基于情感分析的地方政府市場監(jiān)管質(zhì)量監(jiān)測研究*

(福建師范大學(xué)公共管理學(xué)院，福建 福州 350117)

1 概述

公民對公共服務(wù)的滿意程度與國家的穩(wěn)定、發(fā)展、繁榮息息相關(guān)，公民對政府市場監(jiān)管領(lǐng)域的滿意程度是衡量政府工作績效的重要指標(biāo)之一。隨著大數(shù)據(jù)電子信息技術(shù)的發(fā)展，運(yùn)用傳統(tǒng)社會調(diào)查研究的方法不再是探究民眾對市場監(jiān)管類問題滿意度的最有效方法。傳統(tǒng)社會調(diào)查研究方法存在成本高、耗時(shí)長、及時(shí)性差等問題，已逐漸無法滿足研究者們使用最低成本，完成最有效研究的要求。近年來，政府部門著手運(yùn)用電子計(jì)算機(jī)技術(shù)管理行政事務(wù)，電子政務(wù)應(yīng)運(yùn)而生。站在新的歷史起點(diǎn)上推進(jìn)電子政務(wù)的發(fā)展，是落實(shí)“網(wǎng)絡(luò)強(qiáng)國”戰(zhàn)略，建設(shè)“數(shù)字中國”的重要方式，是貫徹以人民為中心的發(fā)展思想，讓群眾共享互聯(lián)網(wǎng)發(fā)展成果的重要內(nèi)容，是讓信息化推進(jìn)國家治理體系和治理能力現(xiàn)代化的重要途徑[1]。地方政府開發(fā)屬于各自管轄區(qū)域的應(yīng)用軟件和網(wǎng)站，建立政府信息開放平臺和便民服務(wù)平臺。運(yùn)用互聯(lián)網(wǎng)實(shí)現(xiàn)政府信息公開既提升了群眾對行政監(jiān)督的參與度，也為中國發(fā)展服務(wù)型政府提供了更為有效的途徑。政府?dāng)?shù)據(jù)開放平臺上的群眾投訴意見，是用于衡量政府績效的重要數(shù)據(jù)。用大數(shù)據(jù)研究方法，爬取網(wǎng)站投訴信息進(jìn)行分析處理，可得到群眾對政府工作的滿意程度，是政府績效評估的新方式。目前，福州市已進(jìn)行市場監(jiān)管綜合執(zhí)法體制改革，將原來的質(zhì)監(jiān)局、工商局、食藥局“三合一”組建了新的市場監(jiān)管局，為福州樹立了整體市場監(jiān)管的概念[2]。

本文擬采用情感分析的方法，使用具有典型性的福州市“12345”便民服務(wù)平臺中的投訴信息，對平臺中民眾關(guān)于市場監(jiān)管類的投訴運(yùn)用大數(shù)據(jù)技術(shù)進(jìn)行分析，追蹤民眾對市場監(jiān)管相關(guān)部門的滿意度變化情況。

2 文獻(xiàn)回顧

目前國內(nèi)外將情感分析法運(yùn)用于政府大數(shù)據(jù)的研究較少，但學(xué)界關(guān)于市場監(jiān)管、情感分析的相關(guān)文章為研究提供了參考。

2.1 市場監(jiān)管

在地方政府市場監(jiān)管部門績效管理中，蘇州市姑蘇區(qū)市場監(jiān)管局制定了績效管理考核辦法和實(shí)施細(xì)則來實(shí)現(xiàn)績效評估[3]，徐鳴通過構(gòu)建監(jiān)管績效評價(jià)體系來衡量市場監(jiān)管的成效[4]，劉鵬則利用平衡計(jì)分卡理論模型構(gòu)建了全面的省級政府食品安全監(jiān)管績效評價(jià)指標(biāo)體系[5]。對于公眾滿意度研究，王建華等采用實(shí)地調(diào)研的方式收集群眾對食品安全總體狀況的評價(jià)，為食品安全監(jiān)管提供政策依據(jù)[6]；盛明科等通過構(gòu)建適合中國國情的政府服務(wù)公眾滿意度(CPSI)測評模型，對我國政府服務(wù)的公眾滿意度進(jìn)行測評[7]。

