企业官网建设流程全解析

先说结论：这篇论文最让我觉得值钱的地方，不是模型本身多强，而是把大语言模型当成了一种“测量仪器”。过去我们测量一个城市公园好不好，靠问卷、靠人工踏勘、靠点评网站的情感分，总觉得差那么点意思——要么规模太小，要么颗粒度太粗。而这篇论文的标题其实已经讲清楚了：先用大语言模型做“多维度感知解码”，把评论里那些“灯有点暗”“草坪很干净”“周末人挤人”之类的非结构化文本，翻译成结构化的体验指标，然后叠加空间人口数据，去看“到底是谁没享受到好公园”，最后再做规划干预推演，让公平性从口号变成可计算的量。整个过程非常适合做城市计算、景观规划、GIS分析的人参考，尤其是那些接了“公园体检”“15分钟生活圈”之类项目的团队，可以直接把方法搬过去用。

1. 先搞清楚：这篇论文要解决什么问题

1.1 公园品质评估的旧方法为什么不够用

传统公园评估主流有三类，但各有各的毛病。

第一类是问卷调查。设计一堆李克特量表，找人去公园门口拦访。优点是能拿到相对规范的数据，缺点同样明显：样本量通常只有几百份，且受访者大概率是高频使用者，那些“不去公园的人”你根本问不到，而这批人恰恰是公平性研究最关心的对象。

第二类是专家踏勘。让规划师或风景园林师带着打分表去现场看，对设施、绿化、卫生逐项打分。专业性是够，但成本高，一个城市几百个公园根本不可能全覆盖，而且不同专家的尺度感差异很大，很难横向比较。

第三类是点评文本的情感分析。用情感词典或者传统分类模型，把网络评论分成正面、负面，再汇总出一个总得分。这个方案能解决规模问题，但只能告诉管理者“某个公园口碑不错”，无法回答“口碑不错到底是因为风景好，还是因为厕所干净”。抱怨一篇评论里可能同时提到“景色很好但厕所太脏”，传统情感分析会把这条评论揉成一个混合信号，信息损耗太严重。

所以论文的第一层动机很直接：能不能找到一种方法，既有网络评论的规模，又能输出像专家踏勘那样具备维度约束的细粒度指标。

1.2 论文的核心思路：把公园体验“解码”成指标

论文给出的答案是“感知解码”。你可以把公园里每一条在线评论都看作一次传感器读数，这个传感器记录的不是温度气压，而是人的主观体验。问题是评论的语言太随意，“太绝了”“遛娃圣地”“晚上不敢去”——这些表达没法直接参与空间统计。大语言模型在这里扮演的角色，就是一个解码器：把自由文本映射到一组事先定义好的、语义互斥的感知维度上。

论文里定义的维度大致是这些：自然景观、设施完善度、环境卫生、安全感、拥挤程度、交通便利性。每个维度都是0到5的整数评分，另外模型还会输出一句理由。这一步做完之后，原来几十万条散乱的文本，就变成了一张“公园-维度-评分”的关系表。有了这张表，后面无论是做城市尺度对比，还是做空间公平性分析，都是一个标准的数据分析问题了。

我读到这里最大的感受是，这个问题定义得非常聪明。它没有去挑战更难的“情感理解”，而是把任务收敛成了“提取既定维度”。大语言模型最擅长的恰恰就是这类事情：指令明确、输出格式固定、少量推理即可完成。这也决定了整篇论文的复现门槛并不高。

2. 方法框架拆解：大语言模型当“感知解码器”的完整链路

2.1 “评论语料 → 维度张量”四步流程

整条链路可以拆成四层，按数据流向来看非常清晰。

第一层是数据采集。论文用的是城市公园的在线评论数据，包括点评类平台和社交平台的文本，每条评论至少包含正文、发布位置或关联公园ID、发布时间三个字段。这里有个隐藏要求：必须能定位到具体公园，否则后面无法聚合。

第二层是解码层。每条评论单独送入大语言模型，配合一套精心设计的提示词，让模型输出结构化的JSON。这个阶段的质量直接决定整个研究的可信度，后面我会专门讲工程细节。

