文本大數(shù)據(jù)的環(huán)境治理應(yīng)用研究

一、前言

近年來，隨著互聯(lián)網(wǎng)、計(jì)算機(jī)的飛速發(fā)展和技術(shù)進(jìn)步以及人工智能軟硬件技術(shù)的發(fā)展和廣泛應(yīng)用，數(shù)據(jù)作為記錄各種人類活動的一種重要資源而呈現(xiàn)出爆發(fā)式增長，而從海量的、非結(jié)構(gòu)化的數(shù)據(jù)中獲取、處理、分析、挖掘其中有價值的信息成為國際國內(nèi)政界、學(xué)界以及企業(yè)界關(guān)注的焦點(diǎn)問題。國務(wù)院在2015年印發(fā)的《促進(jìn)大數(shù)據(jù)發(fā)展行動綱要》，成為首次從國家層面的信息化發(fā)展戰(zhàn)略角度把數(shù)據(jù)認(rèn)定為國家的基礎(chǔ)性戰(zhàn)略資源，由此，數(shù)字化治理方式也成為提升政府治理能力的新途徑。

實(shí)證經(jīng)濟(jì)學(xué)需要數(shù)據(jù)作為基礎(chǔ)，數(shù)據(jù)也是經(jīng)濟(jì)指標(biāo)形成的背后因素，在宏觀經(jīng)濟(jì)研究、政策制定、經(jīng)濟(jì)理論驗(yàn)證、企業(yè)應(yīng)對市場發(fā)展、個人做出經(jīng)濟(jì)決策等各領(lǐng)域均有重要作用[1]。目前，大數(shù)據(jù)在經(jīng)濟(jì)學(xué)和金融學(xué)領(lǐng)域中應(yīng)用較為廣泛，拓寬了經(jīng)濟(jì)和金融領(lǐng)域的實(shí)證研究，既能夠?yàn)榻?jīng)典研究問題提供新的視角，又可以用于研究最新的熱點(diǎn)問題。在經(jīng)濟(jì)學(xué)研究領(lǐng)域中，文本大數(shù)據(jù)主要用于度量經(jīng)濟(jì)以及相關(guān)政策等的不確定性、基于文本的行業(yè)動態(tài)分類、測度并預(yù)測商業(yè)周期，以及量化媒體的政治傾向和新聞需求等問題。此外，在金融學(xué)研究領(lǐng)域中，文本大數(shù)據(jù)主要用于度量投資者和媒體的關(guān)注度、不同市場參與主體的情緒或語調(diào)以及分析投資者出現(xiàn)的意見分歧等指標(biāo)。

2016年生態(tài)環(huán)境部（原環(huán)境保護(hù)部）印發(fā)《生態(tài)環(huán)境大數(shù)據(jù)建設(shè)總體方案》，可以說是正式從政府層面開啟了“互聯(lián)網(wǎng)+生態(tài)環(huán)境”戰(zhàn)略，這個戰(zhàn)略對推動政府環(huán)境治理創(chuàng)新有著積極的作用。因此，大數(shù)據(jù)逐步成為環(huán)境治理的重要戰(zhàn)略資源和政府提升環(huán)境治理能力的重要手段，發(fā)展數(shù)字經(jīng)濟(jì)也成為可持續(xù)發(fā)展的重要方向，同時，對于推動加快生態(tài)文明建設(shè)進(jìn)程和生態(tài)環(huán)境治理能力現(xiàn)代化具有跨時代的重要意義。大數(shù)據(jù)中蘊(yùn)含著重要的價值信息，文本大數(shù)據(jù)作為大數(shù)據(jù)的重要組成部分，是人類知識的主要載體。[2]非結(jié)構(gòu)化的文本大數(shù)據(jù)作為一種新的數(shù)據(jù)源，也是最重要的信息載體之一，往往帶有明顯的領(lǐng)域特征和獨(dú)特的語言模式，也常常包含大量的專業(yè)詞匯，能夠?yàn)榄h(huán)境治理問題提供有效的信息和獨(dú)特的分析視角。例如，文本大數(shù)據(jù)可以用于測度環(huán)境政策的不確定性、量化媒體關(guān)注度以及輿論導(dǎo)向、不同環(huán)境治理主體的情緒對相應(yīng)問題解決方式的影響、基于新聞的隱含波動因素等。

二、文本大數(shù)據(jù)的特征和提取重點(diǎn)難點(diǎn)