大數(shù)據(jù)是市場監(jiān)管主力軍的“重武器”，亦是市場監(jiān)管現(xiàn)代化的“強(qiáng)支撐”[8]。在當(dāng)今信息化高速發(fā)展的時(shí)代，研究市場監(jiān)管，離不開大數(shù)據(jù)的支持。而前人的研究中，還沒有學(xué)者將情感分析法運(yùn)用于地方政府市場監(jiān)管領(lǐng)域，采用情感分析法，進(jìn)行大數(shù)據(jù)分析，充分利用大數(shù)據(jù)中包含的情感傾向信息，分析公眾滿意度，完善了市場監(jiān)管部門的績效評價(jià)體系，彌補(bǔ)了相關(guān)研究空白。

2.2 情感分析法

情感分析法吸引了國內(nèi)外眾多學(xué)者對其適用性和方法完善進(jìn)行研究。關(guān)于情感分析方法完善，國外學(xué)者V.Hatzivassiloglou等建立詞匯級情感字典，在此基礎(chǔ)上進(jìn)行情感分析，使分析結(jié)果準(zhǔn)確率高達(dá)82%[9]。而S.Archana等在WordNet的基礎(chǔ)上，建立了適用于學(xué)術(shù)文章的情感詞典，以文章的積極性、消極性、中立性為標(biāo)準(zhǔn)進(jìn)行情感傾向分析[10]，使情感分析更加具有針對性。除完善方法本身外，學(xué)者們也對情感分析法的適用性進(jìn)行了探索。Lu等使用情感分析法探究美國在埃博拉病毒流行期間，網(wǎng)絡(luò)用戶在互聯(lián)網(wǎng)上的積極與消極評論的變化趨勢[11]，此外，也有學(xué)者將情感分析運(yùn)用于服務(wù)質(zhì)量評估，如Kiljae Lee等通過分析用戶的在線評價(jià)數(shù)據(jù)來評估機(jī)場服務(wù)質(zhì)量[12]。

情感分析法在國內(nèi)被用于各個(gè)領(lǐng)域的研究中。在經(jīng)濟(jì)領(lǐng)域，郭博等運(yùn)用情感分析研究電商平臺的評論來分析用戶購買體驗(yàn)感及市場傾向[13]，劉苗等用情感分析法構(gòu)建消費(fèi)情感指數(shù)[14]。在新媒體領(lǐng)域，敦欣卉等研究了基于微博的細(xì)粒度情感分析[15]，有助于群眾獲取熱門話題，也有助于輿情的監(jiān)控。同樣研究網(wǎng)絡(luò)輿情的還有蔣知義等，他們用“羅一笑”事件相關(guān)微博數(shù)據(jù)進(jìn)行情感演化特征研究，揭示了輿情演化各階段的特征與規(guī)律[16]。

近年來，隨著計(jì)算機(jī)網(wǎng)絡(luò)和大數(shù)據(jù)技術(shù)的普及，互聯(lián)網(wǎng)上的信息已形成巨大的數(shù)據(jù)庫，如何運(yùn)用這些龐大的數(shù)據(jù)分析問題成為學(xué)者們逐漸關(guān)注的問題。此時(shí)，人工分析已無法滿足海量信息計(jì)算的需求，基于大數(shù)據(jù)技術(shù)的文本情感分析應(yīng)運(yùn)而生。例如，馬寶君等利用網(wǎng)絡(luò)平臺公眾反饋的大數(shù)據(jù)研究公共服務(wù)效能與成本之間的關(guān)系，進(jìn)而探究影響公共服務(wù)效能的因素[17]。目前有關(guān)公共服務(wù)領(lǐng)域情感分析的研究不多，以上研究給本文提供了參考，但都沒有將情感分析技術(shù)運(yùn)用于地方政府市場監(jiān)管質(zhì)量監(jiān)測研究中。為彌補(bǔ)這一不足，本文使用來自福州市“12345”便民服務(wù)平臺的數(shù)據(jù)，對平臺投訴信息進(jìn)行情感分析，得到群眾在各區(qū)域、各時(shí)段對市場監(jiān)管類公共服務(wù)的滿意度情況，為政府績效考核提供科學(xué)的數(shù)據(jù)支撐。

