崔 譽(yù)， 簡(jiǎn)子菡， 丁志偉

（1.河南大學(xué)環(huán)境與規(guī)劃學(xué)院/區(qū)域發(fā)展與規(guī)劃研究中心/黃河中下游數(shù)字地理技術(shù)教育部重點(diǎn)實(shí)驗(yàn)室，河南開(kāi)封 475004；

2.城鄉(xiāng)協(xié)調(diào)發(fā)展河南省協(xié)同創(chuàng)新中心，鄭州 450046）

隨著互聯(lián)網(wǎng)技術(shù)的普及、大數(shù)據(jù)應(yīng)用的快速發(fā)展，在21世紀(jì)的今天，網(wǎng)絡(luò)搜索成為公眾出行、了解世界的重要方式. 在這樣的信息時(shí)代背景下，學(xué)者利用網(wǎng)絡(luò)用戶對(duì)特定事物的關(guān)注度對(duì)公眾的行為方式展開(kāi)了多角度的研究. 目前，國(guó)外學(xué)者基于網(wǎng)絡(luò)關(guān)注度的研究成果已經(jīng)相當(dāng)成熟，例如在經(jīng)濟(jì)方面，針對(duì)交易行為的量化研究［1］，消費(fèi)者消費(fèi)行為的預(yù)測(cè)［2］；在社會(huì)方面，針對(duì)失業(yè)率的預(yù)測(cè)［3］，旅游目的地游客量的預(yù)測(cè)［4］，社會(huì)安全的監(jiān)測(cè)［5-6］，流感、傳染病的預(yù)測(cè)和評(píng)估［7］等都做了大量的工作. 國(guó)內(nèi)基于網(wǎng)絡(luò)關(guān)注度的研究雖起步較晚，但也在各個(gè)領(lǐng)域開(kāi)展了一系列工作，如在經(jīng)濟(jì)方面，對(duì)投資者有限關(guān)注與股票收益的相關(guān)性研究［8］，網(wǎng)絡(luò)關(guān)注度對(duì)市場(chǎng)成交量的影響分析［9］；在社會(huì)方面，對(duì)景區(qū)網(wǎng)絡(luò)關(guān)注度的空間分布特征分析［10-11］，對(duì)游客量的預(yù)測(cè)［12］，旅游景區(qū)借助網(wǎng)絡(luò)關(guān)注度的營(yíng)銷策劃分析［13］等；在文化方面，對(duì)網(wǎng)絡(luò)輿情時(shí)空演化的分析研究［14］等. 與此同時(shí)，網(wǎng)絡(luò)關(guān)注度與地理空間的聯(lián)系也日益緊密，成為探索地理現(xiàn)象空間差異的重要補(bǔ)充方式. 在關(guān)注度指標(biāo)采用方面，不僅有基于居民日常使用軟件的數(shù)據(jù)分析，還有基于百度大數(shù)據(jù)［15-22］、新浪微博［23-24］、騰訊熱力［25］、電商數(shù)據(jù)［26-27］等進(jìn)行的分析，為研究實(shí)體經(jīng)濟(jì)網(wǎng)絡(luò)下的城市體系提供線上支撐.

由于百度大數(shù)據(jù)作為中國(guó)網(wǎng)民的最大搜索平臺(tái)，因而基于其產(chǎn)生的數(shù)據(jù)為地理研究提供了大量的支撐. 在已有的研究中，百度大數(shù)據(jù)包括百度指數(shù)［15-17］、百度檢索量［18］、百度貼吧數(shù)據(jù)［19］、百度地圖數(shù)據(jù)［20］、百度熱力圖［21］、百度人口遷徙數(shù)據(jù)［22］，為研究公眾的網(wǎng)絡(luò)關(guān)注度行為提供了支撐，為研究經(jīng)濟(jì)活動(dòng)規(guī)律、城市網(wǎng)絡(luò)化結(jié)構(gòu)、旅游分析與預(yù)測(cè)、社會(huì)需求與趨勢(shì)預(yù)測(cè)提供了重要參考與依據(jù). 在上述百度大數(shù)據(jù)中，利用百度指數(shù)分析信息化水平、城市發(fā)展水平等較為常見(jiàn)，能對(duì)一個(gè)地區(qū)的網(wǎng)絡(luò)關(guān)注度進(jìn)行長(zhǎng)時(shí)間、不同媒介端口的多角度分析，因此學(xué)者應(yīng)用該指標(biāo)進(jìn)行了經(jīng)濟(jì)、社會(huì)、文化、政治等多領(lǐng)域的研究.