文本作為語言的視覺形式是人類最重要的交流工具，基于文本的信息隱藏算法具有很高的實(shí)用價值，文本的一個明顯特點(diǎn)是高度凝練，信息冗余少。[3]大數(shù)據(jù)中蘊(yùn)含著重要的價值信息，文本大數(shù)據(jù)作為大數(shù)據(jù)的重要組成部分，是人類知識的主要載體。傳統(tǒng)的數(shù)據(jù)收集往往借助于紙質(zhì)媒介，體量較小，數(shù)據(jù)獲取成本高，獲取時間相對滯后；而通過互聯(lián)網(wǎng)媒介進(jìn)行文本數(shù)據(jù)收集和處理，不僅成本大幅降低，數(shù)據(jù)的可得性大幅增加，數(shù)據(jù)的體量也呈現(xiàn)幾何級數(shù)增長的特征。同時，隨著網(wǎng)絡(luò)平臺發(fā)布信息普及度的提高，除了傳統(tǒng)的政府職能部門和相關(guān)機(jī)構(gòu)發(fā)布信息之外，微博、微信公眾號、朋友圈、論壇帖子等新媒體形式也逐漸成為數(shù)據(jù)來源的重要渠道，文本大數(shù)據(jù)的發(fā)布主體從單一向多樣化進(jìn)行轉(zhuǎn)變，頻率變得更高。通過互聯(lián)網(wǎng)平臺積累起來的數(shù)據(jù)，就存儲在網(wǎng)絡(luò)空間中，文本信息即刻在網(wǎng)絡(luò)中留下痕跡，通過一定的方法和技術(shù)進(jìn)行提取，信息獲取更加及時，數(shù)據(jù)獲取的成本也相對降低。通過利用互聯(lián)網(wǎng)大數(shù)據(jù)信息，可以獲取接近全體的樣本信息，海量的樣本量支持下，避免了由于信息不全面導(dǎo)致的錯覺以及判斷失誤，未來還將開拓更為豐富的數(shù)據(jù)源，如政府工作報(bào)告、規(guī)劃、書籍、檔案等。

文本信息挖掘的過程就是從海量的、非結(jié)構(gòu)化的文本數(shù)據(jù)中獲取有價值的信息的過程。數(shù)據(jù)挖掘中的一個重要研究方向就是文本信息挖掘，目前文本信息挖掘技術(shù)在政府、企業(yè)以及各行各業(yè)都有廣泛的應(yīng)用，通過文本信息挖掘的結(jié)果可以對政府、企業(yè)等決策的制定提供數(shù)據(jù)依據(jù)。[4]對信息的高度抽象提煉得到的就是文本數(shù)據(jù)，正是由于海量文本數(shù)據(jù)信息的存在，獲取、處理和分析文本大數(shù)據(jù)方面仍然存在一些問題，其中最重要的是從海量的文本數(shù)據(jù)中提取出所需要的核心信息并且保證信息的準(zhǔn)確性和有效性，同時考察其對相應(yīng)問題的解釋或預(yù)測能力。從技術(shù)層面來說，提取文本數(shù)據(jù)信息需要綜合考慮多種因素，這些因素既包含文本數(shù)據(jù)的來源、所處的語言環(huán)境、文本內(nèi)容的長短、句式結(jié)構(gòu)，也包含需提取信息的特征等，同時也要考慮信息提取的成本和收益。在綜合條件允許的情況下，可以采用相對復(fù)雜的統(tǒng)計(jì)學(xué)習(xí)和深度學(xué)習(xí)相結(jié)合的信息提取方法來提高信息提取的準(zhǔn)確性，優(yōu)化人機(jī)合作成為解決困難的重要方式。使用復(fù)雜方法時還需要保證這些方法的透明性和可復(fù)制性。最后還要注意的一個問題是，關(guān)鍵技術(shù)中的數(shù)據(jù)結(jié)構(gòu)化轉(zhuǎn)換和文本數(shù)據(jù)信息提取，這兩個重要步驟的執(zhí)行順序需要根據(jù)具體問題來分析決定，有時可能需要經(jīng)過多次嘗試才能找到最優(yōu)的決策方案。

三、文本大數(shù)據(jù)在環(huán)境治理方面的應(yīng)用

現(xiàn)有環(huán)境領(lǐng)域主要有兩大類文本相關(guān)分析的問題，第一大類是對文本顯示的公民積極或消極情緒、輿論或者文件語調(diào)正負(fù)等進(jìn)行區(qū)分的聚類問題，第二大類是度量相關(guān)群體情緒、輿論走向不確定性、社會恐慌程度、公民意見分歧程度等和其所對應(yīng)的回歸問題。

（一）文本情緒

因?yàn)榍榫w的變化可能會導(dǎo)致問題處理的結(jié)果不同，度量情緒并預(yù)測風(fēng)險是文本大數(shù)據(jù)在環(huán)境治理領(lǐng)域的重要應(yīng)用方向，典型的例子是鄰避效應(yīng)。通常用“語調(diào)”來表示“情緒”，語調(diào)的不同表示了情緒的正面和負(fù)面、樂觀和悲觀、積極和消極等。根據(jù)情緒的主題可以對文本情緒的研究對象進(jìn)行不同分類，主要包括媒體語調(diào)（媒體新聞）、管理層語調(diào)（當(dāng)事公司管理層討論與分析、環(huán)評報(bào)告以及其他公開披露的信息文件）、公民情緒（微信轉(zhuǎn)發(fā)評論、微博熱搜、網(wǎng)絡(luò)論壇發(fā)帖）等。