第三层是聚合层。把同一公园下所有评论的评分汇总成公园级得分。聚合不是简单算平均数，因为评论量和评论时间都会影响结果，论文在这个环节做了一套加权处理。

第四层是分析层。把公园得分落到空间网格上，叠加人口分布数据，计算不同人群的“感知暴露度”，再通过基尼系数之类的指标量化公平性。

流程本身不复杂，但每一层都有设计上的讲究。尤其是第二层和第三层，普通做法和论文做法的差距，基本就是“跑通demo”和“能上项目”的差距。

2.2 提示词工程：怎么设计才能让LLM稳定打标签

这是全篇最核心的工程环节。论文在设计提示词时不是为了“让模型懂”，而是为了“让模型闭嘴”，也就是让模型严格输出可解析、可复核的结构化结果。

我按照论文思路整理了一个可以直接抄的提示词模板：

你是一名城市公园体验分析师。请从以下用户评论中提取感知维度。 输出要求： - 只输出JSON，不要输出多余解释； - 每个字段取值0-5的整数； - 如果评论中没有提到某个维度相关信息，将该字段置为null，禁止猜测； - reason字段用一句话概括判断依据。 维度定义： - naturalness: 自然景观评价，数值越高代表绿化越多、景色越美 - facility: 设施完善度，针对健身器材、儿童设施、座椅、厕所等 - cleanliness: 环境卫生，针对垃圾、地面清洁、厕所卫生 - safety: 安全感，针对照明、治安、是否感觉危险 - crowding: 拥挤程度，数值越大代表越拥挤 - transport: 交通便利性，针对公交地铁可达、停车、入园便利 评论：{text}

这个模板有三个关键细节值得单独拿出来说。

第一，维度定义必须给模型“负面案例”参照，比如安全性必须明确提到“照明”和“治安”，否则模型很容易把所有负面情绪都归到安全感上。第二，允许输出null比强制输出0合理得多。评论里根本没有提到厕所，那facility字段就不应该被强行赋一个分数，否则聚合阶段会被明显拉低。第三，reason字段不是废话，它给了你人工抽检的空间——模型要是打了一个离群分，你可以直接看理由来判断是真实判断还是幻觉。

我在复现时试过给每条评论跑一次“self-consistency”采样，也就是温度设为0.4，同一个采样跑三次，取中位数作为最终评分。效果确实更稳，但成本相应翻了3倍。论文的做法是只对可靠性存疑的样本做多次采样，而不是全量跑，工程取舍很明智。

2.3 从单条评论到公园评分：聚合策略里的门道

单条评论的解码结果质量再高，也只是第一步，关键在于怎么聚合成公园级得分。

直接求平均是最常见的错误做法。原因有两个。第一，评论量多的公园和评论量少的公园，平均分标准差完全不同，直接对比会误导。第二，一条三年前的评论和一条昨天的评论，对公园现状的指示意义显然不一样。

论文采用的方案是加权平均，权重拆成两部分。第一部分是时间衰减权重，越近期的评论权重越高，论文用的衰减函数是 ( w_t = \exp(-\lambda \cdot \Delta t) )，其中 (\lambda) 是半衰期参数，可以根据数据更新频率来调，公园数据一般取90天一个周期比较合理。第二部分是评论信息量权重，文本长度过短、只有“不错”两个字的评论，权重会被压低。

聚合之后，每个公园会得到一张六维得分向量，比如某个公园是[自然景观4.2，设施3.8，卫生3.1，安全3.5，拥挤2.9，交通4.0]。这张向量就是公园的“感知画像”。我习惯把它直接做成雷达图给甲方看，比单一总分直观得多。

3. 公平性评估与提升：不是画热点图那么简单

3.1 先定义“谁在享受公园”：可达性加权的感知暴露度

有了公园级得分，下一个问题是：这些得分属于谁？

不能简单说“这个区有高分公园，所以这个区的人幸福”。因为公园体验不仅取决于公园本身，还取决于你能不能方便地到达那里。论文用了一个可解释的指标——感知暴露度：

[ E_i = \sum_{j \in J} G_j \cdot f(d_{ij}) ]

