京津冀協(xié)同發(fā)展政策與文獻的語義匹配度研究

劉璐 余文斌 李欣桐 趙毅 何喜軍

[摘 要]提高政策與文獻研究的協(xié)同效果，有利于加強科學(xué)研究對政策制定的支撐作用，以及政策制定對科學(xué)研究的引導(dǎo)作用。以中國知網(wǎng)和白鹿數(shù)據(jù)為數(shù)據(jù)源，基于Word2Vec和余弦相似度構(gòu)建政策與文獻文本的語義匹配度模型，研究京津冀協(xié)同發(fā)展政策與文獻的匹配度及熱點。研究發(fā)現(xiàn)：匹配度逐年上升，但匹配度值仍不夠高;政策對科學(xué)研究有正向引導(dǎo)作用;政策與文獻的熱點呈現(xiàn)多元化趨勢;政策持續(xù)關(guān)注點為城市建設(shè)，此外科技、環(huán)境、交通協(xié)同發(fā)展等也是熱點;經(jīng)濟協(xié)同發(fā)展與產(chǎn)業(yè)轉(zhuǎn)移、環(huán)境、區(qū)域空間建設(shè)、協(xié)同創(chuàng)新是研究熱點。文章為政策與文獻匹配度的定量研究提供了思路和方法。

[關(guān)鍵詞]京津冀協(xié)同發(fā)展;政策;文獻;語義匹配度;熱點

[DOI]10.13939/j.cnki.zgsc.2019.35.029

1 引言

2014年2月，京津冀協(xié)同發(fā)展上升為國家戰(zhàn)略，為京津冀三地的跨越式發(fā)展提供重要機遇。5年來，為推動戰(zhàn)略實施，國家和京津冀三地政府陸續(xù)出臺多項政策，學(xué)術(shù)界也圍繞區(qū)域協(xié)同創(chuàng)新開展系列研究，取得了階段性的成果。在戰(zhàn)略實施進入攻堅階段，政策與科學(xué)研究的協(xié)同性和匹配性尤為重要，匹配度高，說明科學(xué)研究對政策制定的支撐作用加強，同時政策制定引導(dǎo)科學(xué)研究的問題導(dǎo)向功能加強。目前，已有成果多從單一維度研究政策熱點和科學(xué)前沿挖掘，對兩者語義匹配度的研究還較少關(guān)注。因此，本文將利用文本挖掘中語義分析方法基于時間系列研究政策與文獻的匹配度，并挖掘政策與文獻熱點，為提高兩者的協(xié)同效果提供對策建議，從而加強科學(xué)研究對政策制定的支撐作用，以及政策制定對科學(xué)研究的引導(dǎo)作用。

2 文獻回顧

2.1 京津冀協(xié)同發(fā)展政策研究及熱點識別

京津冀協(xié)同發(fā)展的核心是有序疏解北京非首都功能。董微微[1]通過對中央報刊政策文本的關(guān)鍵詞和主題詞的提煉及分析，探究京津冀協(xié)同發(fā)展熱點主題和前沿趨勢;黃萃等[2]提出政策文獻量化研究，為公共政策研究提供新方向。

2.2 京津冀協(xié)同發(fā)展文獻研究及熱點識別

魏進平等[3]利用文獻計量學(xué)和共詞分析等方法，總結(jié)京津冀協(xié)同發(fā)展的研究熱點和趨勢;陳辰[4]等結(jié)合詞頻統(tǒng)計與高頻關(guān)鍵詞的語義關(guān)聯(lián)分析，挖掘京津冀協(xié)同發(fā)展的熱點主題。

