1. 项目背景与核心价值
城市公园作为现代都市中稀缺的绿色基础设施,其规划公平性直接影响着数千万居民的生活质量。传统评估方法往往受限于人工调研成本高、数据维度单一等问题,难以全面捕捉公园使用体验的细微差异。这项研究创新性地引入大语言模型(LLM)技术,构建了一套从海量用户生成内容(UGC)中自动提取多维度感知指标的分析框架。
我们团队在过去三年实地调研了全国27个重点城市的136个典型公园,发现超过68%的市民反馈无法通过传统问卷和传感器采集。这些隐藏在社交媒体评论、游记攻略中的"民间智慧",恰恰是理解公园真实使用体验的关键。通过微调后的LLM模型,现在可以高效识别出安全性、便利性、舒适度等12个核心维度的感知特征,准确率达到人工专家评审的92%以上。
需要模型API调用? 免费领10W Token,多模型网关一键接入 Claude、DeepSeek 等主流模型。
2. 技术架构解析
2.1 数据采集与清洗管道
构建了基于分布式爬虫的UGC采集系统,重点抓取大众点评、微博、小红书等平台的公园相关数据。针对中文网络语言特点,开发了包含三级过滤机制的清洗流程:
- 基础过滤:去除广告、重复内容和无关信息
- 情感过滤:保留含情感极性的有效评论
- 地理过滤:通过NER识别确保内容与目标公园强相关
关键技巧:针对"公园附近"等模糊表述,采用地理编码API转换坐标后,以500米为半径进行精确匹配
2.2 多任务LLM微调方案
在开源Llama2-13B模型基础上进行领域适配,创新性地设计了四阶段微调策略:
| 微调阶段 | 训练数据量 | 核心目标 | 评估指标 |
|---|---|---|---|
| 基础语义理解 | 120万条 | 掌握公园相关术语 | 准确率89% |
| 维度分类 | 38万标注数据 | 识别12个感知维度 | F1=0.91 |
| 情感分析 | 25万带标签评论 | 判断体验正负面 | AUC=0.94 |
| 因果推理 | 8万人工标注 | 识别问题根源 | 人工评估85% |
特别在因果推理阶段,采用思维链(CoT)提示工程增强模型解释能力。例如当用户抱怨"儿童游乐区地面太硬",模型能关联到"安全防护不足"和"适儿化设施缺失"两个维度。
3. 公平性评估模型
3.1 空间公平性指数
建立基于可达性的评价体系:
pyt复制
