当期荐读 2020年第4期 | 基于残联网站的残障人士信息需求（内含视频摘要和评审意见）

ISSN 1003-2797

CN 42-1085/G2

双月刊

同行评审期刊

牟小波1  赵 英1  李良强2  余鲭鲭3
(1 . 四川大学公共管理学院,成都,610064; 2. 四川农业大学商学院,成都,611830; 3. 四川中锐信息技术有限公司,成都,610041 )

01

目的/意义

由于残障人士的生理和心理特点，这一特殊人群因客观或主观原因，其信息需求往往不容易获取。本研究通过分析残疾人联合会网站（残联网站）上的新闻内容和访问数据，定量地揭示残障人士的信息需求。

02

研究设计/方法

本研究通过选取高访问量的新闻并借助自然语言处理的方法获取残障人群的信息需求，再结合访谈法进行印证，以验证通过线上分析得出的结论的可信性。

03

结论/发现

残障人士的信息需求虽然是多样的，但他们所表现出来的稳定的信息需求是关于基本生活方面的，并不随时间的变化而变化；以残联网站为数据来源借助自然语言处理等方法获取残障人士的信息需求，这样一条技术路线是可行和有效的。

04

创新/价值

采用直接从残联网站获取线上客观数据，并通过自然语言处理的方法挖掘残障人士信息需求情况，并结合访谈法印证了结果的合理性，这种方法可以持续稳定地探测残障人士的信息需求，为获取特殊人群信息需求探索出了一种新思路和新方法。

05

关键词

 残障人士, 信息需求, 残联网站, 需求分析

1  引言

人们在日常的学习生活中往往存在着各种各样的信息需求，而信息需求被认为是主体自身的知识信息与解决目标问题所需要的知识信息之间的差距[1]。相较于残障人士，健全人士比较容易通过各种途径表达和满足自身信息需求，而残障人士由于生理或心理的限制，或出于对自身隐私的保密和自卑情感等原因，很难向社会倾诉和表达自身的真实需求，这会导致其在信息社会被边缘化。据全国残障人口基础数据库统计，我国目前已成为世界上残障人口最多的国家，持证残障人士人口数达3566.2万[2,3]，各类残障人口总数超8,502万人，占全国总人口的6.34%。面对如此庞大的残障人群，研究如何发现他们的信息需求以帮助其获取信息，这在实现残障人士自我发展、促进社会和谐等方面显得十分必要。

由于残障人群的特殊性，以及其地理分布的分散性，以往的问卷调查等方式进行残障人士信息需求的研究面临着诸多困难，阻碍了残障人群信息需求的获取以及相关研究的开展，不利于残障人士信息服务环境的改善。

在“十三五”期间，国家提出做好残疾人事业信息化建设工作，加强“互联网+残疾人服务”的要求[4]，推动了残疾人联合会网站（以下简称“残联网站”）的发展，一批不同级别的残联网站相继建立。残联网是一个专门为残障人士提供网上信息服务的重要和主要的平台，平台访问用户主要是残障人士及其亲属。由于残联网站上的新闻文本存在数据量大、非结构化等特点，需要选择合适的方法分析新闻内容和访问数据。

综上所述，通过线上数据分析研究残障人士的信息需求时，需要解答以下问题：

（1）能否通过残障人士所访问的残联网站分析其信息需求？

（2）这些信息需求是否会随着时间的变化而变化？以及变化特征是什么？

（3）能否建立通过残联网站获取残障人士信息需求的技术路线？

本文利用残联网站公布的新闻内容及访问量数据，借助自然语言处理等方法探究残障人士的信息需求，同时引入时间线索分析这些需求的演变。为了验证通过残联网站这种线上方式获取残障人士信息需求的有效性、分析结论的正确性和可靠性，本文还设计了线下访谈，并将访谈结果与线上数据分析结果进行对照。这可为以往单一使用问卷调查或访谈法等方法进行残障人士信息需求研究时面临的样本数据不足、研究者主观干扰、受访者未有效表达、传统文本挖掘结果有效性和可信性验证等问题的解决提供新思路和新方法。