在全球化進(jìn)程日益加快的今天，世界各國(guó)之間的資金、技術(shù)、信息交流日益緊密. 美國(guó)從科技、軍事、經(jīng)濟(jì)、政治任一方面，均是世界上唯一的超級(jí)大國(guó)，其對(duì)世界乃至各國(guó)的發(fā)展都發(fā)揮著一定的影響作用. 如今中美交流日益密切，美國(guó)是國(guó)民旅游、留學(xué)的熱門國(guó)家，我國(guó)網(wǎng)民對(duì)美國(guó)的網(wǎng)絡(luò)關(guān)注度也相對(duì)較高. 但是梳理已有的文獻(xiàn)后發(fā)現(xiàn)，學(xué)者借助網(wǎng)絡(luò)關(guān)注度對(duì)某一領(lǐng)域進(jìn)行地理空間差異研究時(shí)，其研究的地理范圍主要以國(guó)內(nèi)為主，對(duì)國(guó)外的研究較少，且缺乏對(duì)于美國(guó)網(wǎng)絡(luò)關(guān)注度的空間分布格局研究. 因此本研究借助百度指數(shù)數(shù)據(jù)，分析網(wǎng)絡(luò)用戶對(duì)美國(guó)州級(jí)、城市層面的空間分布特征.

1 數(shù)據(jù)來(lái)源和研究方法

1.1 數(shù)據(jù)來(lái)源

美國(guó)共有50個(gè)州，而其“城市”沒(méi)有明確的定義，各州域內(nèi)有不同的居民地命名方式，因此本研究選取了各州GDP、人口相對(duì)較多的“城市”總計(jì)281個(gè). 考慮數(shù)據(jù)的可獲取性和可比性，本研究利用百度指數(shù)的查詢功能，以美國(guó)州和城市的中英文名稱作為搜索的關(guān)鍵詞獲取了2011 年、2015 年、2019 年電腦（PC）端、移動(dòng)端、整體端關(guān)注度日均值以及三年各端平均值，具體的檢索方法如圖1所示. 其中在檢索過(guò)程中一些州和城市的名稱具有多重歧義，不能界定其是否真實(shí)地反映該州或者城市的網(wǎng)絡(luò)關(guān)注度. 因此這類數(shù)據(jù)不加以使用，加之一些州和城市名稱的關(guān)鍵詞未被收錄，最終獲取了34個(gè)州的中文關(guān)鍵詞數(shù)據(jù)，22個(gè)州的英文關(guān)鍵詞數(shù)據(jù)；51個(gè)城市的中文關(guān)鍵詞數(shù)據(jù)，24個(gè)城市的英文關(guān)鍵詞數(shù)據(jù).

圖1 百度指數(shù)搜索流程圖Fig.1 Baidu Index search flow chart

1.2 研究方法

1.2.1 空間分類與核密度分析法 美國(guó)各州、各城市的網(wǎng)絡(luò)關(guān)注度存在較大差異，通過(guò)空間分類可對(duì)數(shù)據(jù)進(jìn)行可視化處理，能更清楚地透視空間網(wǎng)絡(luò)關(guān)注度的差異格局. 空間分類方法中的自然間斷點(diǎn)法是基于數(shù)據(jù)中固有的自然分組進(jìn)行類內(nèi)差異最小，類間差異最大的方法，如“自然”地分割一般，因此學(xué)者常以此為分類方法進(jìn)行分析. 基于此，本研究采取自然斷點(diǎn)分級(jí)法進(jìn)行空間格局分析，將州和城市的百度指數(shù)分別劃分為5個(gè)層級(jí)，即高值區(qū)、中高值區(qū)、中值區(qū)、中低值區(qū)、低值區(qū). 在進(jìn)行城市網(wǎng)絡(luò)關(guān)注度的空間分析時(shí)，為揭示美國(guó)城市在空間上的集聚與離散情況，引入了核密度分析法分析網(wǎng)絡(luò)關(guān)注度在地理空間上的形態(tài)特征. 核密度的具體方法如下：

式中，fn為城市點(diǎn)分布核密度測(cè)算值；k為權(quán)函數(shù)，xi為城市點(diǎn)i的位置坐標(biāo)，i=1，2，…，n；n為城市點(diǎn)數(shù)量；h表示帶寬.

1.2.2 相關(guān)分析與內(nèi)部影響因子的統(tǒng)計(jì)分析 為探析美國(guó)州與城市層面網(wǎng)絡(luò)關(guān)注度的具體影響因子，本研究引入相關(guān)性分析與內(nèi)部影響因子統(tǒng)計(jì)分析相結(jié)合的方法進(jìn)行定性與定量的分析. 相關(guān)分析是分析要素指標(biāo)之間相互關(guān)系的一種分析方法，是常用的分析影響因素的方法之一，因此本研究通過(guò)相關(guān)性分析判斷社會(huì)經(jīng)濟(jì)水平與網(wǎng)絡(luò)關(guān)注度的關(guān)系. 內(nèi)部影響因子的統(tǒng)計(jì)分析，主要通過(guò)對(duì)關(guān)鍵詞的挖掘工具，整理歸納出網(wǎng)絡(luò)用戶對(duì)具體州、城市的關(guān)注度維度，如教育、醫(yī)療、旅游等. 由于被關(guān)注的內(nèi)容需要逐一進(jìn)行搜索詞條的總結(jié)方能確定，因此本研究運(yùn)用關(guān)鍵詞挖掘工具——5118（https：//www.5118.com/）分別選取了10個(gè)高關(guān)注度州和10個(gè)低關(guān)注度州，10個(gè)高關(guān)注度城市和10個(gè)低關(guān)注度城市，挖掘以州名稱、城市名稱為基準(zhǔn)關(guān)鍵詞的長(zhǎng)尾關(guān)鍵詞，長(zhǎng)尾關(guān)鍵詞是指網(wǎng)站上的非目標(biāo)關(guān)鍵詞但與目標(biāo)關(guān)鍵詞相關(guān)的也可以帶來(lái)搜索流量的組合型關(guān)鍵詞.因此，本研究以長(zhǎng)尾關(guān)鍵詞為基準(zhǔn)分析網(wǎng)民的主要關(guān)注內(nèi)容，由此判斷具體由哪些因子影響關(guān)注度的差異.