度量媒體情緒的媒體新聞報(bào)道內(nèi)容中包含的樂觀與悲觀情緒。通常來看，媒體負(fù)面語氣能夠解釋鄰避問題的風(fēng)險和解決方案，但正面語氣卻沒有解釋能力。

管理層的信息披露往往能反映管理層的決策和意圖，信息公開不全面、甚至相關(guān)信息空白，環(huán)評報(bào)告獨(dú)立性存疑，相當(dāng)于利益集團(tuán)放大了鄰避效應(yīng)，無助于問題的解決。

文本大數(shù)據(jù)挖掘技術(shù)的出現(xiàn)為度量公民情緒提供了新的數(shù)據(jù)源。第一個原因是，公民越來越傾向于選擇在微博、微信公眾號、網(wǎng)絡(luò)論壇上發(fā)布相關(guān)的評論或者做出相關(guān)搜索，這些文本數(shù)據(jù)能直接反映出公眾對類似鄰避事件的看法、對當(dāng)前狀態(tài)的解讀和預(yù)期以及與自身決策相關(guān)的信息。第二個原因是，這些數(shù)據(jù)獲得性高且覆蓋群體范圍廣，滿足了從不同頻率、不同層面研究情緒與鄰避風(fēng)險關(guān)系的需求。

（二）媒體關(guān)注和傾向

傳統(tǒng)的數(shù)據(jù)指標(biāo)和環(huán)境問題治理之間的關(guān)系不穩(wěn)定，且只能反映部分信息，相對于傳統(tǒng)數(shù)據(jù)來說，文本數(shù)據(jù)覆蓋的領(lǐng)域更加廣泛、文本信息獲取主體更多、并且新聞內(nèi)容可能與當(dāng)前和未來狀態(tài)有更高相關(guān)性。利用文本數(shù)據(jù)度量公民關(guān)注的環(huán)境問題采用的主要指標(biāo)有搜索指數(shù)、閱讀頻率數(shù)據(jù)和論壇發(fā)帖量等。媒體作為重要的信息制造者和傳播者，其關(guān)注和傾向一方面可以影響普通公民對環(huán)境問題治理的關(guān)注，另一方面也可以影響輿論信息的傳播效率和傳播模式。

媒體對環(huán)境政策的變動和未來趨勢可能產(chǎn)生很重要的影響，比較典型的例子是“PM2.5”、“霧霾”等關(guān)鍵詞在一段時間內(nèi)在媒體中頻繁出現(xiàn)，推動了PM2.5的數(shù)據(jù)公開以及《大氣污染防治行動計(jì)劃》等一系列治理大氣污染改善空氣質(zhì)量政策措施的出臺與實(shí)施。相比而言，傳統(tǒng)的自上而下的政策頒布實(shí)施時間跨度較長，而主流新聞媒體的新聞文本、網(wǎng)絡(luò)搜索短時間內(nèi)同一關(guān)鍵詞頻繁出現(xiàn)，對新的環(huán)境政策的實(shí)施具有明顯的促進(jìn)作用。

四、文本大數(shù)據(jù)未來發(fā)展

統(tǒng)籌規(guī)劃，協(xié)同推進(jìn)文本數(shù)據(jù)資源整合，建設(shè)現(xiàn)代化高技術(shù)的數(shù)據(jù)中心，加強(qiáng)內(nèi)部共享和動態(tài)更新；整合信息平臺，逐漸形成統(tǒng)一的互聯(lián)網(wǎng)文本數(shù)據(jù)平臺，實(shí)現(xiàn)信息的有效共享和開放交換；建立文本數(shù)據(jù)正負(fù)面清單，完善健全文本數(shù)據(jù)開放制度和機(jī)制，提高各政府部門和社會機(jī)構(gòu)的文本數(shù)據(jù)開放熱情。

加強(qiáng)文本大數(shù)據(jù)處理和分析的技術(shù)創(chuàng)新、建立一體化的大數(shù)據(jù)平臺和完善的數(shù)據(jù)管理體系，通過對文本大數(shù)據(jù)的高效采集、有效整合，加強(qiáng)對政府?dāng)?shù)據(jù)的共享開放和社會數(shù)據(jù)的挖掘應(yīng)用，提升環(huán)境問題決策能力，提高風(fēng)險防范水平，進(jìn)一步深化環(huán)境治理的精準(zhǔn)性和有效性。

熟練掌握文本大數(shù)據(jù)需要跨學(xué)科領(lǐng)域的人才，專業(yè)的研究人員不僅需要對政治、經(jīng)濟(jì)、金融、心理學(xué)、環(huán)境治理等領(lǐng)域有較為深入的認(rèn)知和研究，同時還應(yīng)掌握文本挖掘技術(shù)等較為豐富的知識基礎(chǔ)，了解不同算法的優(yōu)缺點(diǎn)和典型特征，因此對高素質(zhì)的跨學(xué)科復(fù)合型人才的需求量會大量增加，科研機(jī)構(gòu)和高校等可根據(jù)自身學(xué)科優(yōu)勢對此類跨學(xué)科復(fù)合型的研究人才進(jìn)行培養(yǎng)。