基于文本挖掘的中國跨境電商政策量化研究

施寒瀟，毛郁欣

(浙江工商大學(xué) 管理工程與電子商務(wù)學(xué)院， 浙江 杭州 310018)

一、 引 言

跨境電子商務(wù)(簡稱跨境電商)是指分屬不同關(guān)境的交易主體，通過電子商務(wù)平臺達(dá)成交易、進(jìn)行電子支付結(jié)算，并通過跨境電商物流及異地倉儲送達(dá)商品，從而完成交易的一種國際商業(yè)活動?？缇畴娚套鳛橐环N貿(mào)易新業(yè)態(tài)，正廣泛而深刻地影響全球貿(mào)易格局。中國跨境電商產(chǎn)業(yè)的發(fā)展在世界范圍內(nèi)處于領(lǐng)先地位，且已經(jīng)成為拉動經(jīng)濟(jì)增長的新引擎[1-3]?？缇畴娚棠壳耙呀?jīng)成為我國發(fā)展速度最快、潛力最大、帶動作用最強(qiáng)的外貿(mào)新業(yè)態(tài)，而跨境電商的快速發(fā)展又離不開政策的支持。自2013年以來，我國各級政府和有關(guān)部門密集出臺了一系列支持發(fā)展跨境電商的政策，政策普遍具備很強(qiáng)的實(shí)操性，極大地促進(jìn)了跨境電商行業(yè)的規(guī)范發(fā)展?？缇畴娚陶咧刑N(yùn)含著大量指導(dǎo)支持跨境電商發(fā)展的重要信息，這些信息對地區(qū)和電商企業(yè)規(guī)劃跨境電商發(fā)展有重要意義。然而，各級政府部門發(fā)布的跨境電商政策較為分散，并不完全統(tǒng)一，再加上跨境電商本身屬于新興行業(yè)，相應(yīng)的政策也會隨著行業(yè)和時(shí)代的發(fā)展而迭代，政策內(nèi)容呈現(xiàn)出較為明顯的動態(tài)變化的特征。因此，運(yùn)用科學(xué)的方法對不同區(qū)域和不同部門出臺的跨境電商政策內(nèi)容進(jìn)行研究和分析[4]，具有十分現(xiàn)實(shí)的意義，科學(xué)合理的政策有助于推動產(chǎn)業(yè)的良性健康發(fā)展。然而，從信息學(xué)的角度來看，跨境電商政策本身屬于自然語言描述的無結(jié)構(gòu)文本，如果單純依靠人工的方式進(jìn)行分析，當(dāng)政策文本的規(guī)模較大時(shí)，分析的效率必然會下降，而且容易出現(xiàn)疏漏。因此，運(yùn)用信息技術(shù)特別是文本挖掘技術(shù)對政策文本進(jìn)行量化研究和分析是一個比較可行的解決方案。

二、 國內(nèi)外研究現(xiàn)狀

目前，國內(nèi)外已有一些學(xué)者開展了與電商或跨境電商政策相關(guān)的文本分析研究，和國內(nèi)的研究成果相比，由于國情和行業(yè)差異，國外直接針對跨境電商政策的研究還不多見，或者說，國外學(xué)者并未嚴(yán)格區(qū)分“一般電商”和“跨境電商”，內(nèi)容上以電商政策的定性研究為主。而根據(jù)研究方法的不同，可以大致將現(xiàn)有研究分為以下三類：

1.定性或者宏觀層面研究。邢光遠(yuǎn)等(2020)[5]對“一帶一路”倡議下中國跨境電商的政策演進(jìn)與發(fā)展態(tài)勢進(jìn)行了研究和分析。徐德順(2021)[6]分析了后疫情時(shí)代中國跨境電商面臨新的挑戰(zhàn)，并給出了政策建議。張晚冰(2021)[7]分析了提出了跨境電商零售出口的體系，并研究了政府政策影響體系的具體路徑。Richards和Farrokhnia(2016)[8]運(yùn)用扎根理論對電商政策進(jìn)行研究，通過具體案例重點(diǎn)研究了世貿(mào)組織電商政策面臨的困境。Hanna(2016)[9]主要研究了政府電商政策對于企業(yè)尤其是中小企業(yè)創(chuàng)新的影響。