2 結(jié)果分析

2.1 州級(jí)層面關(guān)注度的空間差異

2.1.1 中文關(guān)注度的空間差異 運(yùn)用ArcGIS 自然間斷點(diǎn)分級(jí)法，得到2011年、2015年、2019年以及三年平均值的州級(jí)中文關(guān)注度空間分布圖（圖2～圖4）.

由圖2～圖4可知，無(wú)論是PC端、移動(dòng)端還是整體端，基本呈現(xiàn)出高、中高、中值區(qū)分散分布，中低值、低值區(qū)連片分布的特征. 具體來(lái)看，位于太平洋上的夏威夷州一直處于最高級(jí)關(guān)注度，處于遙遙領(lǐng)先的位置；中高、中值區(qū)的加利福尼亞州、阿拉斯加州、華盛頓州位于太平洋沿岸，佛羅里達(dá)州、得克薩斯州位于墨西哥灣沿岸，馬薩諸塞州、新澤西州、馬里蘭州位于東北部大西洋沿岸，紐約州、俄亥俄州、賓夕法尼亞州、明尼蘇達(dá)州位于五大湖沿岸，主要表現(xiàn)為沿海岸、湖泊分布的特征，這與美國(guó)經(jīng)濟(jì)發(fā)展的核心區(qū)明顯相關(guān)；顯著低值區(qū)俄克拉荷馬州、堪薩斯州、阿肯色州、密西西比州在中部連片分布，而新罕布什爾州、西弗吉尼亞州等呈斑點(diǎn)狀分散在美國(guó)東北部. 通過(guò)分析2011年、2015年、2019年各州關(guān)注度排名可知：PC端、移動(dòng)端、整體端排名雖有波動(dòng)，但排名靠前的主要以夏威夷、得克薩斯州、加利福尼亞州、俄亥俄州、馬薩諸塞州、阿拉斯加州、明尼蘇達(dá)州、新澤西州、佛羅里達(dá)州、紐約州為主；而排名靠后的，除個(gè)別州的百度指數(shù)在某一年份有突然增加的現(xiàn)象外，基本以西弗吉尼亞州、艾奧瓦州、俄克拉荷馬州、新罕布什爾州、堪薩斯州、密西西比州、阿肯色州、內(nèi)布拉斯加州、北卡羅來(lái)納州為主.

圖2 基于PC端中文百度指數(shù)的州級(jí)空間分布格局Fig.2 Spatial distribution pattern of state level based on PC Chinese Baidu Index

圖3 基于移動(dòng)端中文百度指數(shù)的州級(jí)空間分布格局Fig.3 Spatial distribution pattern of state level based on Chinese Baidu Index of mobile terminal

圖4 基于整體端中文百度指數(shù)的州級(jí)空間分布格局Fig.4 Spatial distribution pattern of state level based on the overall Chinese Baidu Index

從空間動(dòng)態(tài)變化看，2015年較之2011年P(guān)C端、移動(dòng)端和整體端低值區(qū)范圍呈增加態(tài)勢(shì)，尤以PC端表現(xiàn)得最為顯著；中低值區(qū)PC端保持不變，移動(dòng)端和整體端略有擴(kuò)大；中值區(qū)移動(dòng)端范圍保持不變，PC端和整體端均稍有縮減；中高值區(qū)在PC端、移動(dòng)端、整體端范圍均有所縮減；高值區(qū)保持不變. 與2015年相比，2019年的低值區(qū)、中低值區(qū)范圍總體稍有擴(kuò)大；中值區(qū)除PC端范圍有所擴(kuò)大外，移動(dòng)端和整體端范圍略有縮減；中高值區(qū)的范圍均有所縮減；高值區(qū)均保持不變. 進(jìn)一步地，通過(guò)對(duì)比2019年與三年份均值發(fā)現(xiàn)，2019年低值區(qū)、中低值區(qū)、高值區(qū)的范圍無(wú)明顯變化，而中值區(qū)范圍明顯增大，中高值區(qū)范圍明顯縮減.

2.1.2 英文關(guān)注度的空間差異 運(yùn)用ArcGIS 自然間斷點(diǎn)分級(jí)法，得到2011年、2015年、2019年以及三年平均值的州級(jí)英文關(guān)注度空間分布圖，結(jié)果見(jiàn)圖5～圖7.