其中 (E_i) 是空间网格 (i) 的感知暴露度，(G_j) 是公园 (j) 的综合感知评分，(d_{ij}) 是网格中心到公园入口的路径距离，(f(d)) 是距离衰减函数。论文采用的是常用的指数衰减形式 ( f(d) = \exp(-d / \beta) )，(\beta) 在城市尺度一般取1000米到1500米，对应“步行15分钟”的心理距离。

这个公式的政治不正确之处在于：两个公园得分一样，但周边人口结构不同，公平性结论可能完全相反。所以暴露度一定要继续叠加入口数据，才能回答“谁享受到了”。

3.2 公平性量化指标怎么选

定性聊“不公平”谁都会，但论文的力量在于把不公平变成了可以追踪的数字。论文主要用了两类指标。

第一类是全局指标——基尼系数。把每个人口网格的感知暴露度当成“收入”，计算分布洛伦兹曲线，得出基尼系数。基尼系数0.4以上属于差距较大，0.3以下相对均衡。案例里某市改造前的暴露度基尼系数大约是0.47，属于很不均衡的水平，主要问题出在外围新城区，公园虽然多但品质跟不上，导致高分公园集中在老城核心区。

第二类是分组指标——差异指数（Dissimilarity Index）。把人口按收入水平或年龄分为两组，计算两组人在“感知暴露度低于某个阈值”的网格里的分布差异。差异指数0.5意味着有一半的低收入群体需要移动到另一组所在区域，才能让两组享受到相同水平的公园服务。这个指标比基尼系数更直观，也更容易用来做方案汇报。

我要提醒一句：公平性指标不能只看一个，全局基尼系数下降可能掩盖局部恶化。论文的做法是先算全局，再做分组对比，最后落到具体的“低分高需求”区域，三轮筛下来，决策重点自然就浮出水面了。

3.3 “提升”不是口号：规划干预的推演实验

论文标题里的“公平性提升”不是空话，它做了三类规划干预的推演实验。

第一类是设施增补。识别出那些设施维度得分低于3.0且周边人口密度高的公园，模拟增加儿童设施或健身器材后的得分变化。这个得分变化不是拍脑袋猜，而是从同城市其他设施完善公园的评论统计中回归出来的经验值。

第二类是环境整治。卫生和安全两个维度与维护频率强相关，论文的做法是把负面评论中高频出现的关键词作为改造清单，比如“垃圾”“灯坏”“草丛深”，再将清单映射到保洁计划和照明改造计划上。

第三类是可达性优化。对暴露度低的区域，除了改造公园，也可以增加出入口或改善步行路径，本质上是缩短距离衰减函数里的 (d_{ij})。论文的模拟结果显示，单靠设施增补，基尼系数只能从0.47降到0.41；如果再叠加环境整治和出入口优化，可以降到0.33左右。

这种“先量化、再模拟、再比较”的思路，特别适合城市更新类项目的前期研究。你不需要真的花钱改造，就能大致判断哪类干预对公平性提升最有效。

4. 复现实测：数据准备、Prompt调优和常见坑

4.1 数据准备最容易翻车的三个环节

我按论文方法在自己手里的小数据集上完整跑了一遍，第一步就卡在数据上。

第一坑是重复评论。点评平台经常有大量相似评论，有些是模板刷出来的，也有些是同一个用户多次提交。重复文本会让聚合结果失真，必须先做去重。我建议用MinHash或者simhash做近似去重，阈值设在0.85左右，不要只用完全匹配，否则半重复文本会漏过去。

第二坑是坐标定位。很多平台的评论正文并不带公园ID，只有名称和地址。地址解析到经纬度误差很大，尤其是“某公园东门”和“某公园”可能差出几百米。最稳妥的方法是先建立公园POI库，根据评论中的公园名称做关联匹配，而不是直接地理编码。