2.基于統(tǒng)計(jì)方法的定量研究。趙楊等(2018)[10]應(yīng)用PMC指數(shù)模型評價(jià)方法，通過構(gòu)建投入產(chǎn)出表計(jì)算出單一政策的PMC指數(shù)得分，對我國跨境電子商務(wù)具體政策的實(shí)施效果進(jìn)行重點(diǎn)評價(jià)與分析。熊勵等(2022)[11]應(yīng)用多期雙重差分模型從國家層面設(shè)立綜合試驗(yàn)區(qū)及地方層面實(shí)施政策兩個角度評價(jià)政策效應(yīng)，并探討不同綜合試驗(yàn)區(qū)的跨境電商政策效應(yīng)差異。邱國斌等(2022)[12]采用模糊集定性比較分析方法，探究了跨境電商發(fā)展各個指標(biāo)之間相互作用的邏輯關(guān)系。Roberta等(2019)[13]則通過Agent模擬的方式研究城市貨運(yùn)政策對電商發(fā)展的影響。Lin等(2011)[14]主要研究了B2B電商政策、IT成熟度和評價(jià)實(shí)踐之間的契合度，及其對電商績效的影響。

3.基于文本挖掘的定量研究。和傳統(tǒng)的統(tǒng)計(jì)方法相比，這類方法更有利于挖掘潛在的規(guī)律和特征。李泓燁等(2021)[15]應(yīng)用政策工具、政策力度、政策主題三維度分析框架，對跨境電商政策文本進(jìn)行分析，并提出了政策優(yōu)化建議。鈕欽(2016)[16]、侯振興和閭燕(2017)[17]都采用了內(nèi)容分析法，前者從政策工具和商業(yè)生態(tài)系統(tǒng)維度對中國農(nóng)村電商相關(guān)的中央政策文本進(jìn)行分析，在培育農(nóng)村電商生態(tài)系統(tǒng)方面提出建議；后者從政策工具和農(nóng)產(chǎn)品生態(tài)系統(tǒng)維度對農(nóng)產(chǎn)品電商發(fā)展政策進(jìn)行分析，發(fā)現(xiàn)政策中存在的不足。盛赟等(2019)[18]從文本制定主體、文本類型、文本內(nèi)容及政策工具角度，對浙江省跨境電商物流相關(guān)的政策文本進(jìn)行分析，為跨境電商物流政策在主體單一和聯(lián)動性不足等問題上提出改進(jìn)意見。余傳明等(2018)[19]運(yùn)用主題時(shí)間模型，通過計(jì)算不同年份下主題的平均強(qiáng)度并提取每個主題下概率高的詞匯，分析農(nóng)村電商扶貧政策內(nèi)容的演化情況和政策的區(qū)域差異性。金珺(2020)等[20]運(yùn)用文本挖掘工具和社交網(wǎng)絡(luò)分析工具對省級農(nóng)村電商政策進(jìn)行了研究。肖開紅等(2019)[21]采用詞頻分析、共詞分析、社會網(wǎng)絡(luò)分析與文本挖掘等分析方法，對中國涉農(nóng)電商政策的演進(jìn)進(jìn)行研究。

和其他產(chǎn)業(yè)相比，跨境電商作為新興的業(yè)態(tài)，相關(guān)的研究成果正在不斷涌現(xiàn)，但是直接針對電商或跨境電商政策文本分析的研究還比較少，特別是利用文本挖掘方法進(jìn)行的研究工作則更加缺乏，因此，目前這一方向上的研究尚不成熟。而從研究方法上來看，現(xiàn)有的政策文本挖掘研究主要集中在特征提取、聚類、分類以及主題提取等方面。針對現(xiàn)有的跨境電商政策研究的不足，本文提出采用文本挖掘的方法開展跨境電商政策的量化分析和研究。深入分析中國跨境電商政策，有助于我們更好地理解政策的重點(diǎn)，從而把握跨境電商行業(yè)的發(fā)展趨勢。

三、 跨境電商政策文本分析框架

本研究主要基于文本挖掘方法進(jìn)行跨境電商政策文本分析，而文本挖掘分析的重要環(huán)節(jié)是挖掘方法的選取以及挖掘流程的設(shè)計(jì)。本研究設(shè)計(jì)的跨境電商政策文本挖掘的流程如圖1所示。主要按照以下步驟進(jìn)行基于文本挖掘的跨境電商政策文本分析和研究：

(1)首先進(jìn)行政策文本語料庫的構(gòu)建，以及文本預(yù)處理，從而降低后續(xù)采用文本挖掘方法分析政策文件提供符合輸入要求的數(shù)據(jù)；

(2)基于TF-IDF算法提取初始特征，重點(diǎn)抽取名詞和名詞短語，從而降低文本挖掘特別是聚類分析的復(fù)雜度，提升分析效果；

(3)PMI算法特征過濾及人工特征篩選，得到特征集合，從而在步驟(2)的基礎(chǔ)之上進(jìn)一步縮小文本處理的范圍，提升分析效率；

(4)基于Word2Vec訓(xùn)練模型的特征向量化，便于開展基于特征向量的文本聚類；

(5)K-Means特征聚類形成特征聚類集合，根據(jù)聚類結(jié)果分析政策文件的關(guān)注和聚焦的重點(diǎn)內(nèi)容；

(6)基于ROSTCM進(jìn)行語義網(wǎng)絡(luò)分析，從另一個視角分析和展示政策重點(diǎn)內(nèi)容之間的關(guān)聯(lián)關(guān)系，作為步驟(5)結(jié)果的補(bǔ)充；