圖5 基于PC端州英文百度指數(shù)的空間分布格局Fig.5 Spatial distribution pattern of state level based on PC English Baidu Index

圖6 基于移動(dòng)端英文百度指數(shù)的州級(jí)空間分布格局Fig.6 Spatial distribution pattern of state level based on English Baidu Index of mobile terminal

圖7 基于整體端英文百度指數(shù)的州級(jí)空間分布格局Fig.7 Spatial distribution pattern of state level based on the overall English Baidu Index

由圖5～圖7可知，州級(jí)英文關(guān)注度的層級(jí)分布較分散，中、中高值、高值區(qū)主要分散在西太平洋沿岸、墨西哥灣沿岸、東北部區(qū)域，中低和低值區(qū)分散在美國(guó)中部以及東北部部分地區(qū). 具體來(lái)看，加利福尼亞州一直處于最高級(jí)關(guān)注，呈現(xiàn)一枝獨(dú)秀的特點(diǎn)；中高、中值區(qū)中得克薩斯州、佛羅里達(dá)州位于墨西哥灣附近，俄勒岡州、夏威夷州位于太平洋沿岸，弗吉尼亞州、俄亥俄州、亞利桑那州、賓夕法尼亞州則位于美國(guó)的東北部，與中文關(guān)注度有很大的類似支持；顯著低值區(qū)內(nèi)布拉斯加州、肯塔基州位于中部區(qū)域，緬因州位于美國(guó)東北部. 通過(guò)分析2011年、2015年、2019年各州關(guān)注度的排名可知，雖然PC端、移動(dòng)端、整體端三者排名不一，但是加利福尼亞州、得克薩斯州、弗吉尼亞州、俄勒岡州、夏威夷州、佛羅里達(dá)州、俄亥俄州的關(guān)注度均相對(duì)較高，而俄克拉荷馬州、緬因州、內(nèi)布拉斯加州、新罕布什爾州的關(guān)注度相對(duì)較低.

從空間動(dòng)態(tài)變化看，2015年較之2011年P(guān)C端低值區(qū)范圍無(wú)明顯變化，移動(dòng)端和整體端范圍明顯縮減；PC端和整體端在中低值區(qū)的范圍略有縮減，移動(dòng)端在中低值區(qū)的范圍有所擴(kuò)張；PC端在中值區(qū)范圍保持不變，移動(dòng)端在中值區(qū)范圍有所增加，而整體端在中值區(qū)范圍有所減??；PC端、移動(dòng)端和整體端在中高值區(qū)范圍均有所擴(kuò)大；PC端、移動(dòng)端和整體端在高值區(qū)范圍保持不變. 2019年相比2015年移動(dòng)端和整體端在低值區(qū)范圍保持不變，PC端在低值區(qū)范圍略有縮?。籔C端、移動(dòng)端在中低值區(qū)范圍有所增加，整體端在中低值范圍保持不變；中值區(qū)范圍在PC端、移動(dòng)端、整體端均有所縮減；中高值區(qū)范圍在PC端、移動(dòng)端、整體端基本保持不變；高值區(qū)范圍在PC端、整體端有所擴(kuò)大，在移動(dòng)端保持不變. 進(jìn)一步地，通過(guò)對(duì)比與平均關(guān)注度的差異發(fā)現(xiàn)，2019 年低值區(qū)范圍除在PC 端相比有所擴(kuò)大外，移動(dòng)端和整體端范圍保持不變；中低值區(qū)范圍在PC端、移動(dòng)端和整體端無(wú)明顯變化；中值區(qū)范圍在PC端、移動(dòng)端和整體端均有所擴(kuò)大；中高值范圍在PC端和整體端有所縮減，在移動(dòng)端保持不變；而高值區(qū)范圍在PC端和整體端有所擴(kuò)大，在移動(dòng)端保持不變. 總結(jié)看來(lái)，PC端低值區(qū)范圍逐漸縮小，中高值區(qū)、高值區(qū)范圍逐漸擴(kuò)大；移動(dòng)端低值區(qū)范圍逐漸縮小，中低值區(qū)、中值區(qū)、中高值區(qū)范圍基本呈擴(kuò)大趨勢(shì)；整體端低值區(qū)、中低值區(qū)范圍呈逐漸縮小的趨勢(shì)，中高值區(qū)范圍逐漸擴(kuò)大.

2.2 城市層面關(guān)注度的空間差異

2.2.1 中文關(guān)注度的空間差異 運(yùn)用ArcGIS 自然間斷點(diǎn)分級(jí)法，得到城市層面2011年、2015年、2019年以及三年平均值的中文網(wǎng)絡(luò)關(guān)注度空間分布圖，結(jié)果見(jiàn)圖8～圖10.

由圖8～圖10可知，沿海、沿湖城市的關(guān)注度相對(duì)較高，內(nèi)陸城市的關(guān)注度相對(duì)較低. 高關(guān)注度城市中洛杉磯、舊金山、西雅圖分布在西太平洋沿岸，芝加哥、底特律分布在五大湖沿岸，紐約、波士頓分布在東北部大西洋沿岸，邁阿密、休斯敦位于墨西哥灣附近，這與州級(jí)層面的分析結(jié)果類似. 值得一說(shuō)的是，一些位于內(nèi)陸的“明星城市”獲得較高的關(guān)注度，如拉斯維加斯，在低關(guān)注度城市中間呈現(xiàn)“異軍突起”的局面. 通過(guò)分析2011年、2015年、2019年中文城市名稱的關(guān)注度的排名變化可知，PC端、移動(dòng)端、整體端中洛杉磯、紐約、舊金山、芝加哥、華盛頓、波士頓、邁阿密、西雅圖、底特律、休斯敦均獲得較高的關(guān)注度，其中紐約的中文網(wǎng)絡(luò)關(guān)注度一直居于首位. 而堪薩斯城、阿克倫、俄克拉荷馬城、哈特福德、夏延、拉特蘭、西棕櫚灘、里諾等城市獲得的關(guān)注度較低.