2  相关研究

对残障人士信息需求的研究，许多学者分别从信息内容、信息获取渠道等角度进行分析。从残障人士所需信息内容来看，残障人士的信息需求包括国内外热点新闻信息[5]、康复救治信息[6-8]和科普教育信息[9]等，多为满足其基本生存需要的信息，自我发展方面的信息则关注较少[10-12]。从已有的相关研究分析可以发现，研究方法以问卷调查法和访谈法为主，如陈婧[13]、徐蕾蕾[14]、沈燕梅[15]、周玲[16]、Jindal[17]和Irene[18]等，很少借助网上客观数据。由于残障人士自身的特殊性，存在难以清楚、明确地表达自身真实需求的情况，因而使用传统研究方法获取残障人士的信息需求仍受到一定限制，很难保证可以获得反映残障人士信息需求的足够和真实的数据，也缺少对残障人士信息需求变化情况的研究，未能从较完整和客观的角度解读残障人士的信息需求。

在残障人士信息获取途径方面，一些学者指出残障人士获取信息的途径多种多样[19]。随着网络的发展，互联网逐渐成为了残障人士获取信息的重要途径[20-24]。残障人士借助互联网获取信息需求这一行为表明，通过所访问的信息可以逆向分析出其信息需求，这为本文通过残联网站获取新闻及其访问量数据从而分析残障人士的信息需求提供了可能性。

在文本话题分析与挖掘方面，有许多不同的方法和技术，诸如向量空间模型(Vector Space Model, VSM)[25]、TF-IDF算法[26]以及潜在狄利克雷分布模型(Latent Dirichlet Allocation, LDA)[27]等。LDA方法在经过许多学者的不断发展完善后衍生了许多改进版本，如新闻话题检测与追踪方法(Topic Detection and Tracking, TDT)[28]、动态主题模型(Dynamic Topic Model, DTM)[29]、在线潜在狄利克雷分布模型(Online Latent Dirichlet Allocation, OLDA)[30]、连续时间动态主题模型(Continuous Time Dynamic Topic Models, CTDM)[31]等。在目前的话题检测研究中，LDA方法运用的比较多，通过求解所构造的LDA模型，最终可得到每篇文档生成主题的概率和每个主题生成单词的概率，从而挖掘出文本隐含的主题信息[32]。考虑到本研究中的新闻文档、主题词和单词的关系，本文决定采用LDA方法识别新闻文本中的话题。

互联网逐渐成为了残障人士获取信息的一个重要途径，以及话题分析与挖掘技术和方法的发展，为本研究提供了有力的数据支撑和方法支持。

3  研究思路

本研究利用LDA等话题分析方法并加入时间线索来分析残联网站上的新闻访问内容和访问量，进而获取残障人士的信息需求和演化情况，并结合访谈法对分析结果进行检验。为了从残联网站大量的信息中提取和挖掘残障人士的信息需求并验证该方法的有效性，本文提出了基于自然语言处理方法的残障人群信息需求挖掘方案，并结合访谈法印证，具体方法框架包括两个部分，第一部分为基于残联网站数据的线上需求信息的提取和识别，包括数据获取、数据处理和数据分析三个阶段；第二部分是以访谈法为基础的需求验证，通过将两者进行结合检验，说明线上路径的可行性。

本文通过专家访谈与网络搜索选择目标站点，解析网站结构和特点，遵循相关数据爬虫协议并对目标网站的网页进行爬取，从而获得相关数据字段，包括新闻标题、链接、发布时间、访问量、正文内容、新闻来源等，再对获取的数据进行数据清洗、分词、关键词提取和话题抽取等操作。

通过上述流程，可以得出线上的残障人士信息需求，但线上数据得出的需求是否真实反映了用户实际的信息需求呢？为了回答这个问题，本文设计了线下访谈提纲，将通过传统的访谈法获取的需求与线上需求进行对比，以检验基于线上数据分析结果的可信性，并检验通过残联网站获取受访新闻数据及访问量从而分析残障人士信息需求这样一条技术路线的可行性。

4  残障人士信息需求提取和识别

4.1  残联网站线上新闻数据挖掘

4.1.1  新闻数据的获取

通过浏览省级及以上的残联网站发现，七家省级残联网站和中国残疾人联合会网站显示了新闻的访问量，所发布的信息内容均涉及残疾人工作、残疾人活动等方面，与其他没有显示新闻访问量的网站所发布的新闻信息也具有相似性；七家省级残联网站地域分布在东、中、西部地区，在地域上也具有代表性。因而，本文选择这七家省级残联网站和中国残疾人联合会网站的新闻数据和访问量数据来分析残障人士的信息需求。选取的时间范围为2009—2018年，其中由于湖北省残联网站提供的新闻数据最早日期为2012年，因此湖北省残联网站的数据选取时间为2012—2018年。具体的目标网站和爬取的新闻数量如表1所示。