(7)基于聚類分析和語義網(wǎng)絡(luò)分析的結(jié)果，綜合形成跨境電商政策文本分析的最終結(jié)果，并形成對策和建議。

圖1 跨境電商政策文本挖掘的流程

(一) 文本預(yù)處理

在建立跨境電商政策文本語料庫的前提下，本研究利用開源分詞工具來完成文本預(yù)處理，主要包括以下三個步驟：

1.使用分詞工具對原始政策文本內(nèi)容進(jìn)行分詞，并對分詞結(jié)果中不理想的詞進(jìn)行修正。如“海外倉”是一個詞，但自動分詞的結(jié)果是“海外”“倉”兩個詞；此外，還有專有名詞的修正。如“一帶一路”是絲綢之路經(jīng)濟(jì)帶和21世紀(jì)海上絲綢之路的簡稱，有特定含義，但分詞的結(jié)果是“一帶”“一路”。

2.加載中文停用詞表，對分詞后的文本進(jìn)行停用詞過濾。停用詞即常出現(xiàn)的詞，且詞本身不涉及關(guān)鍵信息，如“一個”“一則”“的”等。

3.對經(jīng)過分詞和去停用詞的文本進(jìn)行詞性標(biāo)注，將詞語標(biāo)記上詞性符號，重點(diǎn)對名詞進(jìn)行標(biāo)記。

(二) 特征提取

文本預(yù)處理之后會產(chǎn)生很多的特征詞，如果直接使用預(yù)處理后的特征詞進(jìn)行挖掘，不但會造成特征表示上的維度災(zāi)難，而且也得不到高質(zhì)量的聚類結(jié)果。因此，特征提取在文本挖掘中十分重要，好的特征提取結(jié)果可以給后續(xù)的挖掘以及最后的聚類結(jié)果帶來更好的效果。

1.TF-IDF算法提取初步特征詞。詞頻-逆文檔頻率TF-IDF(Term Frequency-Inverse Document Frequency)被廣泛運(yùn)用于特征詞的權(quán)重計(jì)算[22]。本研究使用TF-IDF來計(jì)算政策文本中特征詞的權(quán)值，按權(quán)值大小排序，并選擇TF-IDF值超過特定閾值的特征詞作為初始特征。此外，由于同一個特征詞在不同的政策文件中會重復(fù)出現(xiàn)且權(quán)值不同，故同一個特征詞取最大的TF-IDF值作為權(quán)值，并進(jìn)行去重處理形成初始特征集。

2.PMI算法特征過濾。點(diǎn)互信息PMI(Pointwise Mutual Information)是從信息論里的互信息概念中衍生而來的[23]?；バ畔I(Mutual Information)衡量的是兩個隨機(jī)變量之間的相關(guān)性，即一個隨機(jī)變量中包含的關(guān)于另一個隨機(jī)變量的信息量。點(diǎn)互信息PMI這個指標(biāo)常常用來衡量兩個事物之間的相關(guān)性，比如兩個詞。本研究使用PMI算法將跨境電商政策預(yù)處理語料作為輸入，先通過頻率計(jì)算詞語的共現(xiàn)概率，然后再計(jì)算詞語共現(xiàn)的標(biāo)準(zhǔn)化互信息值NMI(Normalized Mutual Information)，最后返回符合NMI閾值的特征詞列表及PMI特征詞共現(xiàn)列表。最終通過人工篩選初始特征詞和PMI算法過濾得到的特征詞，形成跨境電商政策文本的特征集，完成特征提取的工作。

(三) 基于Word2Vec訓(xùn)練的特征詞向量化

Word2Vec是能把詞語轉(zhuǎn)化為多維詞向量的模型，根據(jù)詞語的上下文預(yù)測詞向量。詞向量由多維實(shí)數(shù)表示，雖然不能說明每一維度的實(shí)際含義，但它卻蘊(yùn)含了豐富的信息。由于訓(xùn)練時(shí)會根據(jù)前后就近位置預(yù)測詞語，考慮了詞語間的共現(xiàn)，因此它保持了同義詞之間強(qiáng)的相關(guān)性。運(yùn)用Word2Vec詞向量模型訓(xùn)練跨境電商政策文本語料，可以將其中的跨境電商特征詞轉(zhuǎn)化為多維實(shí)數(shù)向量。與傳統(tǒng)的空間向量模型相比，它考慮了詞與詞之間的共現(xiàn)，同義詞所對應(yīng)的詞向量在多維空間中會更加接近，這為后續(xù)更準(zhǔn)確的挖掘工作做好了鋪墊。