圖8 基于PC端城市中文百度指數(shù)的空間分布格局Fig.8 Urban spatial distribution pattern based on PC Chinese Baidu Index

圖9 基于移動(dòng)端中文百度指數(shù)的城市空間分布格局Fig.9 Urban spatial distribution based on Chinese Baidu Index of mobile terminal

圖10 基于整體端中文百度指數(shù)的城市空間分布格局Fig.10 Urban spatial distribution pattern based on the overall Chinese Baidu Index

2.2.2 英文關(guān)注度的空間差異 運(yùn)用ArcGIS 自然間斷點(diǎn)分級(jí)法，得到城市層面2011年、2015年、2019年以及三年平均值的英文關(guān)注度空間分布圖，結(jié)果見(jiàn)圖11～圖13.

由圖11～圖13可知，城市層面英文關(guān)注度的分布特征與中文關(guān)注度的分布特征基本保持一致，即沿海、沿湖城市的關(guān)注度相對(duì)較高，內(nèi)陸城市的關(guān)注度相對(duì)較低. 通過(guò)分析2011年、2015年、2019年英文網(wǎng)絡(luò)關(guān)注度排名可知，PC端、移動(dòng)端、整體端中洛杉磯、舊金山、芝加哥、紐約、華盛頓、波士頓、邁阿密、西雅圖、費(fèi)城、休斯敦均獲得較高的關(guān)注度，與中文網(wǎng)絡(luò)關(guān)注度排名基本一致，但獲得最高關(guān)注度的城市位次存在波動(dòng)變化.而關(guān)注度相對(duì)較低的城市為：安那波利斯、杰克遜維爾、路易維爾、奧馬哈，與中文網(wǎng)絡(luò)關(guān)注度差異不大. 為進(jìn)一步分析城市層面空間網(wǎng)絡(luò)關(guān)注度的空間集聚狀態(tài)，考慮到中英文空間分布格局的相似，因此就以城市層面英文關(guān)注度為測(cè)度指標(biāo)，借助ArcGIS10.2空間分析工具進(jìn)行核密度分析，結(jié)果見(jiàn)圖14.

圖11 基于PC端英文百度指數(shù)的城市空間分布格局Fig.11 Urban spatial distribution pattern based on PC English Baidu Index

圖12 基于移動(dòng)端英文百度指數(shù)的城市空間分布格局Fig.12 Urban spatial distribution pattern based on English Baidu Index of mobile terminal

由圖14可知，英文網(wǎng)絡(luò)關(guān)注度的空間分散與集中狀態(tài)，反映在美國(guó)版圖格局上有顯著差異，呈現(xiàn)“大分散，小集中”的空間格局，其中“大分散”主要連片分布在廣大的內(nèi)部地區(qū)，而“小集中”明顯地分布在沿海以及五大湖區(qū)域，包括西太平洋沿岸、東北部大西洋沿岸、墨西哥灣沿岸、五大湖附近，其中東北部大西洋沿岸城市點(diǎn)的集聚最為顯著. 值得一提的是，高密度核心區(qū)中所顯示區(qū)域與地理實(shí)體空間美國(guó)城市群（波士頓—華盛頓城市群、芝加哥—匹茲堡城市群、圣迭戈—舊金山城市群）的分布格局基本保持一致，提出經(jīng)濟(jì)發(fā)展水平對(duì)網(wǎng)絡(luò)關(guān)注度產(chǎn)生了很大的影響.

圖13 基于整體端英文百度指數(shù)的城市空間分布格局Fig.13 Urban spatial distribution pattern based on the overall English Baidu Index

圖14 美國(guó)城市核密度分布圖Fig.14 Distribution of urban nuclear density in the United States