4.1.2  新闻数据的处理

本文的数据处理过程包括分词、关键词抽取和话题抽取及需求识别。

（1）分词。本文利用jieba分词和NLPIR中文分词系统“提取新词”完善自定义词典。

（2）关键词抽取。利用TF-IDF算法实现关键词抽取。使用提取的关键词代表该新闻，以方便后续话题的识别。

（3）话题抽取及需求识别。语料数据的新闻话题处理使用LDA模型，该模型是三层贝叶斯分层模型，可以用于挖掘文本集合的主题信息[33]。本文使用python中的gensim库完成新闻话题提取。其中参数α取50/K，β取0.01，经计算困惑度后确定K=10时模型比较理想。表2显示经LDA模型处理后得到的部分话题-主题词分布情况。

为了确定每篇新闻所属话题，需要对概率设定一个阈值。即超过阈值则划入这个话题，否则就不属于该话题。根据本研究数据情况，发现大部分新闻话题的概率分布集中在0.17—0.22之间，因此，为了能够保证去除重复的话题，并能使新闻文本属于某个话题，以便于后续分析处理，本文将阈值设定为0.23。

由于信息主题是从残障人士浏览的新闻中提取出来的，用户浏览特定新闻这种信息行为与信息需求相关联，即信息需求导致信息行为[34,35]，由此说明残障人士有这种信息需求。同时，鉴于挖掘出的部分信息主题不具有实际意义，在信息需求识别时需要将这些无意义的主题删去，将有意义的主题进行汇总从而方便后续处理。

4.1.3  线上信息需求分析结果

经过分词、词频统计、话题内容抽取以及信息需求识别，最终从八个残联网站新闻数据中得出了残障人士的信息需求，为了便于深入而直观地了解残障人士所关注的新闻热点并进而分析其主要的信息需求，本文分析了八个残联网站高访问量（高于平均访问量）新闻的话题。

中国残疾人联合会网站的新闻话题主要集中在康复、服务、无障碍等方面。安徽省残联网站的新闻话题主要集中在民生工程、培训班、康复、特殊教育、中专学校等方面。贵州省残联网站新闻话题主要分布在培训、残疾人工作、全国残疾人、脱贫攻坚等方面。福建省残联网站新闻话题主要集中在补助、贫困残疾人、就业、培训班、残疾人工作等方面。黑龙江省残联网站新闻话题主要集中在康复、儿童、培训、救助等方面。河南省残联网站新闻话题集中于培训班、康复、残疾人工作等方面。湖北省残联网站新闻话题主要在于培训班、康复等方面。浙江省残联网站的新闻话题主要集中在培训班、残疾人工作以及盲人等方面。

综合八家残联网站2009—2018（湖北省残联网站2012—2018）十年间用户访问的新闻热点来看，残障人士的主要信息关注点集中在康复、就业、教育、文化、体育、补贴、职业培训、脱贫扶贫、无障碍、社区服务、残疾儿童教育康复等方面，残障人士关注的信息类型具有相似性。残障人士之所以关注这些信息，主要还是因为其有这方面的信息需求。因此，残障人士所关注的信息，可以认为就是残障人士的信息需求。

为了更进一步分析和提取不同省份残联网站用户所关注信息的总体特征，以便更加深入地把握残障人士的总体信息需求情况，本文分别对七家省级残联网站高访问量新闻进行信息需求的提取，并进行汇总。发现不同省级残联网站用户关注的信息需求相似性较为明显，并没有表现出较大的差异性。本文截选前二十个信息需求进行汇总（图1），分析发现残障人士对图1中所示的20个新闻话题有着相似的偏好，主要集中在医疗康复、教育、就业、无障碍、体育、文化、社会保障、养老保障、社会交往、婚姻、阅读和医疗保障方面。其中，医疗康复、就业和残疾人士阅读这三类信息需求占比最多，社会关怀、医疗保障、职业技能培训和托养这几方面的信息需求次之。残障人士的信息需求主要集中在与基本生活有关的信息上，这些方面的信息需求在一定程度上也能折射其现实生活需求，这些需求大多属于满足其生存需要的较低层次的需求。