Word2Vec中有兩個重要的算法模型：Skip-gram模型和CBOW模型。這兩個模型都包含了輸入層、投影層和輸出層三層。Skip-gram模型是通過輸入特征詞來預(yù)測特征詞上下文的空間向量[24]；而CBOW模型是通過輸入特征詞上下文來預(yù)測特征詞的空間向量。Skip-gram模型進(jìn)行預(yù)測的次數(shù)要多于CBOW模型，每個詞在作為中心詞時(shí)，都要使用周圍詞進(jìn)行一次預(yù)測，相當(dāng)于比CBOW模型的方法多進(jìn)行了k次(假設(shè)k為窗口大小)，所以Skip-gram模型訓(xùn)練時(shí)間要比CBOW模型長。但在Skip-gram模型中，每個詞都要受到周圍詞的影響，每個詞在作為中心詞的時(shí)候，都要進(jìn)行k次的預(yù)測、調(diào)整，這種多次的調(diào)整會使得詞向量相對更加準(zhǔn)確。因此，在政策文本挖掘過程中本研究選擇Skip-gram模型進(jìn)行詞的向量化訓(xùn)練。

Skip-gram模型是將一個詞語作為輸入，來預(yù)測它的上下文。假設(shè)有一個句子結(jié)構(gòu)為wn-2,wn-1,wn,wn+1,wn+2，Skip-gram模型就是通過輸入wn來預(yù)測wn-2,wn-1,wn+1,wn+2的詞向量。利用Skip-gram模型預(yù)測特征詞的上下文，對應(yīng)公式如下：

(1)

其中，w為當(dāng)前詞，u為其周圍詞。

(四) 基于K-Means的文本聚類

K-Means是經(jīng)典的劃分聚類算法，算法的優(yōu)點(diǎn)是時(shí)間復(fù)雜度低，聚類效果不錯；缺點(diǎn)是初始k值比較難選定，且對初始中心敏感，會受離群點(diǎn)的影響。針對k值難確定問題可以使用誤差平方和的手肘法和輪廓系數(shù)來確定具體的k值。算法的基本步驟如下：

(1)隨機(jī)選擇k個簇類中心點(diǎn)；

(2)遍歷所有數(shù)據(jù)點(diǎn)，把數(shù)據(jù)點(diǎn)劃分到距離最近的一個簇類中；

(3)劃分之后就有k個簇，計(jì)算每個簇類中點(diǎn)的平均值作為新的簇類中心點(diǎn)；

(4)重復(fù)步驟(2)和(3)，直到聚類中心不再發(fā)生變化，或是迭代次數(shù)達(dá)到設(shè)定的值。

對于K-Means聚類中k值的選擇，可以依據(jù)基于誤差平方和SSE(Sum of the Squared Errors)的手肘法。SSE的計(jì)算公式如下：

(2)

其中，Ci是第i個簇，p是Ci中的樣本點(diǎn)，mi是Ci的質(zhì)心即Ci中所有樣本的均值，SSE是所有樣本的聚類誤差，代表了聚類效果的好壞。

手肘法的核心思想是隨著簇類數(shù)k的增大，聚類的劃分會更加細(xì)致，每個簇的聚合程度會逐漸提高，這使得誤差平方和將不斷變小。當(dāng)k小于理想聚類數(shù)時(shí)，由于k的增大會使每個簇的聚合程度快速增加，故誤差平方和的下降幅度會變得很大。而當(dāng)k達(dá)到理想聚類數(shù)時(shí)，再增加k所得到的聚合程度會迅速減小，對應(yīng)誤差平方和的下降幅度會驟減，然后隨著k值的繼續(xù)變大，誤差平方和的變化會趨于平緩。誤差平方和與k的關(guān)系圖是一個類似手肘的形狀，而這個肘部對應(yīng)的k值就是數(shù)據(jù)理想的聚類數(shù)。

此外，k值的選擇還可以通過輪廓系數(shù)來確定，選擇系數(shù)較大時(shí)所對應(yīng)的k值[25]。輪廓系數(shù)的計(jì)算公式如下：

(3)

其中，a(i)是i向量到同一個簇內(nèi)其他點(diǎn)的平均距離；b(i)是i向量到與它相鄰最近的一個簇內(nèi)所有點(diǎn)的平均距離。輪廓系數(shù)的值是在-1至1之間，越趨近于1代表內(nèi)聚度和分離度都相對較優(yōu)，越趨近于-1代表內(nèi)聚度和分離度都相對較差。將所有數(shù)據(jù)點(diǎn)的輪廓系數(shù)求平均，就是聚類結(jié)果總的輪廓系數(shù)。