第三坑是样本量过滤。论文案例里有些社区公园评论量只有个位数，评分方差极大，直接进入建模会变成噪声。我当时把评论数少于10条的公园先剔除，或者用区域均值填充，聚合后的分布明显更平滑。

4.2 Prompt与输出解析的工程化细节

调用大模型接口看起来简单，真正卡你的往往是几十万条评论的工程处理。

首先是并发和限流。量大时要做好重试机制，我的做法是采用指数退避重试，最多5次，返回异常就记录下来，不中断主流程。

其次是JSON解析。模型偶尔会在JSON前后加markdown代码块标记，或者输出一两个多余逗号，直接json.loads会失败。稳妥的办法是先用正则把代码块包裹拆掉，再用允许近似解析的JSON解析库兜底。经验法则：十万条评论如果没有健壮的解析层，至少会损失1%到2%的有效数据。

还有一点，就是控制幻觉。我在复现时发现，即便提示词里写了“未提及置为null”，模型依然有一定概率把所有维度都打上分，尤其是安全维度，模型倾向于给出一个接近中性的默认值。论文的对策是抽检+校准：人工标注一部分数据，算Kappa系数，我当时抽了200条做双人标注，加权Kappa做到了0.82，总体上可信。如果发现某个维度一致性特别差，就该回头修改维度定义里的示例。

4.3 校验与可视化：机器评分到底可信不可信

数据跑完不能直接出图，一定要人工校验。

我最常用的方法是把每条评论的reason字段拉出来，和原始文本对照着看。抽出评分和文本语义明显不符的样本，判断是模型理解错了，还是维度定义模糊了。有一次我发现模型把所有“人很多”都放到了safety维度，而没有放到crowding维度。问题出在crowding定义里没有给示例。加了一句“人很多很挤”作为crowding的正面示例后，错误率立刻降下来。

可视化方面，我强烈建议先做点级散点图，再做空间插值，不要一上来就画行政区的面状图。面上的平均值会掩盖很多具体问题。我当时画的是500米网格热力图，叠加公园点和低分评论的密度分布，很容易就看出问题集中区域。

4.4 常见问题速查表

5. 跑完整个流程后的几点个人反思

5.1 大模型幻觉在感知解码里的真实表现

不用把幻觉想得太玄，实际跑下来，最常见的幻觉是“补全倾向”。模型看到评论里说“公园很新”，会自动补一条“设施应该不错”，于是facility字段被打了高分，哪怕原评论根本没提设施。这提醒我一个事：提示词里的“禁止猜测”只能约束模型的行为，没法约束模型的潜意识，必须靠抽检去拦截。建议每次全量抽取前，先跑200条测试集，统计每个维度的覆盖率，覆盖率异常高的那个维度，多半是模型在脑补。

5.2 公平性结论要小心“可达性陷阱”

公平性分析看起来客观，其实暗含很多主观设定。比如我选的 (\beta) 值是1200米，如果你改成800米，结论可能完全反转。再比如基于在线评论数据本身就有偏差，活跃用户以年轻人和游客为主，老年人和儿童的需求被系统性低估。

所以我在汇报公平性结论时，一定会加一个“敏感性分析”，把距离衰减参数从800米换成1500米，看基尼系数排名是否稳定。如果某个区域的排名对参数非常敏感，说明那里处于服务边界上，恰恰是需要重点关注的区域。

5.3 一个我目前很看好的扩展方向

这篇论文把文本作为唯一感知来源，全流程跑下来后，我最大的想法是：如果能叠加街景图片做多模态解码，公园感知维度还能更实。街景里可以看出设施数量和植被覆盖度，文本里能读出人实际使用时的情绪感受，两边互补性非常强。

我目前的计划是把“文本评论解码”和“街景图像评分”放进同一个框架，对同一个公园输出两条感知画像，再用一致性校验来相互验证。如果文本说“很乱”，而街景显示设施完好，那多说无益，管理者就该去现场看看了——这种交叉验证，才是大语言模型在城市研究中真正发光的地方。