2.3 影響因素分析

網(wǎng)絡(luò)關(guān)注度即網(wǎng)民在網(wǎng)絡(luò)平臺(tái)上檢索和關(guān)注美國(guó)各州、各城市相關(guān)信息所留下的網(wǎng)絡(luò)瀏覽和分享痕跡，以此反映網(wǎng)民對(duì)各地區(qū)的關(guān)注程度，因此可以歸納網(wǎng)民的搜索內(nèi)容并進(jìn)行歸類，從而深入地探究到底哪些關(guān)注維度影響了網(wǎng)絡(luò)關(guān)注度的差異. 本研究在參考其他學(xué)者關(guān)于網(wǎng)絡(luò)關(guān)注度影響分析的相關(guān)文獻(xiàn)［10，29-32］時(shí)總結(jié)發(fā)現(xiàn)：經(jīng)濟(jì)發(fā)展水平、互聯(lián)網(wǎng)發(fā)展水平、地理區(qū)位條件、旅游業(yè)發(fā)展水平、城市功能地位、城市大事件效應(yīng)等因素對(duì)網(wǎng)絡(luò)關(guān)注度產(chǎn)生影響. 但由于現(xiàn)階段對(duì)其他國(guó)家網(wǎng)絡(luò)關(guān)注度的研究較少，因此為更深入地分析影響空間分布的具體因子，有必要結(jié)合具體的關(guān)注領(lǐng)域進(jìn)行統(tǒng)計(jì)分析. 由于全部州和城市的具體關(guān)注內(nèi)容工作量相當(dāng)浩大，因此本研究運(yùn)用關(guān)鍵詞挖掘工具5118，分別選取了10個(gè)高關(guān)注度州和10個(gè)低關(guān)注度州，10個(gè)高關(guān)注度城市和10個(gè)低關(guān)注度城市進(jìn)行代表性城市的統(tǒng)計(jì)分析，挖掘以州名稱、城市名稱為基準(zhǔn)關(guān)鍵詞的長(zhǎng)尾詞，以長(zhǎng)尾詞為基準(zhǔn)分析網(wǎng)民主要關(guān)注內(nèi)容. 以搜索“洛杉磯”為關(guān)鍵詞的長(zhǎng)尾詞為例，發(fā)現(xiàn)“洛杉磯時(shí)間”、“洛杉磯湖人”、“加州大學(xué)洛杉磯分?！薄ⅰ奥迳即壌蠡稹?、“洛杉磯是哪個(gè)州”詞條搜索量排名靠前. 以此為參照，本研究通過(guò)歸納總結(jié)代表性州和城市的相關(guān)詞條發(fā)現(xiàn)，網(wǎng)民主要關(guān)注度假休閑、留學(xué)教育、熱點(diǎn)事件、知名品牌、地名位置等方面的具體詞條. 因此基于統(tǒng)計(jì)的內(nèi)部影響因子，并對(duì)比參考分析相關(guān)學(xué)者的研究成果，本研究從經(jīng)濟(jì)發(fā)展水平、區(qū)域資源優(yōu)勢(shì)、地理區(qū)位條件、熱點(diǎn)事件五個(gè)方面進(jìn)行影響因素解讀.

表1 美國(guó)各州百度指數(shù)與GDP的相關(guān)性分析Tab.1 Correlation analysis of Baidu Index and GDP in American States

2.3.1 經(jīng)濟(jì)發(fā)展水平 一個(gè)地區(qū)的經(jīng)濟(jì)發(fā)展水平?jīng)Q定著該地區(qū)的綜合發(fā)展實(shí)力. 經(jīng)濟(jì)發(fā)展水平往往與當(dāng)?shù)氐男畔⒒匠收嚓P(guān)，信息化水平高，信息流量往往也越高，即受到的關(guān)注度越高. 為驗(yàn)證該觀點(diǎn)，本研究選取經(jīng)濟(jì)發(fā)展指標(biāo)——各州年度生產(chǎn)總值（GDP）與網(wǎng)絡(luò)關(guān)注度進(jìn)行相關(guān)分析. 在數(shù)據(jù)與工具選擇方面，通過(guò)美國(guó)商業(yè)部經(jīng)濟(jì)分析局官方網(wǎng)站（http：//www.bea.gov/）獲取了2012 年、2015 年、2018 年的各州GDP 數(shù)據(jù)，并分別選取州層面2012 年、2015 年、2018 年的英文百度指數(shù)數(shù)據(jù)，用SPSS對(duì)兩者進(jìn)行Pearson相關(guān)性分析，結(jié)果見(jiàn)表1.

由表1可知，州級(jí)英文關(guān)注度與各州GDP相關(guān)系數(shù)均在0.84～0.92之間，并在0.01的置信水平上通過(guò)了顯著性檢驗(yàn)，這表明GDP與網(wǎng)絡(luò)關(guān)注度之間具有強(qiáng)相關(guān)，這也說(shuō)明了經(jīng)濟(jì)水平越高的地區(qū)，其網(wǎng)絡(luò)關(guān)注度也就越高. 如紐約一直獲得較高的網(wǎng)絡(luò)關(guān)注度，紐約作為美國(guó)最大的城市，也是世界最大的城市之一，同時(shí)是世界第一大經(jīng)濟(jì)中心，紐約2018年GDP總量為10 300億美元，直接影響著世界經(jīng)濟(jì)、金融業(yè)的發(fā)展，其產(chǎn)生的強(qiáng)大影響力使其時(shí)刻吸引著全球的目光，從而使其網(wǎng)絡(luò)關(guān)注度一直居高不下.

