本发明涉及城市规划更新，尤其是涉及一种基于大语言模型的人-地情感关联识别方法及设备。
背景技术：
1、城市更新是一个复杂的过程，涉及到城市规划、建筑设计、社会经济和文化等多个方面。传统的城市更新往往侧重于基础设施建设和经济发展，而忽视了居民对城市空间环境情感体验的需求。如何在城市更新过程中更好地考虑居民的情感需求，提升城市空间的品质和人性化，成为当下城市更新领域亟待解决的问题之一。随着人工智能技术，尤其是大语言模型的发展，我们有了更多工具来理解和分析人-地之间的情感关联，进而在城市更新中更好地考虑居民的情感需求，提升人民的满意度和幸福感。
2、经过对现有技术的文献检索发现，情感分析的研究多集中在文本分析和识别领域，以实现对人类情绪和态度的自动检测、分类和理解。在中国专利“一种基于情感识别和大语言模型的多模式问答方法及系统”(专利号zl202410316081.x)中，潘贤真等提出了一种结合情感识别和大语言模型的多模式问答系统，该系统能够提供文本和语音问答服务，并通过情感识别提高用户体验，满足市场对智能问答的需求。在中国专利申请“文本情感分类方法、装置、电子设备及存储介质”(申请号202211526406.4)中，樊鹏提供了一种文本情感分类方法，通过创建对抗样本、融合特征向量、构建先验分布、生成符合目标情感标签的样本，以及训练文本情感分类模型，以提高情感分类的准确率。尽管现有研究在文本情感分析方面取得了进展，但在探究人与城市空间环境之间的情感联系和互动方面存在明显不足，这影响了城市更新项目在提升居民情感满意度方面的潜力发挥。
技术实现思路
1、本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种准确实现情感识别、为城市更新提供有效支持的基于大语言模型的人-地情感关联识别方法及设备。
2、本发明的目的可以通过以下技术方案来实现：
3、一种基于大语言模型的人-地情感关联识别方法，包括以下步骤：
4、获取待识别文本；
5、使用第一情感关联分析模型从所述待识别文本中提取与地方依恋相关的实体和情感要素；
6、基于人-地坐标系以及所提取的实体和情感要素，使用第二情感关联分析模型计算每个个体和地点的情感向量；
7、基于得到的所述情感向量，提取关键特征，构建获得人-地情感网络图谱；
8、其中，所述第一情感关联分析模型和第二情感关联分析模型均基于大语言模型构建。
9、进一步地，所述待识别文本基于社交媒体数据和针对不同对象的访谈记录，并经预处理生成。
10、进一步地，所述第一情感关联分析模型和第二情感关联分析模型的构建过程包括：
11、获取初始文本数据并预处理，建立第一训练集；
12、基于所述第一训练集对原始大语言模型进行微调，生成所述第一情感关联分析模型；
13、从所述第一训练集中筛选提取第二训练集，基于所述第二训练集对第一情感关联分析模型进行微调，生成所述第二情感关联分析模型。
14、进一步地，所述实体包括人名、组织名和地名。
15、进一步地，所述初始文本数据包括社交媒体数据和针对不同对象的访谈记录数据。
16、进一步地，所述不同对象包括原住民、新住民、租户、商户中的多种。
17、进一步地，所述预处理包括数据清洗、分词、去除停用词和数据标注。
18、进一步地，生成所述第一情感关联分析模型对应的所述微调基于实体关系提取、事件链接预测和情感评分三类任务实现。
19、进一步地，所述情感向量的元素包括幸福感得分、归属感得分和安全感得分。
20、进一步地，所述幸福感得分、归属感得分和安全感得分的范围均为-1到1。
21、本发明还提供一种电子设备，包括一个或多个处理器、存储器和被存储在存储器中的一个或多个程序，所述一个或多个程序包括用于执行如上所述基于大语言模型的人-地情感关联识别方法的指令。
22、与现有技术相比，本发明具有以下有益效果：
23、1、本发明基于大语言模型实现人-地情感关联度的识别，通过分析居民在社交媒体等平台上的言论和情感表达，可以更准确地识别和理解人们的日常语言和情感表达，提高了情感分析的准确性和深度，更准确地了解他们对城市空间的情感反应，识别结果精确可靠。
24、2、通过本发明方法可以获得更准确的人-地情感关联度信息，量化心理过程，表征不同人群对特定地点的认知和情感状态，进而在城市规划及更新时考虑人-地关系，即在城市空间中人们与不同地点产生的情感关联，为城市更新提供了全新的视角和方法，从而指导城市更新项目的规划和设计，有助于城市更新项目更加贴近居民需求，创造更具情感共鸣和社区认同感的城市空间，推动城市更新向着更加人性化、可持续的方向发展。
25、3、本发明相对传统的情感分析，突出了人-地关系，能够深入挖掘和量化城市街区中人与地方之间的情感联系，这有助于更好地理解居民对于他们所居住环境的情感依赖和认同感。该方法通过大数据分析，能够揭示不同人群对于同一地点的多样化情感反应，为城市规划者提供了更为丰富和立体的情感数据，为城市更新提供基于数据和情感分析的决策支持。
26、4、本发明能够区分不同主体(如居民、商户、游客等)和不同地点的情感特征，为城市更新提供定制化建议。该方法通过建立“人-地”坐标系和心理过程的量化，能够对情感的多个维度(如归属感、安全感、幸福感)进行细致区分和测量，为情感的细微差别提供了量化的可能。该方法不仅能够识别情感的正负极性，还能够评估情感的强度，为理解复杂的情感状态提供了更为精细的工具。
1.一种基于大语言模型的人-地情感关联识别方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于大语言模型的人-地情感关联识别方法，其特征在于，所述待识别文本基于社交媒体数据和针对不同对象的访谈记录，并经预处理生成。
3.根据权利要求1所述的基于大语言模型的人-地情感关联识别方法，其特征在于，所述第一情感关联分析模型和第二情感关联分析模型的构建过程包括：
4.根据权利要求3所述的基于大语言模型的人-地情感关联识别方法，其特征在于，所述初始文本数据包括社交媒体数据和针对不同对象的访谈记录数据。
5.根据权利要求2或4所述的基于大语言模型的人-地情感关联识别方法，其特征在于，所述不同对象包括原住民、新住民、租户、商户中的多种。
6.根据权利要求3所述的基于大语言模型的人-地情感关联识别方法，其特征在于，所述预处理包括数据清洗、分词、去除停用词和数据标注。
7.根据权利要求3所述的基于大语言模型的人-地情感关联识别方法，其特征在于，生成所述第一情感关联分析模型对应的所述微调基于实体关系提取、事件链接预测和情感评分三类任务实现。
8.根据权利要求1所述的基于大语言模型的人-地情感关联识别方法，其特征在于，所述情感向量的元素包括幸福感得分、归属感得分和安全感得分。
9.根据权利要求1所述的基于大语言模型的人-地情感关联识别方法，其特征在于，所述幸福感得分、归属感得分和安全感得分的范围均为-1到1。
10.一种电子设备，其特征在于，包括一个或多个处理器、存储器和被存储在存储器中的一个或多个程序，所述一个或多个程序包括用于执行如权利要求1-9任一所述基于大语言模型的人-地情感关联识别方法的指令。