2.3 政策與文獻語義匹配方法研究現(xiàn)狀

王崇德[5]研究證明文獻計量學(xué)是科學(xué)政策制定有力的輔助工具;徐揚輝[6]表明公共政策制定過程離不開社會科學(xué)研究方法的運用。因此，研究政策與文獻語義匹配度有利于反映科研成果的有效性。目前，基于關(guān)鍵詞共現(xiàn)和基于語義共現(xiàn)匹配方法應(yīng)用比較多。關(guān)鍵詞共現(xiàn)方法認為：關(guān)鍵詞在同篇文獻中兩兩出現(xiàn)的頻次越多，則認為這兩個詞的相關(guān)性強，但是當(dāng)共現(xiàn)次數(shù)相同時則無法判斷相關(guān)性強弱，且該方法無法判斷語義相同但不共現(xiàn)的關(guān)鍵詞之間的相關(guān)性強度，因此，該方法更適用于相關(guān)性問題識別?；谡Z義共現(xiàn)匹配方法能更好地彌補上述方法的不足，例如：基于信息內(nèi)容的詞向量模型[7]，可以根據(jù)特征選擇和統(tǒng)計構(gòu)造向量空間，計算向量的語義相似性。

本文將采用MIKOLOV等[8]提出的Word2Vec模型結(jié)合維基百科語料庫將政策與文獻文本轉(zhuǎn)化為低維實數(shù)向量，再結(jié)合余弦相似度計算政策與文獻的語義匹配度。

3 基于詞向量的政策與文獻語義匹配度模型

關(guān)于模型構(gòu)建步驟，有以下三步。

3.1 采集政策與文獻文本詞集

通過Python切詞工具將政策與文獻文本切分成詞集，將文獻詞集表示為Si={Si_1，Si_2，…，Si_p}（i=1，2，…，m），m為文獻詞的個數(shù)，將政策詞集表示為Dj={Dj_1，Dj_2，…，Dj_q}（j=1，2，…，n），n為政策詞的個數(shù)。計算語義相似度是先計算詞語之間的距離，距離越小則相似度越大，因此，兩個詞集中相同詞語越多，那么其相似度也就越高，但是語義相似是指不同詞語的含義相似度，因此要將兩個詞集做去重處理。處理后的Si表示為S—i={S—i_1，S—i_2，…，S—i_p′}（p′為文獻詞集去重后詞的個數(shù)），Dj表示為D—j={D—j_1，D—j_2，…，D—j_q′}（q′為政策詞集去重后詞的個數(shù)），兩詞集的交集個數(shù)為r，且0≤r≤min（p，q）。

3.2 訓(xùn)練詞向量模型

將采集到的政策與文獻信息以及維基百科數(shù)據(jù)作為語料庫，利用Word2Vec模型訓(xùn)練文本，將所有的詞向量化，以此來表示詞與詞之間的關(guān)系，進而得到詞向量模型。

3.3 計算政策與文獻的語義匹配度

利用基于詞向量的詞集相似度方法[9-10]計算政策與文獻文本語義匹配度。以計算S—i和D—j中的Sim（S—i_1，D—j_1）為例，設(shè)ai和bi分別為S—i_1和D—j_1的詞向量，h為詞向量的維數(shù)，則：

Sim（S—i_1，D—j_1）=∑hi=1（ai×bi）∑hi=1（ai）2×∑hi=1（bi）2（1）

同理，可得p′×q′的語義匹配度矩陣M1：

M1Sim（S—i_1，D—j_1）Sim（S—i_1，D—j_2）…Sim（S—i_1，D—j_q′）

Sim（S—i_2，D—j_1）Sim（S—i_2，D—j_2）…Sim（S—i_2，D—j_q′）

Sim（S—i_p′，D—j_1）Sim（S—i_p′，D—j_2）…Sim（S—i_p′，D—j_q′）

將M1中的最大值元素Sim（S—i_k，D—j_v）添加到集合R中，刪除Sim（S—i_k，D—j_v）所在的第k行和第v列的所有元素值;重復(fù)以上過程，直到集合R中的元素個數(shù)T為min（p′，q′），從而得到集合R={Sim1，Sim2，…，SimT}，詞集S—i和D—j的匹配度即為集合R中各元素的加權(quán)平均值，公式為：

