與之相關的微博。

      2)時間線展示

      隱喻地圖使用日歷熱力圖表征了危機事件整個過程中社交媒體中需求相關主題不斷演化的過程。日歷熱力圖是一種雙變量圖,由時間變量和主題相關微博數(shù)量組成,其具體形式則是由小色塊群有序地以日歷格式組成的圖表,每個小色塊代表時間變量,而小色塊顏色則代表相關微博數(shù)量,每個小色塊都根據(jù)相關微博數(shù)量值進行顏色編碼。時間軸上時間點的選擇取決于社交媒體平臺上關于該危機事件主題的真實時間尺度和其主題演化過程中出現(xiàn)的異常(例如傳染病導致的危機事件常常持續(xù)時間較長,則應該選擇較大的粒度)。如圖4為2013年甘肅地震從爆發(fā)到結束期間物資需求相關主題的演化主題熱力圖。

      在演化過程中地圖需要確認不同語義主題與不同地圖元素的映射對應,在一個階段中生成的主題并不直接對應于另一個階段的主題,特別是對于主題的聚合和分裂。使用余弦相似性度量主題對齊程度,該度量通常用于文本和數(shù)據(jù)挖掘領域中的文檔比較或簇的內(nèi)聚性。相似性超過一定閾值的主題對需要進行主題的聚合和分歧。

      3?評?估

      為了驗證該隱喻地圖對應急需求主題分析可視化的可用性,本章節(jié)通過實驗對隱喻地圖進行了初步的可用性研究。常見的系統(tǒng)有效性評測通常基于對照實驗,由于國內(nèi)外現(xiàn)并不存在通用的社交媒體中的應急需求主題可視化方式,本研究的有效性評測將基于若干評測任務,通過完成任務的時間、正確率以及受試人員的主觀感受等指標來評估該可視化交互系統(tǒng)的有效性。

      3.1?系統(tǒng)有效性評測

      為了評估該隱喻地圖,本研究首先進行了一項用戶研究以調(diào)查用戶對該可視化結果的理解程度。這項研究是在2020年1月1日—2月25日收集的2?347條微博數(shù)據(jù)集上進行的(搜索關鍵詞為“雪災”),進而對獲取到的數(shù)據(jù)進行了過濾、分類并生成了對應的可視化表征。

      1)實驗人員

      實驗招募了8名參與者,年齡在23~43歲之間,所有人都有正常的色覺,均有軟件操作及界面交互經(jīng)驗,但為了保證其在實驗開始前先驗知識不具有太大的差異,本研究首先進行了一項用戶研究以調(diào)查用戶對該可視化結果的理解程度,具體信息如表1所示。

      2)實驗任務

      針對于不同的認知角度,按照信息結構、信息內(nèi)容、對比認知等設置了不同的問題,具體的試驗任務列表如表2所示。前3個問題旨在研究這種表征形式對信息結構可視化的影響,參與者需要對比不同的分類數(shù)據(jù)來回答問題;問題4~6的目的是探索隱喻地圖的表征形式對于用戶對信息內(nèi)容造成的影響;問題7~8則調(diào)查了用戶對于該表征形式和內(nèi)容的整體感知情況。其中,針對用戶主觀滿意度模塊,采用5點量表打分的形式(1表示不同意,5表示同意)。

      3)實驗結果

      實驗結果表明針對實驗中的評測任務,受試人員對其中大部分問題可以達到較高的正確率。有關隱喻地圖對于信息結構表征影響的相關問題上,受試人員均正確回答了問題(問題1~3正確率均為100%)并花費了相對較少的時間。在研究隱喻地圖對于信息內(nèi)容表征影響的相關問題上,受試人員也保持了較高的正確率,但對于問題5的回答準確率較低(62.5%),這可能由于問題本身表述不準確及可視化結果對于需求“迫切”程度表征較為模糊造成。有關隱喻地圖對于信息多維整體表征影響的相關問題上,Q7回答正確率87.5%,Q8回答正確率62.5%。這可能由于對比認知本身的難度較高及系統(tǒng)對于地圖對比并沒有直接簡潔的界面造成的。

      在耗時方面,參與者在針對單個隱喻地圖獲取答案時速度最快(12~35秒)。在涉及到兩兩對比認知的任務時受試者需要更長的時間(33~62秒)。任務8涉及到對所有階段隱喻地圖的分析,參與者在這項任務上花費了最長的時間(平均112秒)。結合用戶對系統(tǒng)的主觀滿意度打分(Q9:4.012,Q10:4.017,Q11:4.136)和任務正確率可以看出,實驗人員對系統(tǒng)較為滿意。此外,較高的正確率表明系統(tǒng)有效性良好。