3 基于情感分析法的政府績效信息獲取程序

3.1 情感分析法

文本情感分析又稱意見挖掘，是指通過計(jì)算機(jī)技術(shù)對文本的主客觀性、觀點(diǎn)、情緒、極性的挖掘和分析，對文本的情感傾向做出分類判斷[18]。情感分析(sentiment analysis)技術(shù)，是一種基于大數(shù)據(jù)的自然語言處理(簡稱NLP)技術(shù)，可從投訴文本中提取有效情感信息，對文本類的語言進(jìn)行情感傾向判斷，從而把握文本意見觀點(diǎn)、態(tài)度，為網(wǎng)絡(luò)輿情監(jiān)控、預(yù)測潛在民生問題提供科學(xué)的決策依據(jù)[19-20]。情感分析法主要分為三大類：基于情感詞典的情感分析方法、基于機(jī)器學(xué)習(xí)的情感分析方法和二者混合使用的情感分析方法。情感分析的主要流程包括數(shù)據(jù)挖掘、數(shù)據(jù)處理、情感分析。近年來，大數(shù)據(jù)技術(shù)不斷發(fā)展，情感分析法開始被廣泛用于大數(shù)據(jù)研究中?；诖髷?shù)據(jù)的情感分析法可通過分析含有情感傾向的文本，獲取該文本的情感分值，為科學(xué)研究提供參考依據(jù)。研究運(yùn)用情感分析法中基于情感詞典的分析方法，獲取政府績效信息，通過分析公眾訴求內(nèi)容計(jì)算情感得分，從而判斷句子的情感傾向，可為公共服務(wù)滿意度評估提供數(shù)據(jù)支持，是政府績效信息獲取的新途徑。

3.2 運(yùn)用情感分析法獲取績效信息的程序

3.2.1 爬蟲代碼編寫及數(shù)據(jù)處理

針對獲取政府績效信息的具體訴求內(nèi)容與數(shù)據(jù)分布情況，利用Python語言進(jìn)行編程，完成爬蟲代碼編寫，抓取需要分析的數(shù)據(jù)。政府績效信息主要從大眾投訴信息中分析獲取，數(shù)據(jù)質(zhì)量參差不齊，容易影響情感分析結(jié)果，故需對獲取的投訴數(shù)據(jù)進(jìn)行必要處理。數(shù)據(jù)清理規(guī)則是：①刪除數(shù)據(jù)中內(nèi)容為亂碼的無效數(shù)據(jù)；②刪除數(shù)據(jù)中出現(xiàn)的非法字符。

3.2.2 獲取政府績效信息的情感分析具體步驟

①基于語義傾向性的情感分析，主要依賴于情感詞典。因此，需提前對獲取的數(shù)據(jù)進(jìn)行分詞處理。由于Python語言的分詞包結(jié)巴(jieba)的詞匯量大、處理速度快、分詞準(zhǔn)確、支持用戶的詞典，適合用于政府績效信息的獲取，故研究采用結(jié)巴(jieba)作為中文分詞工具。分詞是指在停用詞表的基礎(chǔ)上利用結(jié)巴(jieba)分詞對數(shù)據(jù)文本進(jìn)行去除停用詞操作，以便后續(xù)使用情感詞典進(jìn)行數(shù)據(jù)分析。

②調(diào)用中文停用詞詞典去除數(shù)據(jù)中的停用詞，可提高數(shù)據(jù)的可分析性。停用詞包括符號，如“，”“#”“：”等，還包括無情感傾向性的詞語，如“一個(gè)”“中間”“主要”“之所以”等。

③使用知網(wǎng)“情感分析用語詞集”以及臺灣大學(xué)的NTUSD詞典作數(shù)據(jù)處理，其中包括情感詞、程度副詞、否定詞等。

④為相應(yīng)的詞典賦值，賦予不同的情感分值。其中，程度“輕微”分值為0.4，程度“稍微”分值為0.75，程度“略強(qiáng)”分值為1.25，程度“強(qiáng)烈”分值為1.75，程度“最強(qiáng)烈”分值為2.0。此外，否定詞分值為-1。

⑤輸出總分詞列表(list)，進(jìn)行單條內(nèi)容情感分析。遍歷每個(gè)編號對應(yīng)的投訴內(nèi)容，查找對應(yīng)段落中分句的情感詞，記錄積極或消極，以及位置，最終以編號為標(biāo)識進(jìn)行分段操作。

在判斷積極情感詞模塊中，出現(xiàn)積極情感詞，則積極分值+1，進(jìn)而判斷情感詞之間的程度副詞并返回結(jié)果。若出現(xiàn)否定詞，則否定詞詞數(shù)+1，若出現(xiàn)其他程度詞，則把積極情感詞數(shù)乘以程度副詞分值。當(dāng)出現(xiàn)單重否定時(shí)，則把情感值乘以(-1)，反轉(zhuǎn)情感值的分值。若出現(xiàn)雙重否定，相當(dāng)于肯定，情感分值不變。模塊的最后記錄情感詞位置變化。