Sim（Si，Dj）=Sim（S—i，D—j）=（p+q）×（r+∑Tt=1SimT）2pq（2）

4 京津冀協(xié)同發(fā)展政策與文獻匹配度測算

4.1 數(shù)據(jù)檢索與統(tǒng)計分析

文獻數(shù)據(jù)來源為中國知網(wǎng)，檢索時間為2014—2018年，檢索主題為 “京津冀”和“環(huán)渤?！?，文獻類別為CSSCI和CSCD，共檢索到1951篇。政策文本來源為白鹿數(shù)據(jù)，檢索時間同上，檢索詞為：“京津冀”“環(huán)渤?！薄氨本薄疤旖颉薄昂颖薄?，共檢測到1004個政策。政策與文獻發(fā)表時間及數(shù)量分布如圖1所示。

由圖1發(fā)現(xiàn)，2014—2017年，文獻數(shù)量快速增長，政策數(shù)量在2014年達到最高后，呈現(xiàn)下降趨勢;2018年，文獻和政策數(shù)量均呈現(xiàn)下降趨勢。分析其原因：國家戰(zhàn)略制定后，各級部門快速反應(yīng)并制定相關(guān)政策，短周期內(nèi)政策數(shù)量達到頂點，后續(xù)圍繞實踐中面臨的主要問題進行政策的調(diào)整和完善，數(shù)量趨于平穩(wěn);而文獻研究需要周期較長，但在政策引導(dǎo)下，關(guān)注范圍持續(xù)升高，成果快速增長。經(jīng)過5年的周期，政策與制度相對完善，呈現(xiàn)下降趨勢，從研究層面，對問題的關(guān)注更加深入，主題更加豐富和多元化，例如近年來的“雄安新區(qū)”建設(shè)則成為京津冀協(xié)同發(fā)展的研究熱點，但因檢索詞中未涉及，導(dǎo)致從數(shù)據(jù)統(tǒng)計上文獻數(shù)量呈下降趨勢。

4.2 匹配度計算與分析

利用基于詞向量的匹配度模型計算政策與文獻的匹配度。結(jié)果如表1所示。

由表1可得：其一，5年來，政策與文獻的語義匹配度呈現(xiàn)增長趨勢，說明兩者的協(xié)同性持續(xù)增長，政策研究的引導(dǎo)作用及文獻研究對政策的支撐作用持續(xù)增強。其二，5年來，政策與文獻的語義匹配度雖然呈現(xiàn)增長趨勢，但匹配度相對較小，說明政策與文獻研究的差異性依然較大。

4.3 政策與文獻的熱點挖掘及差異性分析

由于政策和文獻關(guān)注點差異較大，歸納政策與文獻的熱點關(guān)鍵詞如表2所示。

基于此，將兩類文本的熱點詞匯可視化，得到圖2、圖3、圖4和圖5所示。

4.3.1 政策熱點變化分析

結(jié)合政策熱點詞頻統(tǒng)計，得出政策持續(xù)關(guān)注點為城市建設(shè)，此外科技、環(huán)境、交通協(xié)同發(fā)展等也是熱點。其中，城市建設(shè)一直是政策熱點，2016年9月全國科技創(chuàng)新中心建設(shè)上升為國家戰(zhàn)略后，科技協(xié)同發(fā)展政策成為熱點。隨著大氣、污染等問題的關(guān)注度上升，京津冀環(huán)境綜合治理也是京津冀政策熱點，且關(guān)注度逐年上升。此外，京津冀交通一體化作為《京津冀協(xié)同發(fā)展規(guī)劃綱要》中的重點領(lǐng)域，交通問題五年間三次成為政策熱點。

