方向玫瑰圖社會(huì)經(jīng)濟(jì)論文范文
本站小編為你精心準(zhǔn)備了方向玫瑰圖社會(huì)經(jīng)濟(jì)論文參考范文，愿這些范文能點(diǎn)燃您思維的火花，激發(fā)您的寫(xiě)作靈感。歡迎深入閱讀并收藏。
1.1可視化效果圖1中分別給出了利用三種不同的分析工具對(duì)相同的社會(huì)經(jīng)濟(jì)重心軌跡進(jìn)行分析的結(jié)果。其中圖1(a)為原始軌跡的顯示結(jié)果；圖1(b)為傳統(tǒng)方向玫瑰圖方法的可視化結(jié)果；圖1(c)為本文中的語(yǔ)義方向玫瑰圖。語(yǔ)義方向玫瑰圖將社會(huì)經(jīng)濟(jì)重心軌跡各自對(duì)應(yīng)的經(jīng)濟(jì)屬性作為語(yǔ)義信息與全局軌跡方向玫瑰圖的方法相結(jié)合，以可視化的形式表達(dá)。在語(yǔ)義方向玫瑰圖中每個(gè)詞的位置代表了該經(jīng)濟(jì)屬性對(duì)應(yīng)的重心軌跡在該方向區(qū)間內(nèi)移動(dòng)的距離大小即移動(dòng)模式的顯著性。同時(shí)，詞匯的字體大小與該經(jīng)濟(jì)重心移動(dòng)的顯著性也成正比。因此，在圖中詞的位置離中心越遠(yuǎn)，字體越大，代表該經(jīng)濟(jì)屬性所代表的經(jīng)濟(jì)重心軌跡在該方向上移動(dòng)的模式越顯著。對(duì)比圖1中三種不同方法的實(shí)驗(yàn)結(jié)果可知：1）語(yǔ)義方向玫瑰圖可從語(yǔ)義的角度對(duì)社會(huì)經(jīng)濟(jì)重心軌跡進(jìn)行統(tǒng)計(jì)分析，最終直接以語(yǔ)義信息代表經(jīng)濟(jì)重心在圖上表達(dá)。因此，語(yǔ)義方向玫瑰圖給使用者提供了一種更直觀更易理解的分析方法。2）語(yǔ)義方向玫瑰圖從整體角度上看可反映經(jīng)濟(jì)重心軌跡的全局移動(dòng)特性。同時(shí)，圖中單個(gè)詞匯又能反映其所代表的單條重心軌跡的顯著移動(dòng)模式，從而能更直接更全面的傳遞出經(jīng)濟(jì)重心軌跡的顯著移動(dòng)模式的信息。
1.2形式化定義語(yǔ)義方向玫瑰圖是基于帶有語(yǔ)義信息的重心軌跡Pj進(jìn)行統(tǒng)計(jì)分析的，語(yǔ)義重心軌跡以式(1)的形式表達(dá)。式中n是軌跡上的采樣點(diǎn)數(shù)，(xi,yi,ti,wj)表示的是在ti時(shí)刻移動(dòng)物體狀態(tài)；xi,yi為重心軌跡的空間位置信息；wj為語(yǔ)義信息，即軌跡所代表重心的經(jīng)濟(jì)屬性名，如“國(guó)內(nèi)生產(chǎn)總值”、“工業(yè)產(chǎn)量”等。
2生成方法
根據(jù)帶有語(yǔ)義信息的社會(huì)經(jīng)濟(jì)重心軌跡數(shù)據(jù)，按照上式(3)即可計(jì)算出八個(gè)方向區(qū)間內(nèi)每個(gè)語(yǔ)義詞匯的詞頻，得到每個(gè)詞在圖中顯示的極坐標(biāo)位置。一般情況下，由于軌跡數(shù)量較多，為了保證語(yǔ)義方向玫瑰圖分析的有效性和可行性，可根據(jù)軌跡語(yǔ)義詞匯的重要性即其所代表軌跡移動(dòng)模式的顯著性大小進(jìn)行排序和篩選，僅對(duì)移動(dòng)模式最為顯著語(yǔ)義詞匯進(jìn)行分析和表達(dá)。此外，由于詞匯之間難免會(huì)出現(xiàn)許多重疊部分，影響可視化效果。因此，最后還可圖中的詞匯位置進(jìn)行微調(diào)，以減少詞與詞的重疊碰撞。由此可知，語(yǔ)義方向圖的生成過(guò)程可分為以下幾個(gè)步驟：統(tǒng)計(jì)各個(gè)方向區(qū)間的詞頻；根據(jù)顯著性對(duì)詞匯排序和篩選；文字位置微調(diào)。接下來(lái)，本文將詳細(xì)闡述語(yǔ)義方向圖的生成過(guò)程。表1為實(shí)現(xiàn)語(yǔ)義方向玫瑰圖的偽代碼。