相较于普通社会群体，残障人士关注的信息重点是满足其基本生活需要的信息，这也从侧面间接反映出残障人士的当前生活状态。不过，也有一些较为突出的信息需求值得关注，例如网络创业、两微一端等，这说明残障人士一方面在寻求满足其基本生活方面的信息，另一方面也渴望获取与时代发展相关的信息，渴望通过获取这方面的信息从而紧跟社会的步伐，寻求自身发展。

4.1.4  新闻话题演化分析

残障人士所访问的新闻内容的分析得出了残障人士静态的信息需求主体内容，但并不能够说明残障人士的信息需求变化情况，也不能考察残联网站公布信息的变动情况以及残障人士信息需求是否受到残联网站所公布信息的影响。因而本文引入时间因素，以深入探究残障人士的信息需求变动情况。

为了深入分析残障人士信息需求的变化情况，考察其所需信息是否受到残联网站提供信息的影响，本文进行了新闻话题演化分析。新闻话题演化分析包括先离散和后离散两种模式[36]，本文以月划分时间粒度来提取新闻话题。将同一个网站的数据按时间进行划分，根据每月新闻的数量来确定要提取的新闻话题数量，并对相应的新闻话题进行归纳总结。研究发现后离散模式更适用于本文研究目标，能够获取残障人士更加多样化的信息需求。此外，为了分析残障人群关注新闻话题情况，本文引入新闻话题热度概念。新闻话题的热度是指新闻在某段时间内的热度，其与该时间段内该话题的新闻报导数量有关，即话题的新闻数量越多，该话题的热度越高。获取LDA模型中文档话题的概率分布情况，然后根据新闻的发布时间，将新闻离散到相应的时间段中。最后，对某个话题依次考虑其在每个时间段中的强度，如公式（1）：

其中，Dt表示时间段t的文档数量，即新闻数量。θdk表示第d篇文档中话题k的概率。

以中国残疾人联合会网站为例，通过浏览网站可以发现，残联网站不同时间所提供的新闻话题是不同的，且处于持续更新状态，这说明残联网站新闻是动态变化的。由于十年时间产生的新闻过多，数据量过于庞大，并且虽然每年的新闻话题都在变化，但其背后的主题大致相似，都是为残障人士提供有针对性的新闻，因而截取其中一段时间的新闻内容能够反映出其整体状态。为了便于分析，笔者选取近两年的中国残疾人联合会网站新闻数据作为分析对象，通过话题热度反映用户对该新闻的关注情况，随后利用公式（1）计算出每篇新闻在每个话题下的热度并汇总。最终得出热点新闻话题及访问者数随时间变化情况，如图2所示，图中横轴表示时间变化，纵轴表示热点话题编号。

从图2中可以发现，热点话题每隔一段时间就会出现，以topic9和topic0为例，topic9在2017年7月、8月出现的比较频繁，在2018年的6月及9月左右再次出现；topic0也是隔一定的时间就会出现，由于网站提供的热点话题有多个，但这些话题依旧不会随着时间的变化而消失或者访问度降低。因此可以说明，残障人士对这类话题比较感兴趣。通过对比话题内容，发现这些话题几乎都与残障人士的基本生活密切相关，诸如生活、就业、救济等等。说明残障人士的基本生活方面的信息需求具有稳定性，不会随着残联网站发布的新闻内容和时间的变化而产生变化。

通过上述新闻话题演化分析，进一步确认了残联网站发布的新闻话题内容和用户关注的信息变动情况。若残联网站发布的新闻类型较少，那么其会在一定程度上约束访问者，并进而影响到其信息需求分析结果的可信性。通过研究发现，残联网站的信息内容处于动态更新中，即信息在变化，且热点话题也是多样的，这说明残联网站作为信息发布平台对残障人士获取新闻信息的选择性约束较少。而演化分析结果却表明，残障人士有着稳定的话题关注点，即使残联网站提供的新闻信息是多样且动态更新的，而残障人士也不会改变对这些话题的兴趣，通过话题对比发现这些话题都是与残障人士生活密切相关的信息。这种情况表明，残障人士对于满足其基本生活需要的信息具有持续的需求，也表明之前的话题提取是恰当的。