      3.2?系統(tǒng)可用性評測

      本研究邀請4位具有用戶體驗知識背景的評估人員對系統(tǒng)可用性進行測評,如表3所示SUS是一個10項問卷,采用5點量表打分的形式(1表示不同意,5表示同意)。

      SUS測試量表最終分數(shù)為74,如圖5通過查詢對比系統(tǒng)可用性形容詞等級,本文中的系統(tǒng)可以解釋為可用性良好。這表明本文可視化交互方式的可用性表現(xiàn)良好,但仍有諸如信息排布密集、用戶對比認知困難、時間線可視化仍要用戶自己針對各個主題對于每階段的隱喻地圖板塊進行視覺搜索對應,增加了用戶的心智負擔等問題。

      4?結?論

      本研究提出了一種基于隱喻地圖的可視化方法?;趹毙枨箢愋蛣澐趾托枨笾黝}演化的協(xié)同研究,需求關鍵字、需求相關話題規(guī)模、轉發(fā)評論

      行為被轉化為隱喻地圖中對應的地圖特征,并進一步針對該隱喻地圖進行了界面布局和交互的探索,增強其在信息表征、信息認知等方面的有效性。這篇論文的貢獻主要體現(xiàn)在:①在理論上,針對傳統(tǒng)應急可視化方法無法對社交媒體數(shù)據(jù)同時進行主題結構及演化過程的分析,探索一種基于隱喻地圖的應急需求可視化方法,這是一種有效組織和表征應急需求主題結構和演化過程的方法;②在實踐中,本文總結以往話題流、隱喻地圖等可視化界面設計的經(jīng)驗,提出了應用于應急需求主題和演化分析的可視化系統(tǒng),不僅在社交媒體中需求主題規(guī)模和類型的區(qū)分表征取得了較好的效果,而且對于演化關系如主題的聚合、分歧等的表征也進行了探索。

      參考文獻

      [1]魏宇琪,楊敏,梁樑.基于需求預測和模塊化的應急物資庫庫聯(lián)動方法研究[J].中國管理科學,2019,27(6):123-135.

      [2]Gralla?E,Goentzel?J.Humanitarian?Transportation?Planning:Evaluation?of?Practice-based?Heuristics?and?Recommendations?for?Improvement[J].European?Journal?of?Operational?Research,2018,269(2):436-450.

      [3]Safaei?A?S,F(xiàn)arsad?S,Paydar?M?M.Emergency?Logistics?Planning?Under?Supply?Risk?and?Demand?Uncertainty[J].Operational?Research,2018:1-24.

      [4]Kirac?E,Milburn?A?B.A?General?Framework?for?Assessing?the?Value?of?Social?Data?for?Disaster?Response?Logistics?Planning[J].European?Journal?of?Operational?Research,2018,269(2):486-500.

      [5]張玲,賴蕓.基于多米諾效應需求分析的應急資源配置模型研究[J].運籌與管理,2019,28(11):98-105.

      [6]艾廷華.大數(shù)據(jù)驅動下的地圖學發(fā)展[J].測繪地理信息,2016,41(2):1-7.

      [7]Kim?J,Bae?J,Hastak?M.Emergency?Information?Diffusion?on?Online?Social?Media?During?Storm?Cindy?in?U.S.[J].International?Journal?of?Information?Management,2018,40:153-165.

      [8]唐曉波,李詩軒,譚明亮,等.國內(nèi)外政務社交媒體研究評述及展望[J].現(xiàn)代情報,2020,40(1):159-169.

      [9]馮小東,李卓雅,史志慧.基于網(wǎng)絡輿情熱度的自然災害影響評估分析[J].情報探索,2020,(1):16-22.

      [10]Xu?X,Yang?X,Chen?X,et?al.Large?Group?Two-stage?Risk?Emergency?Decision-making?Method?Based?on?Big?Data?Analysis?of?Social?Media[J].Journal?of?Intelligent?&?Fuzzy?Systems,2019,36(3):2645-2659.

      [11]宗乾進,楊淑芳,諶瑩,等.突發(fā)性災難中受災地區(qū)社交媒體用戶行為研究——基于對“天津8.12爆炸”相關微博日志的內(nèi)容分析和縱向分析[J].信息資源管理學報,2017,7(1):13-19,105.

      [12]王晰巍.專題研究:社交媒體環(huán)境下網(wǎng)絡謠言治理研究[J].情報資料工作,2020,41(2):38.

      [13]劉振.社交媒體的語義標注應用現(xiàn)狀研究[J].圖書與情報,2013,(5):95-99.