在判斷消極情感詞模塊中，出現(xiàn)消極情感詞，則消極分值+1，進(jìn)而判斷情感詞之間的程度副詞并返回結(jié)果。若出現(xiàn)否定詞，則否定詞詞數(shù)+1，進(jìn)入否定判斷計(jì)算。若出現(xiàn)其他程度詞，則把消極情感詞數(shù)乘以程度副詞分值，若無程度副詞則分值不變。否定判斷計(jì)算包括單重否定、雙重否定或無否定的情況。模塊的最后記錄情感詞位置變化。

感嘆號意味著情感強(qiáng)烈，遇到感嘆號時(shí)，倒敘掃描感嘆號前的情感詞，此情感詞的權(quán)值+2，退出循環(huán)，掃描的詞語數(shù)+1。分析得出句子中每個(gè)情感詞的分值后，把分值累加，得出本句的情感得分，返回列表。接著對文本情感傾向性分析進(jìn)行分段分句情感計(jì)算，得到每一條訴求內(nèi)容的情感得分。最后，累加所有句子的情感分值，得出此編號對應(yīng)訴求內(nèi)容的最終情感得分。

⑥分析結(jié)果存儲到本地?cái)?shù)據(jù)庫中，進(jìn)行數(shù)據(jù)統(tǒng)計(jì)分析。

3.2.3 對獲取的政府績效信息進(jìn)行公共服務(wù)滿意度評估

在政府績效信息獲取中，運(yùn)用情感分析法的優(yōu)勢在于其研究內(nèi)容為公眾直接訴求，研究目的在于分析民眾投訴內(nèi)容的情感傾向強(qiáng)烈度與具體情感得分，可保證獲取的績效信息的真實(shí)有效性。運(yùn)用情感分析法所獲取的分值波動情況可清晰對比地方政府各區(qū)域、各季度的績效情況，給績效考核提供了具體的數(shù)據(jù)支持，進(jìn)而根據(jù)情感分析結(jié)果進(jìn)行公共服務(wù)滿意度評估。

4 情感分析法在市場監(jiān)管績效信息獲取中的實(shí)證應(yīng)用

4.1 數(shù)據(jù)挖掘

本文研究福州市“12345”便民服務(wù)平臺的數(shù)據(jù)分布情況，匹配網(wǎng)頁數(shù)據(jù)，抓取研究需要的市場監(jiān)督類投訴數(shù)據(jù)，爬蟲部分主要由網(wǎng)頁結(jié)構(gòu)分析、數(shù)據(jù)采集和存儲模塊組成。對福州市“12345”便民服務(wù)平臺進(jìn)行網(wǎng)頁結(jié)構(gòu)分析后實(shí)現(xiàn)數(shù)據(jù)抓取，爬取平臺所有投訴信息，再從平臺篩選市場監(jiān)管類投訴，爬取每條投訴的編號信息，最后根據(jù)投訴編號從總的投訴信息數(shù)據(jù)庫內(nèi)查找出每條編號對應(yīng)投訴信息的其他具體內(nèi)容。本研究所需信息有投訴編號、投訴標(biāo)題、所屬區(qū)域、投訴時(shí)間、投訴來源、處理情況等，再將查找到的對應(yīng)編號的投訴結(jié)果導(dǎo)出數(shù)據(jù)表，得到初始數(shù)據(jù)。對數(shù)據(jù)進(jìn)行有序存儲，可生成一份匯聚所有關(guān)于市場監(jiān)督類原始投訴數(shù)據(jù)的表格(見圖1)。

資料來源：本研究整理。圖1 爬取的數(shù)據(jù)

4.2 數(shù)據(jù)處理

4.2.1 數(shù)據(jù)預(yù)處理

把爬取得到的投訴信息進(jìn)行情感分析，可得到市場監(jiān)管類的政府績效信息。投訴信息來自普通群眾，數(shù)據(jù)質(zhì)量參差不齊，且初始數(shù)據(jù)存在非法字符，分析數(shù)據(jù)前，需進(jìn)行數(shù)據(jù)清洗。將原始總表中的數(shù)據(jù)存儲為csv格式，去除文本中的非法字符，如“ ”“
”等字符，刪除無需進(jìn)行情感分析的內(nèi)容，如回復(fù)時(shí)間、截止時(shí)間等。數(shù)據(jù)預(yù)處理可提高分析結(jié)果的準(zhǔn)確性，分析預(yù)處理清洗后的數(shù)據(jù)，可節(jié)約時(shí)間，提高分析過程中程序運(yùn)行的效率。

