【技术实现步骤摘要】
基于深度学习与社交媒体信息计算景观偏好的方法
[0001]本专利技术涉及景观评估
，具体是基于深度学习与社交媒体信息计算景观偏好的方法。
技术介绍
[0002]景观偏好是景观感知的一部分，它反映了公众面对景观时情感认知等一系列感性活动综合的结果，它体现了主体对景观的喜欢和吸引力、兴趣和兴奋、风景美及其对立的判断。
[0003]随着快速的城市化进程，人们接触自然的机会越来越少，绿道作为一种线性的绿地空间，开始变得尤为珍贵，它能建立城市栖息地与生物多样性之间的联系，因此了解公众对于绿道景观偏好，对建设高质量、高吸引力的城市绿色空间尤为重要。
[0004]现有技术中对绿道景观偏好的研究多基于调查问卷、访谈法和参与式绘图法等来获取偏好反馈，尽管这些方法可能获取到详细的信息，但它们往往只能在有限的空间，或有限的时间内采集较少量的数据，很难进行大规模的评估，可能会导致结果简化或存在一致性的问题。
[0005]近年来，随着互联网的发展，，社交媒体图像已经成功地应用于城市绿地的景观偏好研究中，例如，Huai等人...
【技术保护点】
【技术特征摘要】
1.基于深度学习与社交媒体信息计算景观偏好的方法，其特征在于，包括如下步骤：S1、爬虫获取数据：从社交媒体网站微博上手机社交媒体的短文本与照片，具体为以“绿道”为关键词，利用python爬取微博信息，检索到的元数据包括照片ID、短文本、照片、点赞数、评论数、转发数；S2、利用CNN、谷歌云图聚类技术处理爬取的照片数据：使用基于卷积神经网络(CNN)和机器学习的图像聚类将照片数据分组为具有不同景观主题的聚类，具体为使用预先训练的CNN模型来提取代表照片视觉内容的特征向量，然后使用K均值聚类基于这些特征向量的相似性对图像进行聚类；S3、确定聚类后的照片景观主题：将照片景观主题聚类后分为N个类，其中N至少为大于等于2的自然数；S4、计算照片的点赞、转发、评论的权重系数；S5、计算点赞、转发、评论加权后的景观偏好值。2.根据权利要求1所述的基于深度学习与社交媒体信息计算景观偏好的方法，其特征在于：所述S3中，N取值为10，确定环境景观主题、人文景观主题和服务设施景观主题中的十个分类作为景观偏好评估的照片景观主题，具体分类如下表所示：个分类作为景观偏好评估的照片景观主题，具体分类如下表所示：3.根据权利要求2所述的基于深度学习与社交媒体信息计算景观偏好的方法，其特征在于：所述S4中，使用层次分析法或者专家评分法计算照片的点赞、转发、评论的权重系数。4.根据权利要求3所述的基于深度学习与社交媒体信息计算景观偏好的方法，其特征在于：所述专家评分法具体为邀...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。