4.2  线下访谈验证

通过上述对所选取的八家残联网站高访问量新闻进行话题提取、信息需求识别以及演化分析得出了基于残联网站的残障人士信息需求。但通过线上数据的分析所得出的信息需求是否与残障人士的真实信息需求相吻合，还有待验证。本文选取了线下访谈的方法来对网上数据分析结果进行验证。

根据相关访谈调查的文献显示，访谈选取的人数一般在8—20人，访谈时间控制在30—120分钟[37]。基于此，笔者通过大量走访和调研，最终征得13名残障人士和3名残障人士服务人员的同意，按照设计好的访谈大纲进行面对面访谈，访谈时间在40—120分钟内。本次受访残障人士受教育水平偏低，就业选择性较小，这种样本特征与有关研究结论反映出的残障人士受教育水平和就业状态等是吻合的[38,39]，说明本次访谈所选取的样本具有一定代表性。

访谈结束后笔者对访谈笔记和录音内容进行了整理。对访谈资料进行分析后发现，受访残障人士普遍提出的首要问题是社会保障问题，尤其是享受的低保和两项补贴(困难残疾人生活补贴和重度残疾人护理补贴)方面，对这些方面的关注可以理解为由于残障人士参与正常的社会生产受到一定限制，其经济来源具有不稳定性。其次，受访残障人士也表达了其对教育、就业和社会交往等方面的渴望。另外，部分受访残障人士对康复、权益维护以及日常生活等方面的信息也十分关注。

本文从受访者的回答中提炼出相关话题，并依据话题被提及的次数进行整理和排序，得出了受访者关注的前二十个话题。如图3所示。

线下访谈结果表明，受访残障人士在社会保障、教育、就业、信息获取、社会交往、养护照料、康复、残障人士专职委员、托养、婚育、政策、残联工作等方面存在强烈的信息需求。其中残障人士两项补贴、养老保障和医疗康复排前列，比例分别为91%、73%和36%。通过对比残联网站高访问量新闻分析得到的残障人士信息需求和访谈归纳得到的信息需求，可以发现两种方式得出的信息需求有共通性，例如均有医疗康复、残障人士两项补贴、养老等方面的信息需求。同时，通过访谈法得出的前二十个残障人士信息需求与基于残联网站高访问量新闻分析出的前二十个残障人士信息需求存在较高的重合，重合度高达75%。这说明从残联网站分析得出的残障人士信息需求在很大程度上能够反映残障人士的真实信息诉求，通过残联网站获取残障人士信息需求这样一条技术路线是可行的。

线下访谈获取的残障人士信息需求与线上方式获取的信息需求也存在一些差异。住房、社会交往、福利补贴、信息消费和婚姻这五个方面的信息需求是访谈法得出的独特的信息需求，其与线上方式获取的信息需求无法直接对应；而在线上方式获取的残障人士信息需求中，残疾人阅读、网络创业、两微一端、职业技能培训和医疗保障这五个方面的信息需求无法与访谈法得出的信息需求直接对应。可以发现，访谈法得出的这五个有差异的需求主要与现实生活密切相关，而线上方式获取的有差异的需求虽也与现实生活有关，但更加凸显了残障人士寻求自我发展的特点。

此外，虽然本文选择的访谈人数在推荐范围之内，但相较于访问残联网站的用户数量和特征的多样性，以及通过高访问量新闻数据所揭示出的信息需求的丰富性，访谈法获取的残障人士信息需求的多样性和丰富性还是有限。通过残联网站高访问量新闻数据分析出的信息需求不仅包括了残障人士自身直接表达的信息需求，还包括了其亲属所关注的信息而间接表达出的信息需求。因而可以认为，通过残联网站线上新闻和访问量数据的分析所获取的残障人士的需求信息比传统的访谈法等获取的需求信息更全面。