四、 政策文本挖掘與研究結(jié)論

(一) 研究數(shù)據(jù)采集

本研究的數(shù)據(jù)采集策略是在法律法規(guī)數(shù)據(jù)庫和各級政府網(wǎng)站上用跨境電商相關(guān)的關(guān)鍵詞(跨境電子商務(wù)、跨境電商、跨境+電商、跨境貿(mào)易等)進(jìn)行檢索，時(shí)間跨度設(shè)定為2013—2020年。雖然跨境電商模式在我國的發(fā)展可以追溯到20世紀(jì)90年代，但是目前業(yè)界更傾向于將2013年(前后)稱為跨境電商的“元年”，其中一個重要原因就是自2013年起，跨境電商出口規(guī)模占出口貿(mào)易總額的比重不斷提升。而隨著跨境電商重要性的提升和行業(yè)快速發(fā)展，也推動了相關(guān)政策的制定和發(fā)布。2014年7月，海關(guān)總署發(fā)布的《關(guān)于跨境貿(mào)易電子商務(wù)進(jìn)出境貨物、物品有關(guān)監(jiān)管事宜的公告》和《關(guān)于增列海關(guān)監(jiān)管方式代碼的公告》，即業(yè)內(nèi)熟知的“56號”和“57號”文件接連出臺，使跨境電商獲得了政策層面的認(rèn)可。因此，本研究選取2013年作為政策數(shù)據(jù)收集的起始年份，對相關(guān)的政策文件進(jìn)行篩選，去除和跨境電商沒有直接關(guān)系的政策文件，并摘錄符合要求的政策文本。主要按照以下兩個標(biāo)準(zhǔn)對政策文件進(jìn)行篩選：

(1)政策文件直接以跨境電商相關(guān)關(guān)鍵詞命名；

(2)政策文件包含和跨境電商直接相關(guān)的內(nèi)容。

最終采集到的研究數(shù)據(jù)主要包括近年來我國國務(wù)院、商務(wù)部、海關(guān)總署、稅務(wù)總局等政府部門以及30個省份(含自治區(qū)、直轄市，不含港澳臺)發(fā)布的276個跨境電商政策文件。以省(含自治區(qū)、直轄市)為單位對地方政府部門發(fā)布的跨境電商政策進(jìn)行統(tǒng)計(jì)，結(jié)果顯示發(fā)布相關(guān)政策最多的是廣東，其次是浙江和江蘇，都是目前跨境電商最發(fā)達(dá)的地區(qū)。此外，福建、上海、重慶等地也發(fā)布了較多的政策。對于非地方性政策文件，按發(fā)文機(jī)關(guān)或部門進(jìn)行統(tǒng)計(jì)，結(jié)果顯示，除國務(wù)院以外，發(fā)布相關(guān)政策較多的是海關(guān)總署、商務(wù)部以及原質(zhì)檢總局等部門。

表1 部分跨境電商相關(guān)政策示例

(二) 特征提取與向量化

在特征詞提取過程中將閾值設(shè)置為0.1，即特征詞的TF-IDF值大于0.1才會被提取。表2給出了部分TF-IDF值較大的初始特征詞。

由于同一個特征詞可能會在不同文件中重復(fù)出現(xiàn)，因此需要將提取出來的初始特征詞進(jìn)行去重處理，然后根據(jù)預(yù)處理時(shí)的詞性標(biāo)注把非名詞的特征去除，再利用PMI算法進(jìn)行過濾(特征詞共現(xiàn)的NMI值范圍為0至1，設(shè)置閾值為0.1)，提取出部分特征結(jié)果如表3所示。

表2 初始特征

表3 PMI算法特征過濾結(jié)果

通過PMI算法過濾得到446個特征詞，由于計(jì)算機(jī)程序的識別中仍然存在不符合的特征，最后經(jīng)過人工過濾得到355個特征詞，作為最終的特征詞集合。

(三) 詞向量訓(xùn)練結(jié)果

在特征詞提取的基礎(chǔ)之上，進(jìn)一步使用Word2Vec訓(xùn)練模型得到詞向量，設(shè)置模型參數(shù)如表4所示。

根據(jù)訓(xùn)練預(yù)處理后的政策文本語料得到語料庫詞表，詞表中每個詞對應(yīng)200維的空間向量?？缇畴娚烫卣髟~則對應(yīng)語料庫詞表中的355個200維的詞向量。訓(xùn)練出的詞向量效果可以用詞與詞之間的相似度和單個詞的相關(guān)詞列表來查看，相似度計(jì)算公式如下：

(4)

以政策文件中的四組詞對“檢驗(yàn)”和“檢疫”、“進(jìn)口”和“出口”、“稅款”和“技術(shù)”以及“支付”和“交易”為例，計(jì)算每組詞對的相似度，結(jié)果如表5所示。