2.1統(tǒng)計(jì)各個(gè)方向區(qū)間詞頻先將[0°,360°]劃分成8個(gè)等間隔的方向區(qū)間。根據(jù)式(5)確定軌跡Pj上的矢量kkkj,x,y,w所處的方向區(qū)間km。中[]代表取整數(shù)。2.2計(jì)算tf-idf并排序過(guò)濾在信息檢索領(lǐng)域中，有研究人員提出了tf-idf的概念來(lái)衡量某一個(gè)詞在整篇文檔中的重要性[15]。在本文中，同樣可以用tf-idf來(lái)詞匯在語(yǔ)義方向圖中的重要性。其中tf反映詞代表軌跡移動(dòng)模式在全局中的顯著性，而idf則反映的是該詞是否常見(jiàn)。由于各個(gè)方向的重要性實(shí)際上相同的，因此只考慮詞頻的距離值。其中，N和num分別代表所有方向區(qū)間的個(gè)數(shù)與所計(jì)算詞出現(xiàn)的方向區(qū)間的個(gè)數(shù)。在取對(duì)數(shù)之后，idf的值能更好的表達(dá)一個(gè)詞出現(xiàn)的區(qū)間越少，則這個(gè)詞越重要的特點(diǎn)。此外，在idf的基礎(chǔ)上加1是為了處理idf等于0的情況。從上式(6)中可看出，tf-idf值越大，表示這個(gè)詞越有意義越重要，其代表的軌跡移動(dòng)模式顯著性越強(qiáng)。計(jì)算出各區(qū)間內(nèi)各個(gè)詞的tf-idf后，即可根據(jù)tf-idf值的大小在每個(gè)方向區(qū)間中選擇出tf-idf最大的若干個(gè)詞匯進(jìn)行顯示。此外，若數(shù)據(jù)在縱軸上出現(xiàn)小指聚集或有異常值的情況下，可以對(duì)縱向的R軸進(jìn)行了一個(gè)如下式(7)的指數(shù)變換，以保證語(yǔ)義方向圖的效果更好。式中R和R’分別為變換前后的縱軸距離值。下圖2(a)即經(jīng)過(guò)指數(shù)變換之后的可視化結(jié)果。
2.3文字位置微調(diào)為了提高空間利用率以及可視化顯示效果，很多研究詞云的人提出了各種不同的方法來(lái)避免詞匯重疊。例如，F(xiàn)ernandaB.Viégas使用了一種隨機(jī)貪婪算法，即每次給與其他詞重疊的詞移動(dòng)一個(gè)新位置，直至不再重疊，實(shí)現(xiàn)逐步逼近最優(yōu)解的過(guò)程[16]。本文即通過(guò)這種類(lèi)似的貪婪算法解決詞與詞之間相互重疊的問(wèn)題。以下為實(shí)現(xiàn)文字位置微調(diào)的貪婪算法的基本流程：（1）碰撞檢測(cè)首先依次對(duì)一個(gè)詞與其他所有詞進(jìn)行碰撞檢測(cè)。若檢測(cè)得該詞與另一個(gè)詞有重疊時(shí)，則進(jìn)行下一步；若與其他所有詞都無(wú)重疊，則對(duì)下一個(gè)詞進(jìn)行判斷。檢測(cè)碰撞的一個(gè)比較簡(jiǎn)單的方法就是檢測(cè)兩個(gè)詞的外接矩形是否相交。（2）位置隨機(jī)微調(diào)若某兩個(gè)詞有碰撞，則隨機(jī)選擇其中一個(gè)，并對(duì)這個(gè)詞的位置在一定的限制條件下進(jìn)行隨機(jī)的調(diào)整，包括角度和距離兩個(gè)方面。