5  总结与建议

本文通过获取残联网站新闻和访问量数据，借助自然语言处理的方法，分析得到了残障人士的信息需求。研究显示，残障人士的信息需求主要集中在满足其生存的基本层次上，诸如医疗康复、教育、就业、社会保障等方面。与此同时，残障人士的信息需求也呈现出了一些与时俱进的特点，诸如网络创业、两微一端等，凸显了残障人士紧跟主流社会的强烈意愿。同时，对分析出的新闻话题结合时间线索可以发现，残联网站提供大量新闻话题的同时，残障人士所访问的新闻话题却具有稳定性，这些新闻话题集中在与残障人士的生活密切相关的信息方面，说明这部分信息需求不会随着时间的变化而变化，呈现出了一种稳定态势，这种态势表明即使残联网站所供给的信息十分多样和丰富，但残障人士所关注的仍然在满足其基本生存需要的信息上面，这与目前学界对残障人士信息需求的研究结果吻合[40-42]。

为检验通过残联网站获得的残障人士信息需求的可信性，本文设计了线下访谈，结合线下访谈对分析结果进行了对照，以判断通过这样一种线上自动化方式获取残障人士信息需求的方法是否切实可行。结果显示，通过残联网站得出的残障人士前二十个信息需求与访谈法得出的前二十个信息需求重合度高达75%，因而可以认为通过残联网站新闻及访问量数据获取残障人士的信息需求这样一条技术路线是可行的，该思路和方法能够克服以往残障人士信息需求研究中的数据获取障碍，可以方便快捷地获取、持续稳定地探测残障人士的信息需求，为改善残障人士的信息服务质量和服务状态提供及时有效的参考和指导。

为更好地为残障人士提供信息服务，本文根据残障人士目前的信息环境和需求状况提出以下建议：

（1）保证残障人士所需信息的“稳定性”供给。本研究发现，残障人士的信息需求主要集中在满足其生存需要的基本层面，因此，在为残障人士提供信息时，有关部门应将为残障人士提供基本生活保障的信息作为主要内容，满足残障人士对于基本生存信息的需求，并把这些内容作为网站内容建设的重点工作开展下去。

（2）为残障人士提供适当的“发展性”信息。本研究发现残障人士除了对满足其基本生存方面的信息表现出稳定的需求外，还对与时代发展有关的信息表现出了一定的关注度，例如网络创业、两微一端等，这些需求随着时代发展逐渐产生和发展。残障人士也期待着与社会的发展保持同步性，希望积极融入整个社会群体。因此，在保障残障人士基本生活方面的信息需求的同时，也要关注其发展方面的信息需求，提供与时代密切相关的信息，帮助他们跟上信息时代的步伐。

（3）本研究表明，通过分析残联网站高访问量新闻获取残障人士的信息需求这一方法是可行的，残联等有关部门可不定期地利用该技术路线持续地探测和检验残障人士的信息需求。残障人士所关注的信息可间接地反映其目前的生活状态，这可以协助政府有针对性地开展和推进管理和救助等工作，并从其信息需求的满足情况来辅助检验对残障人士的帮扶成效。

由于公布访问量的残联网站数量有限，本文只选取了有限的网站作为研究对象，今后在条件允许的情况下，可进一步获取更多数据来进行更深入的研究。

参考文献

专家评审意见  

文章通过分析残疾人联合会网站(残联网站)上的新闻内容和访问数据,定量地揭示残障人士的信息需求, 并辅以访谈法进行定性验证,探究特殊人群的实际信息需求。论文结合定量和定性分析相结合的方法,利用分词和LDA 模型抽取八大残联网站高访问量新闻进行信息需求分析, 再利用访谈法加以验证。此研究利用客观数据与主观数据相结合的方式, 尤其是采用数据挖掘方法进行大规模信息需求的获取, 与传统方法相比较存在一定程度上的创新。针对特殊人群的信息需求调查等内容目前仍需要进一步扩充完善。具体修改建议如下:
1.文章“4.2线下访谈验证”部分,通过访谈调查残障人士的需求,应在文中适当加入实际访谈内容陈述受访者普遍关注的话题。
2.文章“5讨论与总结”部分中,除已有建议外,是否可以结合具体调查获取的信息需求提出针对性建议?
3.文章各部分的标题需要进一步精炼, 如“2 相关研究介绍”,“4.1残联网站新闻数据挖掘及结果”等。

*本文原载于《图书情报知识》2020年第4期43-51页

版权归《图书情报知识》所有，欢迎转发到朋友圈，转载请联系后台。

制版编辑 | 姚志臻

END