另外，以政策文件中的關(guān)鍵詞“海關(guān)”為例，遍歷計(jì)算詞表中所有詞的相似度，得到與其相似度最高的前20個相關(guān)詞，結(jié)果如表6所示。

從對類似表6的結(jié)果進(jìn)行人工分析比對，從詞對相似度和相關(guān)詞相似度來看，處理結(jié)果符合認(rèn)知邏輯，說明通過Word2Vec訓(xùn)練模型可以訓(xùn)練得到合理的詞向量。因此，可以對政策文本其他特征詞實(shí)施同樣的操作，從而確認(rèn)訓(xùn)練出的詞向量效果。

表4 Word2Vec的參數(shù)描述

表5 詞對相似度

表6 相關(guān)詞相似度

(四) 基于K-Means的聚類結(jié)果分析

如前文所述，K-Means聚類算法中的k值選擇可以通過基于SSE的手肘法來確定。手肘法是根據(jù)誤差平方和曲線的曲率變化來判定合適的k值，曲率越大，越明顯的拐點(diǎn)處為越優(yōu)的k值。在得到特征向量后，利用公式(2)計(jì)算不同k值情況下的誤差平方和，結(jié)果如圖2(a)所示。

圖2 k值選擇結(jié)果分析

顯然，從圖2中的誤差平方和曲線來看，其肘部(曲率最高)所對應(yīng)的k值為8，故對于這個數(shù)據(jù)集的聚類而言，較為合理的聚類數(shù)可以設(shè)定為8。在得到特征向量后，利用公式(3)計(jì)算不同k值情況下的輪廓系數(shù)，結(jié)果如圖2(b)所示。選擇不同k值時(shí)輪廓系數(shù)的變化情況，如表7所示。

從輪廓系數(shù)看隨著k值的增加輪廓系數(shù)逐步降低，在選定的k值范圍里輪廓系數(shù)的變化范圍在0.25至0.45之間，而輪廓系數(shù)的取值范圍在-1至1之間，輪廓系數(shù)越接近1，k值越優(yōu)。由于分2個簇與實(shí)際情況顯然不符，因此，k值也可以取5。在確定k的取值后，使用K-Means聚類算法對從政策文本中提取出的特征進(jìn)行聚類。當(dāng)k=8和k=5時(shí)，對應(yīng)的K-Means聚類的二維散點(diǎn)圖分別如圖3(a)和圖3(b)所示。

表7 不同k值對應(yīng)的輪廓系數(shù)

圖3 不同k值對應(yīng)的聚類散點(diǎn)圖

經(jīng)過綜合比較，最終確定k取值為8，然后對跨境電商政策中提取的特征進(jìn)行聚類，聚類結(jié)果如表8所示，表中選擇性列出了部分有代表性的聚類結(jié)果。

表8 跨境電商政策特征聚類結(jié)果

對表8中所列的各個簇類做進(jìn)一步的解釋和歸納如下：簇類1，主要是跨境電商政策實(shí)施的熱點(diǎn)區(qū)域，同時(shí)還包括部分跨境貿(mào)易的國家和城市；簇類2，主要涉及跨境貿(mào)易的城市區(qū)域改革與建設(shè)；簇類3，主要涉及跨境電商的知識產(chǎn)權(quán)、法律法規(guī)以及網(wǎng)絡(luò)安全；簇類4，主要涉及跨境電商的出入境政策和稅務(wù)；簇類5，主要涉及跨境電商的交易和支付；簇類6，主要和跨境電商的熱門產(chǎn)品有關(guān)；簇類7，主要和跨境商品的質(zhì)量安全和檢疫檢驗(yàn)有關(guān)；簇類8，主要是出臺相關(guān)政策的各種政府部門。

