基于Web文本信息挖掘的城市居民小區(qū)宜居性評價方法的研究.pdf

1、隨著我國經(jīng)濟的快速發(fā)展，人們對居住環(huán)境的要求越來越高，跨入了由原來的“居者謀其屋”到現(xiàn)在的“居者選其屋”的時代。宜居的生活環(huán)境越來越受到人們的重視，在購房或租房時，居民小區(qū)是否宜居已經(jīng)成為人們決策時的重要參考依據(jù)。同時，國家也出臺了許多措施提倡創(chuàng)建宜居的生活環(huán)境，自2007年起，我國每年都會評選出“中國十大宜居城市”。在全民參與創(chuàng)建宜居生活的大環(huán)境下，宜居評價標準不夠完善和相關(guān)數(shù)據(jù)獲取困難，嚴重影響了宜居生活環(huán)境的建設(shè)。此外，隨著國家信

2、息化程度的不斷加深，房地產(chǎn)網(wǎng)絡(luò)平臺迅速興起，為本文研究提供了海量數(shù)據(jù)。
　　本文主要通過對Web文本信息進行獲取和挖掘，建立基于Web文本信息挖掘的城市居民小區(qū)宜居性評價模型，對城市居民小區(qū)進行宜居性評價，最后以武漢中心區(qū)域為例進行居民小區(qū)宜居性評價，證明了所提出研究方法可行性，為城市規(guī)劃和宜居社區(qū)建設(shè)等進一步的研究提供數(shù)據(jù)支持和理論幫助。本文主要貢獻和創(chuàng)新點如下:
　　1.給出了具有針對性的Web信息挖掘方法。在對居民小區(qū)

3、客觀評價指標數(shù)據(jù)（商業(yè)配套設(shè)施、教育配套設(shè)施等）進行量化處理時，利用特征詞統(tǒng)計結(jié)合實際情況和相關(guān)標準，給出了一種比較科學(xué)和實用的量化方法。在對居民小區(qū)主觀評價指標數(shù)據(jù)進行文本分類時，針對KNN分類算法分類速度慢的缺點，給出了一種利用局部敏感哈希方法來減少計算量從而提高文本分類效率的改進KNN分類算法。本文實驗中，改進后的分類算法在保證分類效果基本不變的情況下，分類速度較原有分類算法有了顯著提高。
　　2.建立了基于Web文本信息的

4、城市居民小區(qū)宜居性評價模型。該評價模型的所需數(shù)據(jù)均來自于互聯(lián)網(wǎng)，故在確定模型評價指標時，立足于現(xiàn)有的宜居性相關(guān)理論，結(jié)合可獲取相關(guān)互聯(lián)網(wǎng)數(shù)據(jù)的特點，將評價指標分為客觀評價指標（即居民小區(qū)軟硬件數(shù)據(jù)）和主觀評價指標（即居民對所住小區(qū)的主觀評價）兩類。對以武漢中心區(qū)域為例進行居民小區(qū)宜居性評價時，將評價結(jié)果結(jié)合實際情況比較分析，證明了評價模型操作的可行性，評價結(jié)果的準確性。
　　3.完善了城市居民小區(qū)宜居性評價模型的綜合評價方法。針對