4.3.2 研究熱點變化分析

結(jié)合科學(xué)文獻熱點詞頻統(tǒng)計，得出經(jīng)濟協(xié)同發(fā)展與產(chǎn)業(yè)轉(zhuǎn)移、環(huán)境、區(qū)域空間建設(shè)、協(xié)同創(chuàng)新是研究熱點。其中，經(jīng)濟協(xié)同發(fā)展與產(chǎn)業(yè)轉(zhuǎn)移領(lǐng)域主要包括經(jīng)濟、產(chǎn)業(yè)、城市等?！毒┙蚣絽f(xié)同發(fā)展規(guī)劃綱要》指出要率先突破京津冀生態(tài)環(huán)境保護、產(chǎn)業(yè)升級轉(zhuǎn)移等重點領(lǐng)域，因此近五年經(jīng)濟協(xié)同與產(chǎn)業(yè)轉(zhuǎn)移一直是首要熱點，環(huán)境治理是第二關(guān)注點。其次，空間規(guī)劃作為實現(xiàn)可持續(xù)發(fā)展的必要手段和途徑，時空和空間熱度僅次于前兩大熱點。此外，科技創(chuàng)新也是研究熱點。

4.3.3 政策與文獻熱點共性分析

政策與科學(xué)研究共性熱點為京津冀城市建設(shè)問題。其中，主要涵蓋京津冀資源分配、城市布局、空間結(jié)構(gòu)調(diào)整、緩解首都功能壓力、交通服務(wù)一體化等方面。此外環(huán)境問題連續(xù)五年作為政策與文獻的熱點關(guān)鍵詞，其中，大氣污染持續(xù)受到學(xué)者關(guān)注，是環(huán)境保護中最亟待解決的問題。

4.3.4 文獻、政策熱點差異性分析

政策關(guān)注科技與技術(shù)。“京津冀協(xié)同發(fā)展”提出之后，國家出臺多部科技、技術(shù)支持政策，以此激勵科技進步、技術(shù)開發(fā)與轉(zhuǎn)移，縮小京津冀三地的科技技術(shù)水平差距。學(xué)者更重視經(jīng)濟發(fā)展、協(xié)同創(chuàng)新以及區(qū)域空間產(chǎn)業(yè)轉(zhuǎn)移。

綜上所述，隨著政策的完善及研究的深入，熱點呈現(xiàn)多元化趨勢，政策研究與科學(xué)探索的匹配性提高。

5 研究結(jié)論和不足

本文以維基百科、中國知網(wǎng)以及白鹿數(shù)據(jù)文本為語料庫訓(xùn)練詞向量模型，利用Word2Vec結(jié)合余弦相似度構(gòu)建政策與文獻文本語義匹配度模型，對政策與科學(xué)研究的契合度以及熱點變化進行研究，得出結(jié)論：其一，政策與文獻匹配度穩(wěn)步提高，科學(xué)研究對政策制定的支撐作用增強;其二，政策對科學(xué)研究有正向引導(dǎo)作用;其三，政策與文獻匹配度仍不夠高;其四，政策的四大熱點為城市建設(shè)、科技、環(huán)境、交通;研究的四大熱點為經(jīng)濟協(xié)同發(fā)展與產(chǎn)業(yè)轉(zhuǎn)移、環(huán)境、區(qū)域空間、創(chuàng)新，且五年間熱點變化不大;其五，學(xué)者和政策主要關(guān)注點相同，但次要關(guān)注點不同，導(dǎo)致政策匹配度不夠高。

基于上述結(jié)論，為提高政策與文獻匹配度水平，提出如下四點建議。

第一，挖掘政策需求熱點，增強科學(xué)研究對政策制定的支撐作用。要深入研究京津冀協(xié)同發(fā)展政策，關(guān)注城市建設(shè)、區(qū)域環(huán)境、經(jīng)濟社會以及科技創(chuàng)新等領(lǐng)域的潛在問題。