這些特征簇從宏觀層面看，涉及跨境電商發(fā)展的制度法規(guī)、環(huán)境建設(shè)等；從微觀層面看，涉及跨境電商運(yùn)行的具體環(huán)節(jié)，如交易、產(chǎn)品、支付、稅收、質(zhì)量管理、知識產(chǎn)權(quán)等。由此可見，我國各級政府部門正在努力建立建設(shè)健全制度，構(gòu)建良好的發(fā)展平臺和環(huán)境來推動跨境電商產(chǎn)業(yè)的健康發(fā)展。從簇類內(nèi)部的特征數(shù)來看，簇類1和簇類8包含的特征數(shù)雖然比較多，但是其特征主要是行政區(qū)劃和部門，信息比較明確，不需要做過多的解釋和分析。而除簇類1和簇類8以外，包含特征數(shù)較多的簇類為3、4、6，說明知識產(chǎn)權(quán)、稅收、產(chǎn)品等是近年來跨境電商政策關(guān)注和聚焦的重點(diǎn)內(nèi)容。簇類3說明，和傳統(tǒng)電商相比，跨境電商在行業(yè)發(fā)展的早期就開始強(qiáng)調(diào)知識產(chǎn)權(quán)、法律法規(guī)以及網(wǎng)絡(luò)安全問題，這也更有利于保證行業(yè)的良性和持續(xù)發(fā)展。簇類4則強(qiáng)調(diào)了跨境電商的出入境政策和稅務(wù)，和傳統(tǒng)電商相比，這些屬于跨境電商特有的內(nèi)容，跨境電商企業(yè)在政策層面應(yīng)重點(diǎn)關(guān)注。簇類6指出了跨境電商政策重點(diǎn)關(guān)注的商品，一方面說明這些商品屬于跨境電商的熱銷品類，對企業(yè)而言是可以重點(diǎn)經(jīng)營的；另一方面也說明這些商品屬于監(jiān)管重點(diǎn)，企業(yè)在生產(chǎn)和銷售時(shí)，更應(yīng)重視和確保商品的品質(zhì)。相比較而言，簇類2、5、7雖然也是跨境電商發(fā)展中非常重要的要素，但是和其他簇類相比，包含的特征數(shù)較少，單純從聚類的結(jié)果來看并不顯著。其中一個可能的原因是，簇類2、5、7涉及的跨境電商區(qū)域建設(shè)、支付、檢疫檢驗(yàn)等問題已經(jīng)相對比較成熟，因此在政策層面不需要通過較多的文本進(jìn)行闡述，甚至在有些地方性政策中已經(jīng)不再專門闡述。

此外，還選取了兩份典型的省級跨境電商政策，分別是浙江省發(fā)布的《浙江省人民政府關(guān)于印發(fā)中國(湖州)、中國(嘉興)、中國(衢州)、中國(臺州)、中國(麗水)跨境電子商務(wù)綜合試驗(yàn)區(qū)實(shí)施方案的通知》(記為政策實(shí)例1)；江蘇省發(fā)布的《省政府關(guān)于同意中國(常州)、中國(連云港)、中國(淮安)、中國(鹽城)、中國(宿遷)跨境電子商務(wù)綜合試驗(yàn)區(qū)實(shí)施方案的批復(fù)》(記為政策實(shí)例2)，通過對具體政策的分析來驗(yàn)證聚類結(jié)果。將兩個政策實(shí)例的內(nèi)容和聚類結(jié)果進(jìn)行對比(見表9)，可以看到政策實(shí)例和聚類結(jié)果的一致性比較高。此外，兩個政策實(shí)例之間也有較為明顯的差異。表8的聚類結(jié)果具有一定的典型性，較好地反映了近年來跨境電商政策的關(guān)鍵要素，但是不同地區(qū)在制定政策時(shí)也會結(jié)合和考慮當(dāng)?shù)氐膶?shí)際情況。

表9 聚類結(jié)果實(shí)例對比

(五) 語義網(wǎng)絡(luò)分析

除了聚類分析，本研究還利用ROSTCM數(shù)據(jù)挖掘工具[26]對跨境電商政策文本進(jìn)行了初步的語義網(wǎng)絡(luò)分析。本研究主要使用ROSTCM中的網(wǎng)絡(luò)分析功能，對跨境電商政策文本進(jìn)行語義網(wǎng)絡(luò)分析。將經(jīng)過預(yù)處理的跨境電商政策文本用ROSTCM分析來生成可視化的語義網(wǎng)絡(luò)(見圖4)，通過網(wǎng)絡(luò)圖可以進(jìn)一步分析詞與詞之間的關(guān)聯(lián)關(guān)系，從而更加直觀地了解政策文本中重要詞語間蘊(yùn)含的關(guān)聯(lián)關(guān)系。

從圖4的語義網(wǎng)絡(luò)可以看出，電子商務(wù)、平臺、發(fā)展、創(chuàng)新、建設(shè)、試驗(yàn)、改革、制度、政策、模式等關(guān)鍵詞在網(wǎng)絡(luò)中屬于關(guān)鍵節(jié)點(diǎn)，從一定程度上反映出我國近年來跨境電商政策的聚焦重點(diǎn)。另外，根據(jù)關(guān)鍵節(jié)點(diǎn)在網(wǎng)絡(luò)中的連通關(guān)系，通過組合關(guān)鍵詞可以進(jìn)一步得到平臺建設(shè)、改革創(chuàng)新、制度改革、制度創(chuàng)新、模式創(chuàng)新、政府政策、海關(guān)出口等關(guān)聯(lián)短語。

此外，還基于PMI方法計(jì)算獲得了高頻詞共現(xiàn)矩陣，并通過Gephi工具進(jìn)行可視化展示，包括平均加權(quán)度、模塊化、平均聚類系數(shù)等參數(shù)的計(jì)算。通過合理地布局，得到如圖5所示的聚類圖像展示。