2.3.2 區(qū)域資源優(yōu)勢(shì) 區(qū)域優(yōu)勢(shì)資源的影響力反映著該地的獨(dú)特魅力所在，具有其競(jìng)爭(zhēng)優(yōu)勢(shì)，并形成強(qiáng)大的吸引力，影響地區(qū)的受關(guān)注程度. 區(qū)域的優(yōu)勢(shì)資源可以體現(xiàn)在旅游資源、教育資源、獨(dú)特的品牌資源等多個(gè)方面. 如夏威夷州的關(guān)注度一直居于前列，根據(jù)它的搜索詞條可以發(fā)現(xiàn)對(duì)其旅游、風(fēng)光與美食介紹、地理位置介紹與地圖表達(dá)、城市攻略等相關(guān)詞條的關(guān)注度較高. 從現(xiàn)實(shí)情況看，夏威夷州作為世界旅游勝地，旅游資源豐富，空中交通便捷，航線眾多，這在一定程度上增加了對(duì)我國(guó)民眾的吸引力，因此網(wǎng)民將其作為旅游目的地進(jìn)行搜索，不斷提高其在中國(guó)的關(guān)注度指數(shù). 美國(guó)是我國(guó)留學(xué)熱門國(guó)家，世界名校排行前五十的大部分學(xué)校是美國(guó)的大學(xué)，教育資源和科研力量雄厚，比如馬薩諸塞州的哈佛大學(xué)、麻省理工學(xué)院，加利福尼亞州的斯坦福大學(xué)、加州大學(xué)伯克利分校等都是留學(xué)生趨之若鶩的世界名校. 因此網(wǎng)民在進(jìn)行相關(guān)搜索時(shí)，教育資源豐富的地區(qū)就會(huì)成為其搜索的重點(diǎn)區(qū)域，增加該地區(qū)的網(wǎng)絡(luò)關(guān)注度. 此外，獨(dú)特的品牌資源優(yōu)勢(shì)同時(shí)也會(huì)增加該地區(qū)的網(wǎng)絡(luò)關(guān)注度，如波士頓的凱特人球隊(duì)，是美國(guó)職業(yè)籃球聯(lián)賽（NBA）重要球隊(duì)之一，擁有大批量的粉絲，粉絲對(duì)其相關(guān)信息的捕捉在一定程度上也增加了對(duì)所在城市的關(guān)注度.

2.3.3 地理區(qū)位條件 美國(guó)州層面和城市層面網(wǎng)絡(luò)關(guān)注度的空間差異與其地理區(qū)位條件密不可分. 通過(guò)州層面和城市層面網(wǎng)絡(luò)關(guān)注度的空間特征分析可以發(fā)現(xiàn)，獲得高、較高關(guān)注度的州和城市主要分布在經(jīng)濟(jì)發(fā)達(dá)的沿海、沿湖地帶，交通條件便利，與外聯(lián)系暢通，經(jīng)濟(jì)市場(chǎng)的外向性程度高，因此更容易獲得中國(guó)網(wǎng)絡(luò)的經(jīng)濟(jì)關(guān)注度與重大事件的關(guān)注度. 交通條件在一定程度上影響著目的地的可進(jìn)入性，以及通往該地區(qū)的方便程度，因此使得交通條件成為大眾前往目的地的影響因素之一. 交通通達(dá)性高的地區(qū)，在一定程度上吸引大眾前往，從而增加對(duì)其的關(guān)注程度，沿海、五大湖地區(qū)的城市與交通的便捷性和通達(dá)性密不可分. 如果低、較低關(guān)注度的城市處于城市群內(nèi)，那么它們依托著大城市的發(fā)展，形成城市群內(nèi)部的分工協(xié)作，逐漸發(fā)展具有自己特殊職能的優(yōu)勢(shì)部門，形成向心吸引力，這對(duì)于小城鎮(zhèn)而言無(wú)疑在大城市周圍形成一定的依附優(yōu)勢(shì)，成為人們休閑娛樂(lè)的產(chǎn)業(yè)集聚點(diǎn). 此外，城市群內(nèi)交通條件便利，交通運(yùn)輸?shù)囊惑w化、網(wǎng)絡(luò)化特征促使小城鎮(zhèn)對(duì)外交流暢通，這也在一定程度上推動(dòng)了城市群內(nèi)部小城鎮(zhèn)的網(wǎng)絡(luò)關(guān)注度. 而獲得較低、低關(guān)注度的州和城市主要集中在中部以及內(nèi)陸地區(qū)，地理區(qū)位不占優(yōu)勢(shì)，交通的通達(dá)性較差，與外聯(lián)系不便.

2.3.4 熱點(diǎn)事件 隨著網(wǎng)絡(luò)信息技術(shù)的發(fā)展，信息傳播的速度更快、范圍更廣，全球網(wǎng)民可共享信息，共同參與話題討論. 在某一地區(qū)發(fā)生的會(huì)議會(huì)展、政治事件、社會(huì)民生事件、自然災(zāi)害事件等具有較強(qiáng)的個(gè)性特征和影響力，隨之帶來(lái)相關(guān)的話題度，從而影響該地區(qū)的關(guān)注度. 不過(guò)由熱點(diǎn)事件所引起的關(guān)注度升高具有不可持續(xù)性和突發(fā)性，關(guān)注度會(huì)隨著事件的時(shí)效快速升高，達(dá)到熱度極值后快速降低. 如今隨著全球化的發(fā)展，國(guó)家間的交流日益密切，關(guān)聯(lián)性也逐漸增強(qiáng)，在美國(guó)發(fā)生的事件也會(huì)對(duì)我國(guó)產(chǎn)生一定的影響作用，引發(fā)我國(guó)網(wǎng)民的關(guān)注. 例如2019年2月24日旅美大熊貓亮相華盛頓的相關(guān)新聞發(fā)布后，中美眾多網(wǎng)民參與到話題的討論中，這也在一定程度上促使華盛頓獲得更多的網(wǎng)絡(luò)關(guān)注度.

