信息化时代的背景下,网络社交平台所累积的大量数据资源蕴含了许多具有价值的信息,如何充分利用和挖掘这些信息去更好进行城市治理具有重要意义。本文主要探讨公众在社交网络上对于城市的评价与印象,从而了解城市,推动政府部门对城市进行更精细化的管理。本文以知乎平台作为案例,对14个城市综合运用自然语言处理中的文本分词、文本聚类等相关技术,呈现完整的城市标签分析方案。运用python语言进行网络爬虫获取原始数据,进行标签获取、标签过滤以及标签规范处理等数据预处理过程。其中包括对数据清洗,文本分词,剔除不符合规则的标签以及同义替换等多项操作,获得原始的标签集合。采用向量空间模型描述文本,因此进行特征词抽取,介绍tf-idf、文档频率、信息增益、χ2统计检验法四种方法。对于城市标签分析主要从以下几个方面展开:(1)城市关键词。结合textrank以及tf-idf对标签进行权重的赋值,排序得到各城市的关键标签,绘制城市标签云以及城市指向网络。(2)城市主题。利用LDA主题模型探索每个城市的公众印象的潜在抽象主题,随后利用所得的文本信息找到内含的四类抽象主题。如重庆的主题由火锅、轻轨、山城、洪崖洞、夏天等词以不同的可能性构成。(3)标签组织化。对于得到的平面化、无序的标签集合构建具有层级关系的标签体系。利用word2vec对文本进行词向量的训练,通过谱聚类划分标签,分析不同类别中标签的特征。(4)城市聚类分析。利用获得的标签权重矩阵对城市采用kmeans、dbscan、mean-shift三种聚类方法进行城市的聚类分析,以便帮助构建城市社群。此外,在基础设施、饮食文化、城市群体三个更细粒度的维度进行城市的聚类并且给出模型评价,进行结果分析,探索部分城市发展的共同方向。本文的创新之处在于提供了对于标签组织化的改进方案,除了对文本本身进行词向量训练外,考虑引入标准语料库后再进行词向量的训练,得到词与词之间的相似度后进行存储,匹配关键标签再展开聚类。只要语料库中的文本信息足够丰富,语言足够规范,那么所得到词语间的关系也是可信的。更进一步的,考虑一种词典和谱聚类相结合的改进算法,利用领域词典改进聚类分析的算法步骤,提高标签划分的科学性,同时能够更好的指明标签类内在的含义。总的来说,本文为用户在社交平台所发表的文本信息展开完整的分析处理提供了借鉴,对于相关技术的应用场景给出了具体实践,同时提供了如何构建标签层级体系的新思路。