其中限制條件有兩個(gè)。第一，在進(jìn)行調(diào)整時(shí)，其距離和角度的移動(dòng)步長(zhǎng)應(yīng)該是在某一個(gè)范圍內(nèi)的隨機(jī)值，不能太大。此外，對(duì)于字體較大即較移動(dòng)模式較顯著的詞，其移動(dòng)幅度應(yīng)較小，盡量保持其原有的分布；第二，在微調(diào)的過(guò)程中，不能移出詞匯所在區(qū)間范圍。（3）循環(huán)至無(wú)碰撞或終止在完成對(duì)一個(gè)詞的移動(dòng)后，返回第一步檢測(cè)碰撞，直至所有的詞都不發(fā)生重疊的現(xiàn)象。在實(shí)際過(guò)程中，多數(shù)情況下很難找到最優(yōu)解，即所有詞都不重疊，特別是當(dāng)顯示的詞數(shù)量較多時(shí)。因此，此處可以限制一個(gè)合理的循環(huán)次數(shù)。當(dāng)循環(huán)了足夠多的次數(shù)或者所有詞都不重疊時(shí)，終止循環(huán)。
3應(yīng)用研究
3.1數(shù)據(jù)來(lái)源與實(shí)驗(yàn)工具本文以1985年到2004年間我國(guó)大陸地區(qū)的國(guó)內(nèi)生產(chǎn)總值（GDP）、客運(yùn)量、醫(yī)療機(jī)構(gòu)數(shù)、就業(yè)人口等40項(xiàng)經(jīng)濟(jì)指標(biāo)的重心軌跡數(shù)據(jù)為例，利用語(yǔ)義方向玫瑰圖的方法對(duì)其進(jìn)行統(tǒng)計(jì)分析。根據(jù)得到的語(yǔ)義方向玫瑰圖，發(fā)現(xiàn)隱含于經(jīng)濟(jì)重心軌跡數(shù)據(jù)中的顯著移動(dòng)模式，反映出在所研究時(shí)間段內(nèi)研究區(qū)域內(nèi)部各項(xiàng)經(jīng)濟(jì)指標(biāo)重心的整體移動(dòng)特征以及模式顯著的單項(xiàng)經(jīng)濟(jì)指標(biāo)重心移動(dòng)特征。該實(shí)例應(yīng)用數(shù)據(jù)來(lái)自統(tǒng)計(jì)局經(jīng)濟(jì)年鑒。本文中實(shí)現(xiàn)的分析工具和探索性分析方法都是由Python編程語(yǔ)言實(shí)現(xiàn)。其中主要用到python中專(zhuān)門(mén)用于繪圖的matplotlib庫(kù)。
3.2實(shí)驗(yàn)結(jié)果如圖2(a)與2(b)為該實(shí)例應(yīng)用進(jìn)行文字位置微調(diào)前后的語(yǔ)義方向玫瑰圖。結(jié)果表明：1）從整體模式上看，移動(dòng)角度在[0°,90°]以及[180°,270°]之間的軌跡多，頻率高，由此計(jì)算所得這兩個(gè)區(qū)間內(nèi)語(yǔ)義詞匯的詞頻矢量中的r值較大，所以區(qū)間內(nèi)詞匯字體較大，顏色較深，即軌跡移動(dòng)模式較顯著。圖上大部分語(yǔ)義詞匯集中于東北與西南兩方向上，即1985年到2004年間我國(guó)各項(xiàng)經(jīng)濟(jì)指標(biāo)主要在東北、西南方向上移動(dòng)。這主要與改革開(kāi)放和西部大開(kāi)發(fā)政策頒布初期我國(guó)整體社會(huì)經(jīng)濟(jì)活動(dòng)主要向西南和東部聚集，但之后該趨勢(shì)明顯減弱，開(kāi)始向東北方向擴(kuò)散有關(guān)[17]。