資料來源：本研究整理。圖2 預(yù)處理前的數(shù)據(jù)

數(shù)據(jù)預(yù)處理后，進(jìn)行分詞處理。把中科院計(jì)算所發(fā)布的中文停用詞表作為初始停用詞詞典，手動加入適合研究的停用詞，形成一份完整的停用詞表，共含1535個(gè)停用詞。在搜狗輸入法詞庫中有關(guān)福州市信息精選文本的基礎(chǔ)上使用Python的jieba分詞對中文數(shù)據(jù)進(jìn)行分詞操作，可避免福州城市專有名詞在分詞時(shí)被分開，影響情感分析結(jié)果的準(zhǔn)確性(見圖3)。

資料來源：本研究整理。圖3 分詞后的數(shù)據(jù)

4.2.2 詞表配置

研究使用的情感詞典有停用詞、極性詞典及程度副詞。極性詞典包括積極詞典和消極詞典，由知網(wǎng)HowNet中文情感詞典和臺灣大學(xué)NTUSD簡體中文情感詞典手動合并后進(jìn)行文本去重后形成。刪除部分不適用的詞匯，加入部分需要的極性詞匯，形成積極詞典和消極詞典。其中，程度副詞根據(jù)詞性的情感極性賦予不同的分值。圖4表示部分情感詞典內(nèi)容，其中a為停用詞典，b為否定詞典，c為程度副詞詞典，d為福州城市專用詞典。

資料來源：本研究整理。圖4 情感詞典部分內(nèi)容

4.3 情感分析

本文使用的情感分析法以分析情感傾向和情感極性為主。在已獲取福州“12345”便民服務(wù)平臺關(guān)于市場監(jiān)管類投訴具體內(nèi)容的基礎(chǔ)上，通過分析投訴內(nèi)容的情感正負(fù)情況和情感極性程度來判斷民眾對某一事件的滿意程度。正向情感值表示積極情感，表達(dá)民眾對某一事件的處理效果持肯定態(tài)度或?qū)δ骋徊块T給予表揚(yáng)。負(fù)向情感值表示消極情感，表達(dá)民眾對某一事件處理不滿意或?qū)δ骋徊块T的批評。其中存在中立態(tài)度的數(shù)據(jù)，表示闡述某一事實(shí)或?qū)υ撌录筒块T無其他情感傾向。

投訴信息由多句話、多個(gè)段落組成，分析前需對數(shù)據(jù)進(jìn)行分句處理。分句后，計(jì)算每一分句的情感得分，累加情感分值，返回每一投訴編號對應(yīng)投訴內(nèi)容的情感總分值。

分析投訴信息時(shí)，在進(jìn)行詞典匹配的前提下，還需進(jìn)行語義分析，即對每條語句進(jìn)行否定判斷處理。首先，加載否定詞典進(jìn)行語義判斷分析。本研究把否定詞加入程度副詞中，加入關(guān)鍵字識別該詞是否為否定詞，若為否定詞，則在分詞后的積極詞匯情感分析中，將該否定詞的權(quán)值賦值為-1，消極詞性前的否定詞賦值為-0.25。由于中文語句中含單重否定和雙重否定兩種情況，單重否定表示否定，雙重否定表示肯定，故在分析時(shí)應(yīng)分清否定的類型。單重否定賦值為-1或-0.25，雙重否定賦值為1。

基于以上方法對投訴內(nèi)容進(jìn)行情感分析后，把情感分析結(jié)果以文本的形式，匯總到原始數(shù)據(jù)列表，原始數(shù)據(jù)列表中的投訴編號可為后續(xù)的測試或詳情查看提供查詢條件。情感分析后的結(jié)果如圖5所示。

資料來源：本研究整理。圖5 情感分析結(jié)果

4.4 數(shù)據(jù)統(tǒng)計(jì)