3 結(jié)論與討論

3.1 結(jié)論

基于百度指數(shù)表征的網(wǎng)絡(luò)關(guān)注度下美國(guó)州層面空間分布格局特征分析發(fā)現(xiàn)：無(wú)論是PC端、移動(dòng)端還是整體端州層面，中文關(guān)注度都呈現(xiàn)出高、中高、中值區(qū)分散分布，中低值、低值區(qū)連片分布的特征；英文關(guān)注度各層級(jí)分布均較分散. 中英文關(guān)注度中高、中值關(guān)注區(qū)域主要分布在經(jīng)濟(jì)發(fā)達(dá)的沿海地帶與“明星”州，低值區(qū)主要分布在經(jīng)濟(jì)發(fā)展水平較低的內(nèi)陸州. 其中加利福尼亞州、得克薩斯州、夏威夷州、俄亥俄州、佛羅里達(dá)州都獲得了較高的關(guān)注度，而俄克拉荷馬州、新罕布什爾州、內(nèi)布拉斯加州的網(wǎng)絡(luò)關(guān)注度均較低. 值得一說(shuō)的是，在中文關(guān)注度中夏威夷州一直處于最高關(guān)注度，而在英文關(guān)注度中加利福尼亞州一直處于最高關(guān)注度. 城市中英文名稱網(wǎng)絡(luò)關(guān)注度的分布特征具有相似之處——沿海、沿湖城市的網(wǎng)絡(luò)關(guān)注度高，中部?jī)?nèi)陸城市的網(wǎng)絡(luò)關(guān)注度低，且高關(guān)注度地區(qū)常伴隨著分散的較低、低關(guān)注城市，具有“大分散，小集中”的空間格局特征. 高關(guān)注度城市中洛杉磯、舊金山、西雅圖分布在西太平洋沿岸，芝加哥、底特律分布在五大湖沿岸，紐約、波士頓分布在東北部大西洋沿岸，邁阿密、休斯敦位于墨西哥灣附近，也有一些位于內(nèi)陸的“明星城市”獲得較高的關(guān)注度，如拉斯維加斯. 值得一說(shuō)的是，在中文關(guān)注度中紐約的關(guān)注度一直居于首位，而在英文關(guān)注度中下降比較明顯.

在分析影響網(wǎng)絡(luò)關(guān)注度空間差異的具體因子時(shí)發(fā)現(xiàn)，關(guān)注度與經(jīng)濟(jì)發(fā)展水平密切相關(guān). 從具體關(guān)注內(nèi)容看，無(wú)論是州級(jí)還是城市層面主要以教育、旅游、知名名牌和熱門事件內(nèi)容為主，這些因素在一定的程度上可以為中國(guó)公眾的出國(guó)教育、度假休閑、消費(fèi)引導(dǎo)、新聞關(guān)注等提供指南.

3.2 討論

百度指數(shù)能夠?qū)σ粋€(gè)地區(qū)的網(wǎng)絡(luò)關(guān)注度進(jìn)行長(zhǎng)時(shí)間、不同媒介端口的多角度分析，已成為探索地理現(xiàn)象空間差異的重要補(bǔ)充方式. 隨著全球化的發(fā)展，國(guó)家之間的聯(lián)系日益密切，本研究利用PC端、移動(dòng)端和整體端百度指數(shù)數(shù)據(jù)深入解析了中國(guó)網(wǎng)民對(duì)美國(guó)州層面和城市層面兩個(gè)維度網(wǎng)絡(luò)關(guān)注度的空間分布格局，獲悉受中國(guó)網(wǎng)民青睞的美國(guó)熱門區(qū)位，以及不同地區(qū)對(duì)中國(guó)網(wǎng)民的吸引力差異，在一定的程度上可以為中國(guó)公眾的出國(guó)教育、度假休閑、消費(fèi)引導(dǎo)等提供支撐. 不過(guò)本研究還存在一定的局限性，由于本研究?jī)H將“城市名”作為搜索關(guān)鍵詞，忽略了與各州、各城市相關(guān)的許多關(guān)鍵詞的搜索，因此在未來(lái)有待對(duì)互聯(lián)網(wǎng)數(shù)據(jù)的進(jìn)一步挖掘和分析. 在進(jìn)行影響因素分析時(shí)，由于研究對(duì)象是國(guó)外的地理空間，一些指標(biāo)收集困難，如互聯(lián)網(wǎng)普及率、航線數(shù)量、通航城市量等，因此對(duì)一些影響因素?zé)o法進(jìn)行定量分析. 此外，研究缺乏對(duì)地區(qū)地理認(rèn)知的采集，因此后期研究應(yīng)進(jìn)一步挖掘分析網(wǎng)民對(duì)地區(qū)的褒貶態(tài)度，并整理出完善指標(biāo)體系，為中國(guó)公眾的出國(guó)教育、度假休閑、消費(fèi)引導(dǎo)、新聞關(guān)注等提供更加實(shí)際、更加科學(xué)化的支撐.