2）從單項(xiàng)經(jīng)濟(jì)指標(biāo)移動(dòng)模式來(lái)看，軌跡在某一方向區(qū)間移動(dòng)的距離越長(zhǎng)，即詞頻矢量中的r值越大，在圖中就表現(xiàn)為詞匯所處位置離中心越遠(yuǎn)，字體越大，顏色也越深，說(shuō)明其往該方向上移動(dòng)的模式越顯著。由此可見(jiàn)，圖中反映的重心軌跡移動(dòng)模式最為顯著的經(jīng)濟(jì)屬性為客運(yùn)量、衛(wèi)生機(jī)構(gòu)數(shù)、集體企業(yè)以及油料產(chǎn)量。在1985年至2004年間全國(guó)客運(yùn)量重心顯著往北方移動(dòng)，這是由于北京是我國(guó)的經(jīng)濟(jì)政治文化重心，交通便利，與全國(guó)各地的經(jīng)濟(jì)文化等方面交流緊密，流動(dòng)人口多，且改革開(kāi)放以來(lái)，北京和天津的旅游業(yè)發(fā)展迅速[18]；隨著改革開(kāi)放之后，上海、江浙及廣東等東部沿海地區(qū)經(jīng)濟(jì)地位的快速提升和發(fā)展，特別是外向型經(jīng)濟(jì)[19]，引起集體企業(yè)重心向東聚集；而且，東部沿海地區(qū)經(jīng)濟(jì)地位提升后，人口也隨之增多，必然導(dǎo)致東部地區(qū)衛(wèi)生機(jī)構(gòu)數(shù)的增加；而反映了農(nóng)業(yè)發(fā)展的油料產(chǎn)量重心主要向西南方向移動(dòng)，與該時(shí)間段內(nèi)西部大開(kāi)發(fā)政策帶動(dòng)很大程度上帶動(dòng)了西部地區(qū)的發(fā)展的情況一致，且在全國(guó)范圍內(nèi)，西部地區(qū)經(jīng)濟(jì)地位仍然較低，因此農(nóng)業(yè)在其經(jīng)濟(jì)產(chǎn)業(yè)中占主導(dǎo)地位[20]。
4結(jié)束語(yǔ)
本文詳細(xì)描述了語(yǔ)義方向玫瑰圖的生成過(guò)程與方法，并以實(shí)例數(shù)據(jù)為例，通過(guò)語(yǔ)義方向玫瑰圖分析工具對(duì)社會(huì)經(jīng)濟(jì)重心軌跡移動(dòng)模式進(jìn)行挖掘。結(jié)果表明語(yǔ)義方向玫瑰圖結(jié)合了軌跡語(yǔ)義信息與方向玫瑰圖，從語(yǔ)義的角度進(jìn)行統(tǒng)計(jì)分析，以一種更全面直觀的可視化形式，有效的同時(shí)反映出顯著的單條或多條相關(guān)社會(huì)經(jīng)濟(jì)重心軌跡的移動(dòng)模式以及各經(jīng)濟(jì)重心移動(dòng)的整體分布格局。下一步的研究工作主要有三點(diǎn)：1）在語(yǔ)義方向玫瑰圖中添加時(shí)間維度，反映出重心移動(dòng)在所研究時(shí)間段內(nèi)的歷史變化過(guò)程，以表達(dá)出經(jīng)濟(jì)重心軌跡移動(dòng)的時(shí)空模式特征。2）增強(qiáng)用戶(hù)交互，實(shí)現(xiàn)圖中的語(yǔ)義詞匯與實(shí)際地理空間內(nèi)的原始軌跡的對(duì)應(yīng)和鏈接。3）合理控制詞匯位置微調(diào)的程度。在滿(mǎn)足研究對(duì)詞匯位置精度需求的情況下，盡量減少詞與詞之間的重疊碰撞，優(yōu)化可視化效果。
作者：劉汝倩佘冰朱欣焰咼維單位：武漢大學(xué)測(cè)繪遙感信息工程國(guó)家重點(diǎn)實(shí)驗(yàn)室