對市場監(jiān)管類投訴的情感分析結(jié)果進(jìn)行統(tǒng)計(jì)分析，可對比福州市各區(qū)域關(guān)于市場監(jiān)管類投訴的情感得分情況，還可對比福州市2017年1月至2018年7月各月份的情感得分情況。政府可根據(jù)情感分值的差異，了解各區(qū)域民眾對市場監(jiān)管類公共服務(wù)的滿意度情況，也可為各個(gè)時(shí)間段市場監(jiān)管部門的績效考核提供參考依據(jù)。據(jù)統(tǒng)計(jì)，消極投訴占71%，中立投訴占15%，積極投訴占14%。

4.4.1 區(qū)域數(shù)據(jù)

基于情感分析結(jié)果，統(tǒng)計(jì)福州15個(gè)區(qū)域的投訴情況。統(tǒng)計(jì)類目為投訴總數(shù)、消極投訴數(shù)量、積極投訴數(shù)量、中立投訴數(shù)量，根據(jù)情感得分，計(jì)算出消極情感極性總分值與積極情感極性總分值，得到表1。

4.4.2 不同時(shí)段數(shù)據(jù)

基于情感分析結(jié)果，統(tǒng)計(jì)各季度福州市市場監(jiān)管類投訴的情況。統(tǒng)計(jì)類目為投訴總數(shù)、消極投訴數(shù)量、積極投訴數(shù)量、中立投訴數(shù)量，根據(jù)情感得分，計(jì)算出消極情感極性總分值與積極情感極性總分值，得到表2。

表1 福州市各區(qū)域投訴數(shù)量統(tǒng)計(jì)

表2 福州市各時(shí)段投訴數(shù)量統(tǒng)計(jì)

4.5 數(shù)據(jù)分析

設(shè)投訴總數(shù)為Total_Number，一條投訴內(nèi)容的情感值為Pa_Value，消極投訴數(shù)量為Neg_Number，積極投訴數(shù)量為Pos_Number,中立投訴數(shù)量為Mid_Number，群眾消極情感極性均值為Neg_Grade，群眾情感極性均值為Ave_Grade。

消極態(tài)度占比(P1)符合：

(1)

積極態(tài)度占比(P2)符合：

(2)

中立態(tài)度占比(P3)符合：

(3)

群眾消極情感極性均值符合：

(4)

群眾情感極性均值符合：

(5)

由各區(qū)域的投訴數(shù)據(jù)及以上公式可得表3，福州市除平潭綜合實(shí)驗(yàn)區(qū)外的14個(gè)區(qū)域中，消極投訴、積極投訴、中立投訴分別占總投訴數(shù)量的比例情況。平潭綜合實(shí)驗(yàn)區(qū)無投訴信息，故以下統(tǒng)計(jì)省略平潭的內(nèi)容。

表3 福州市各區(qū)域投訴占比

由各時(shí)段投訴數(shù)量統(tǒng)計(jì)表與以上計(jì)算公式，計(jì)算結(jié)果可統(tǒng)計(jì)為表4。以3個(gè)月為一個(gè)周期(即每季度)，2018年僅有一、二季度的完整投訴數(shù)據(jù)，故分析時(shí)2018年7月作為獨(dú)立整體，計(jì)算各季度消極投訴、積極投訴、中立投訴分別占總投訴數(shù)量的比例情況。

表4 福州市各時(shí)段投訴占比

由表3、表4可知，在福州“12345”便民服務(wù)平臺中，14個(gè)區(qū)域的消極投訴占比平均值為69.59%，積極投訴占比平均值為16.37%，中立投訴占比平均值為14.04%。各個(gè)季度消極投訴的平均值為70.68%，積極投訴的平均值為14.42%，中立投訴的平均值為14.91%，由于2018年7月在本次平均值統(tǒng)計(jì)中為獨(dú)立的月份，故在本次計(jì)算中省略?？梢娫诓煌诸愌芯恐?，消極投訴平均值都接近70%。

本文主要針對群眾投訴情況進(jìn)行地方政府市場監(jiān)管質(zhì)量檢測研究，故主要使用消極投訴數(shù)據(jù)進(jìn)行研究。結(jié)合以上數(shù)據(jù)進(jìn)行群眾消極情緒極性程度統(tǒng)計(jì)，分別得到各區(qū)域、各時(shí)段的情感極性結(jié)果，消極情感極性均為負(fù)值，為方便統(tǒng)計(jì)，下圖中消極情感極性均使用正值表示，數(shù)值越高代表消極程度越高。詳見圖6、圖7。