第二，增強政策制定引導(dǎo)科學(xué)研究的導(dǎo)向功能。將政策目標細化，從而減小政策推行過程中熱點識別難度，提高政策導(dǎo)向功能。

第三，提高科學(xué)研究對政策制定的決策支持作用，科學(xué)探索一方面要解決科學(xué)難題，另一方面要面向現(xiàn)實問題，因此應(yīng)用實踐類、案例研究類等問題研究要提高政策建議的有效性和可操作性。

第四，提高政策與科學(xué)研究的動態(tài)匹配性，要關(guān)注基于動態(tài)視角分析的政策以及文獻研究的多維統(tǒng)計和熱點挖掘，剖析兩者之間的協(xié)同發(fā)展關(guān)系，以及相互作用。

本研究僅采集了CNKI中收錄的文獻，數(shù)據(jù)的局限性可能影響了分析的全面性。此外，分詞的準確性會影響文本的量化分析。

參考文獻：

[1]董微微.國內(nèi)京津冀協(xié)同發(fā)展研究熱點與趨勢[J].工業(yè)技術(shù)經(jīng)濟，2015，34（8）：134-138.

[2]黃萃，任弢，張劍.政策文獻量化研究：公共政策研究的新方向[J].公共管理學(xué)報，2015，12（2）：129-137，158-159.

[3]魏進平，趙王英.基于文獻計量學(xué)方法的京津冀協(xié)同發(fā)展研究評述[J].河北工業(yè)大學(xué)學(xué)報（社會科學(xué)版），2016，8（3）：11-18.

[4]陳辰，王璐，郝曉雪.基于詞頻統(tǒng)計與語義關(guān)聯(lián)的京津冀協(xié)同發(fā)展研究熱點與前沿監(jiān)測研究[J].河北科技圖苑，2018，31（1）：91-96.

[5]王崇德.文獻計量學(xué)方法在制定科學(xué)政策中的應(yīng)用[J].圖書情報工作，1988（1）：10-16.

[6]徐揚輝.論社會科學(xué)研究方法在公共政策制定過程中的作用和意義[J].當(dāng)代經(jīng)濟，2011（14）：34-35.

[7]蔡圓媛，盧葦.基于低維語義向量模型的語義相似度度量[J].中國科學(xué)技術(shù)大學(xué)學(xué)報，2016，46（9）：719-726.

[8]MIKOLOV T，SUTSKEVER I，CHEN K，et al.Distributed representations of wordsand phrasesand their compositionality[J].Advancesin Neural Information Processing Systems，2013（26）：3111-3119.

[9]崔曉蘭，蔡淑琴，馮進展.基于本體的通信服務(wù)網(wǎng)絡(luò)抱怨案例相似度計算[J].系統(tǒng)工程理論與實踐，2017，37（6）：1638-1647.

[10]何喜軍，馬珊，武玉英.基于本體和SAO結(jié)構(gòu)的線上技術(shù)供需信息語義匹配研究[J].情報科學(xué)，2018，36（11）：95-100.

[作者簡介]劉璐（ 1998—） ，女，北京人，北京工業(yè)大學(xué)經(jīng)濟與管理學(xué)院，研究方向：數(shù)據(jù)挖掘; 余文斌（1998—），男，甘肅慶陽人，北京工業(yè)大學(xué)經(jīng)濟與管理學(xué)院，研究方向：軟件工程技術(shù); 李欣桐（1998—），女，北京人，北京工業(yè)大學(xué)經(jīng)濟與管理學(xué)院，研究方向：信息計量; 趙毅（1998—），男，遼寧沈陽人，北京工業(yè)大學(xué)經(jīng)濟與管理學(xué)院，研究方向：數(shù)據(jù)挖掘; 何喜軍（1979—），女，河北文安人，北京工業(yè)大學(xué)經(jīng)濟與管理學(xué)院，副研究員，博士，研究方向：數(shù)據(jù)挖掘與決策支持。