      [14]王艷東,付小康,李萌萌.一種基于共詞網(wǎng)絡的社交媒體數(shù)據(jù)主題挖掘方法[J].武漢大學學報:信息科學版,2018,43(12):2287-2294.

      [15]Ghafarian?S?H,Yazdi?H?S.Identifying?Crisis-related?Informative?Tweets?Using?Learning?on?Distributions[J].Information?Processing?&?Management,2020,57(2):102-145.

      [16]Zheng?X,Sun?A.Collecting?Event-related?Tweets?from?Twitter?Stream[J].Journal?of?the?Association?for?Information?Science?and?Technology,2019,70(2):176-186.

      [17]Rungsun?K,Uthai?T,Prabhas?C.Extraction?of?Actionable?Information?from?Crowdsourced?Disaster?Data[J].Journal?of?Emergency?Management,2016,14(6):377-390.

      [18]楊騰飛,解吉波,閆東川,等.基于深度學習的社交媒體情感信息抽取及其在災情分析中的應用研究[J].地理與地理信息科學,2020,36(2):62-68.

      [19]Deng?Q,Liu?Y,Zhang?H,et?al.A?New?Crowdsourcing?Model?to?Assess?Disaster?Using?Microblog?Data?in?Typhoon?Haiyan[J].Natural?Hazards,2016,84(2):1241-1256.

      [20]Ki?E?J,Nekmat?E.Situational?Crisis?Communication?and?Interactivity:Usage?and?Effectiveness?of?Facebook?for?Crisis?Management?By?Fortune?500?Companies[J].Computers?in?Human?Behavior,2014,35:140-147.

      [21]Yan?J,Liu?B?F,Austin?L?L.Examining?the?Role?of?Social?Media?in?Effective?Crisis?Management:The?Effects?of?Crisis?Origin,Information?form,and?Source?on?Publics?Crisis?Responses[J].Communication?Research,2014,41(1):74-94.

      [22]Guan?X,Chen?C.Using?Social?Media?Data?to?Understand?and?Assess?Disasters[J].Natural?Hazards,2014,74(2):837-850.

      [23]杜萍,劉濤,李鼎凱,等.應急場景快速制圖及地圖信息傳輸[J].測繪學報,2019,48(6):747-755.

      [24]Onorati?T,Díaz?P,Carrion?B.From?Social?Networks?to?Emergency?Operation?Centers:A?Semantic?Visualization?Approach[J].Future?Generation?Computer?Systems,2019,95:829-840.

      [25]趙曉航.基于情感分析與主題分析的“后微博”時代突發(fā)事件政府信息公開研究——以新浪微博“天津爆炸”話題為例[J].圖書情報工作,2016,60(20):104-111.

      [26]Li?G,Tian?M,Xu?Q,et?al.GoTree:A?Grammar?of?Tree?Visualizations[C]//Proceedings?of?the?2020?CHI?Conference?on?Human?Factors?in?Computing?Systems,2020:1-13.

      [27]Lin?S,F(xiàn)ortuna?J,Kulkarni?C,et?al.Selecting?Semantically-resonant?Colors?for?Data?Visualization[C]//Computer?Graphics?Forum.Oxford,UK:Blackwell?Publishing?Ltd,2013,32(3-4):401-410.

      [28]Raja?F,Hawkey?K,Hsu?S,et?al.A?Brick?Wall,a?Locked?Door,and?a?Bandit:A?Physical?Security?Metaphor?for?Firewall?Warnings[C]//Proceedings?of?the?Seventh?Symposium?on?Usable?Privacy?and?Security,2011:1-20.

      [29]Caldas?I,Moreira?J,Rebelo?J,et?al.Exploring?Visualization?Metaphors?in?Macroscopic?Traffic?Simulation[C]//2018?IEEE?International?Smart?Cities?Conference(ISC2).IEEE,2018:1-6.

      [30]Pramanick?M,Mitra?P.A?Metaphor?Detection?Approach?Using?Cosine?Similarity[C]//International?Conference?on?Pattern?Recognition?and?Machine?Intelligence.Springer,Cham,2017:358-364.

      [31]Alex?K,F(xiàn)rancis?N,Matthew?K,et?al.Hypothetical?Outcome?Plots?Help?Untrained?Observers?Judge?Trends?in?Ambiguous?Data[J].IEEE?Transactions?on?Visualization?and?Computer?Graphics,2018,25(1):892-902.

      [32]Caroline?Z,Robert?K.The?Shaping?of?Information?By?Visual?Metaphors[J].IEEE?Transactions?on?Visualization?and?Computer?Graphics,2008,14(6):1269-1276.