圖7 福州市各時(shí)段情感極性對比

4.6 績效信息提煉

消極情感極性均值越高，代表投訴信息的消極情緒越重。通過比較消極情感極性均值，可得到市場監(jiān)管類的公眾滿意度信息。

4.6.1 公眾滿意度信息

群眾投訴目的大多基于對自身利益的維護(hù)，可保證研究收集的投訴信息的真實(shí)性。從圖6可見，在各類情感傾向的投訴中，消極投訴占71%，積極投訴占14%，中立投訴占15%?？梢娫诟Ｖ荨?2345”便民服務(wù)平臺關(guān)于市場監(jiān)管類的投訴內(nèi)容中，消極投訴數(shù)量最多，群眾登陸投訴平臺的主要目的是反映日常生活中遇到的問題、受到的不公待遇或舉報(bào)他人的不當(dāng)行為等。

從表3、表4可見，積極投訴與中立投訴的比例較接近，雖總數(shù)所占比例不高，但由此可知群眾登陸服務(wù)平臺并非僅為投訴，也有部分群眾通過便民服務(wù)平臺反映有關(guān)市場監(jiān)管類問題的客觀事實(shí)，或?qū)κ袌霰O(jiān)管類相關(guān)部門的工作給予肯定。

由圖6、圖7可知，不論劃分依據(jù)為區(qū)域或時(shí)間段，群眾的情感極性程度均值均為負(fù)值，且情感極性在-3附近波動，群眾的消極情感極性均值在-5附近波動。

4.6.2 公眾滿意度比較

從福州14個(gè)區(qū)域各類投訴分布情況看，閩清縣的消極投訴占比最高，高新區(qū)的消極投訴占比最低。根據(jù)福州市各區(qū)(縣、市)2018年GDP排名[21]可推測，閩清縣的經(jīng)濟(jì)相對于其他區(qū)域較落后，政府部門市場監(jiān)管類公共服務(wù)系統(tǒng)建立較不完善，導(dǎo)致在閩清縣群眾的所有投訴中消極投訴比例最高。高新區(qū)的群眾主要為高新技術(shù)人才，這類群體往往學(xué)歷較高、素質(zhì)較好，且工作較忙，無暇顧及市場監(jiān)管質(zhì)量而到平臺投訴。福州市高新區(qū)近幾年發(fā)展迅速，政府公共服務(wù)逐漸完善，這也是投訴中積極、中立投訴較多的原因之一。平潭所有投訴類別總數(shù)量為2條，市場監(jiān)管類投訴無數(shù)據(jù)，可能的原因是平潭擁有獨(dú)立投訴平臺亦或是平潭縣對于福州“12345”便民服務(wù)平臺的宣傳力度不大，導(dǎo)致群眾對平臺的了解不夠。

福州市各區(qū)域消極投訴數(shù)量詳見圖8，可見福州市區(qū)的消極投訴數(shù)量明顯多于其他區(qū)域。倉山區(qū)消極投訴量最多，可得到倉山區(qū)市場監(jiān)管質(zhì)量較差的結(jié)論。鼓樓區(qū)和臺江區(qū)分別位列第二、第三，閩清縣、永泰縣、羅源縣、平潭的消極投訴最少。倉山區(qū)群眾對政府市場監(jiān)管最不滿意，倉山區(qū)、鼓樓區(qū)、臺江區(qū)的居住環(huán)境相對嘈雜、較為擁擠，這是導(dǎo)致群眾投訴較多的原因之一。這也表明居住在市區(qū)的群眾維護(hù)自身利益的意識更高，愿意積極向政府反映問題，提升居住環(huán)境內(nèi)的市場監(jiān)管力度，最大限度地維護(hù)群眾自身利益。

圖8 福州市各區(qū)域消極投訴數(shù)量圖

從福州市各區(qū)域情感極性對比圖可知，永泰縣的消極情感極性均值為-9.77，是所有區(qū)域中消極程度最高的區(qū)域。反映了永泰縣群眾對市場監(jiān)督管理嚴(yán)重不滿，有關(guān)部門需反思2017—2018年的工作情況，分析群眾負(fù)面情感強(qiáng)烈的原因。其他區(qū)域的消極情感極性均值在-5附近波動，情感極性均值在-3附近波動。情感極性強(qiáng)度最弱的是高新區(qū)，情感極性均值為-1.6，表明高新區(qū)群眾對市場監(jiān)督相關(guān)部門的工作較為滿意。對政府市場監(jiān)督方面較滿意的區(qū)域還有羅源縣、閩清縣。平潭綜合實(shí)驗(yàn)區(qū)無數(shù)據(jù)，不進(jìn)行比較分析。故可得到永泰縣的群眾不滿意程度最高，高新區(qū)群眾不滿意程度最低的結(jié)論。

圖9 福州市各區(qū)域情感強(qiáng)度圖

由2017年1月至2018年7月共計(jì)19個(gè)月的投訴數(shù)據(jù)分析可知，2017年第三季度的消極投訴占比最低，中立投訴、積極投訴的占比最高。2018年7月，消極投訴占比最高?；蛟S由于福州夏季天氣炎熱，導(dǎo)致群眾情感較為消極，容忍度較差。政府部門可根據(jù)季度投訴信息對比各部門在各季度的績效，以實(shí)施對市場監(jiān)管領(lǐng)域的質(zhì)量檢測。從情感極性均值分析，2017年2月的情感極性均值最低，為-1，結(jié)合中國國情，2017年1月28為中國的春節(jié)，2月還處在春節(jié)喜慶的氛圍中，群眾往往忙于新年其他事宜，對市場監(jiān)管類問題往往較寬容，故投訴情感程度較平緩，投訴總量在一年內(nèi)最低。2018年2月也處在中國的春節(jié)期間，情感極性均值為-1.55，投訴總量在已知的幾個(gè)月內(nèi)也較低。對于每年2月，從8月至次年1月投訴數(shù)量不斷增加，群眾不滿意度也逐漸上升。若進(jìn)行政府市場監(jiān)管質(zhì)量檢測，建議在數(shù)量和情感強(qiáng)度的高峰期、低谷期以及平緩期各選擇一個(gè)時(shí)段進(jìn)行研究，可得到更為準(zhǔn)確的結(jié)果。從消極情感極性均值看，消極情感程度最高的是2017年7月，建議政府部門關(guān)注2017年7月的投訴情況，及時(shí)了解群眾“非常不滿意”的原因，解決群眾反映的問題，響應(yīng)建設(shè)服務(wù)型政府的要求。從圖7可觀察到有兩次消極情感極性均值變化較明顯，即2017年4月—5月、2018年6月—7月，或由于前一個(gè)月的投訴較多，政府積極處理，次月群眾的滿意度及消極的情感強(qiáng)度有所緩解。由此可見，每年2月群眾對市場監(jiān)管服務(wù)的滿意度最高，每年6～7月群眾對政府的服務(wù)最不滿意。

5 結(jié)論與討論

本文采用實(shí)現(xiàn)地方政府市場監(jiān)管質(zhì)量檢測的新方式，即情感分析方法，對群眾在福州“12345”便民服務(wù)平臺上的投訴數(shù)據(jù)進(jìn)行挖掘分析，通過情感分析方法找出市場監(jiān)管類管理部門績效最差的區(qū)域和一年中績效最差的時(shí)段，對于政府改進(jìn)市場監(jiān)督領(lǐng)域服務(wù)和促進(jìn)服務(wù)型政府的建設(shè)有積極意義。

研究發(fā)現(xiàn)，2017年1月-2018年7月，倉山區(qū)、永泰縣群眾對于市場監(jiān)管類政府公共服務(wù)最不滿意，高新區(qū)群眾滿意度最高。每年2月，群眾對市場監(jiān)管的滿意度最高，每年6～7月，群眾的消極情感程度最高。

綜上所述，本方法除適用于福州“12345”便民服務(wù)平臺群眾投訴信息研究外，也適用于其他政府便民服務(wù)平臺投訴模塊的研究，對群眾的投訴信息進(jìn)行自然語言處理分析，可得到信息真實(shí)度較高的群眾投訴分析結(jié)果，為地方政府市場監(jiān)管質(zhì)量檢測提供最直觀的績效信息，使各部門績效考核評比更加切合實(shí)際。然而，投訴文本中的口語化、日?；恼Z言更新速度快，已有的情感詞典無法完全匹配群眾投訴文本中涉及的所有情感詞，會導(dǎo)致分析結(jié)果有一定程度的偏差。但隨著情感分析方法的發(fā)展和情感詞典的完善，情感分析法的準(zhǔn)確性將不斷提升。