      [33]張冬瑜,崔紫娟,李映夏,等.基于Transformer和BERT的名詞隱喻識別[J].數(shù)據(jù)分析與知識發(fā)現(xiàn),2020,4(4):100-108.

      [34]信睿,艾廷華,何亞坤.Gosper地圖的非空間層次數(shù)據(jù)隱喻表達與分析[J].測繪學報,2017,46(12):2006-2015.

      [35]Skupin?A.From?Metaphor?to?Method:Cartographic?Perspectives?on?Information?Visualization[C]//IEEE?Symposium?on?Information?Visualization?2000.INFOVIS?2000.Proceedings.IEEE,2000:91-97.

      [36]Skupin?A.A?Cartographic?Approach?to?Visualizing?Conference?Abstracts[J].IEEE?Computer?Graphics?and?Applications,2002,22(1):50-58.

      [37]Skupin?A,F(xiàn)abrikant?S?I.Spatialization?Methods:A?Cartographic?Research?Agenda?for?Non-geographic?Information?Visualization[J].Cartography?and?Geographic?Information?Science,2003,30(2):99-119.

      [38]Fowler?J?J,Johnson?T,Simonetto?P,et?al.Imap:Visualizing?Network?Activity?Over?Internet?Maps[C]//Proceedings?of?the?Eleventh?Workshop?on?Visualization?for?Cyber?Security,2014:80-87.

      [39]Ma?C?X,Liu?Y?J,Zhao?G,et?al.Visualizing?and?Analyzing?Video?Content?with?Interactive?Scalable?Maps[J].IEEE?Transactions?on?Multimedia,2016,18(11):2171-2183.

      [40]Gansner?E?R,Hu?Y,North?S.Visualizing?Streaming?Text?Data?with?Dynamic?Graphs?and?Maps[C]//International?Symposium?on?Graph?Drawing.Springer,Berlin,Heidelberg,2012:439-450.

      [41]Chen?S,Chen?S,Lin?L,et?al.E-map:A?Visual?Analytics?Approach?for?Exploring?Significant?Event?Evolutions?in?Social?Media[C]//2017?IEEE?Conference?on?Visual?Analytics?Science?and?Technology(VAST).IEEE,2017:36-47.

      [42]Chen?S,Chen?S,Wang?Z,et?al.D-Map+?Interactive?Visual?Analysis?and?Exploration?of?Ego-centric?and?Event-centric?Information?Diffusion?Patterns?in?Social?Media[J].ACM?Transactions?on?Intelligent?Systems?and?Technology(TIST),2018,10(1):1-26.

      [43]Chen?S,Li?S,Chen?S,et?al.R-Map:A?Map?Metaphor?for?Visualizing?Information?Reposting?Process?in?Social?Media[J].IEEE?Transactions?on?Visualization?and?Computer?Graphics,2019,26(1):1204-1214.

      [44]Bangor?A,Kortum?P?T,Miller?J?T.An?Empirical?Evaluation?of?the?System?Usability?Scale[J].Intl.Journal?of?Human-Computer?Interaction,2008,24(6):574-594.

      (責任編輯:孫國雷)

      猜你喜歡
      隱喻可視化社交
      社交之城
      英語世界(2023年6期)2023-06-30 06:28:28
      基于CiteSpace的足三里穴研究可視化分析
      社交牛人癥該怎么治
      意林彩版(2022年2期)2022-05-03 10:25:08
      基于Power BI的油田注水運行動態(tài)分析與可視化展示
      云南化工(2021年8期)2021-12-21 06:37:54
      成長是主動選擇并負責:《擺渡人》中的隱喻給我們的啟示
      文苑(2020年6期)2020-06-22 08:42:04
      基于CGAL和OpenGL的海底地形三維可視化
      社交距離
      《活的隱喻》
      民俗研究(2020年2期)2020-02-28 09:18:34
      “融評”:黨媒評論的可視化創(chuàng)新
      傳媒評論(2019年4期)2019-07-13 05:49:14
      你回避社交,真不是因為內(nèi)向
      文苑(2018年17期)2018-11-09 01:29:28
      临沭县| 蓬安县| 澎湖县| 内丘县| 乌拉特前旗| 吴忠市| 姜堰市| 淄博市| 宜阳县| 保靖县| 化州市| 大竹县| 永德县| 贵州省| 隆安县| 永州市| 衡南县| 封开县| 禹州市| 光泽县| 定州市| 沅江市| 景德镇市| 桦川县| 江华| 乐山市| 孟州市| 太仓市| 平利县| 云霄县| 太原市| 富平县| 长乐市| 区。| 安国市| 嫩江县| 兰州市| 肇东市| 渑池县| 客服| 垦利县|