在此基礎(chǔ)上，過濾出聚類系數(shù)為0.6以上的數(shù)據(jù)，并重新處理和展示，最終得到如圖6所示的結(jié)果。從圖6中可以觀察到，管理/規(guī)劃、運(yùn)營/服務(wù)、信用/規(guī)則、檢疫/檢驗(yàn)、賣家/供貨商、商品質(zhì)量/消費(fèi)者、稅務(wù)、司法、證書/營業(yè)執(zhí)照等特征詞屬于網(wǎng)絡(luò)的關(guān)鍵節(jié)點(diǎn)。

圖4 跨境電商政策語義網(wǎng)絡(luò)

圖5 高頻詞共現(xiàn)矩陣的聚類圖像展示

通過上述語義網(wǎng)絡(luò)分析，可以初步得出我國近年來跨境電商政策一方面聚焦創(chuàng)新、試驗(yàn)、建設(shè)、發(fā)展等宏觀問題，另一方面也重點(diǎn)關(guān)注稅務(wù)、商品質(zhì)量、檢疫檢驗(yàn)等具體問題。語義網(wǎng)絡(luò)分析的結(jié)果和聚類分析的結(jié)果具有一定的重合性和關(guān)聯(lián)性，從另一個維度體現(xiàn)了跨境電商政策的要點(diǎn)和重點(diǎn)。因此，語義網(wǎng)絡(luò)分析可以作為聚類分析的補(bǔ)充。

圖6 聚類系數(shù)過濾后的圖像展示

五、 研究結(jié)論與建議

(一) 研究結(jié)論

本研究基于文本挖掘的跨境電商政策量化分析方法，通過從跨境電商政策文本中提取特征，再進(jìn)一步使用聚類方法和語義網(wǎng)絡(luò)方法分析了跨境電商政策的重點(diǎn)內(nèi)容。該方法能夠從大量的政策文本中挖掘出特征信息，并為跨境電商政策分析和行業(yè)研究提供決策支持，得到如下結(jié)論。

第一，跨境電商領(lǐng)域已經(jīng)形成較為充分的政策數(shù)據(jù)集。近年來，我國各級政府部門發(fā)布了一系列跨境電商政策文件，通過分類整理，可以獲得一個較為完整的跨境電商政策數(shù)據(jù)集，包含了我國30個省份(含自治區(qū)、直轄市，不含港澳臺)，以及國務(wù)院、商務(wù)部、海關(guān)總署、稅務(wù)總局等部門發(fā)布的跨境電商政策文件。這個數(shù)據(jù)集能夠被用于研究和分析跨境電商領(lǐng)域的政策特征和演化規(guī)律，并為跨境電商行業(yè)發(fā)展提供決策支持。

第二，跨境電商政策文本呈現(xiàn)出較為顯著的簇類特征。從聚類分析的結(jié)果來看，我國跨境電商政策的內(nèi)容呈現(xiàn)出較為顯著的特征簇。這些特征簇從宏觀層面看，涉及跨境電商發(fā)展的制度法規(guī)、環(huán)境建設(shè)等；從微觀層面看，涉及跨境電商運(yùn)行的具體環(huán)節(jié)，如交易、產(chǎn)品、支付、稅收、質(zhì)量管理、知識產(chǎn)權(quán)等。說明我國各級政府部門正在努力建立健全制度，構(gòu)建良好的發(fā)展平臺和環(huán)境來推動跨境電商產(chǎn)業(yè)的健康發(fā)展。同時(shí)也說明，和傳統(tǒng)電商相比，跨境電商在發(fā)展早期就有比較完善的制度來規(guī)范行業(yè)發(fā)展。

第三，語義網(wǎng)絡(luò)分析能進(jìn)一步發(fā)現(xiàn)跨境電商的政策重點(diǎn)。通過對跨境電商政策文本進(jìn)行語義網(wǎng)絡(luò)分析，挖掘網(wǎng)絡(luò)中的關(guān)鍵節(jié)點(diǎn)，能從不同維度進(jìn)一步反映我國近年來跨境電商政策的聚焦重點(diǎn)。從語義網(wǎng)絡(luò)分析的結(jié)果來看，可以初步得出我國近年來跨境電商政策主要聚焦在創(chuàng)新、試驗(yàn)、建設(shè)、發(fā)展等方面。語義網(wǎng)絡(luò)分析的結(jié)果和聚類分析的部分結(jié)果有一定的重合度和關(guān)聯(lián)性，可以作為聚類分析的補(bǔ)充。

第四，文本挖掘?yàn)榭缇畴娚陶哐芯刻峁┝诵碌囊暯恰＠梦谋就诰虻姆椒?，對跨境電商政策文本進(jìn)行挖掘和分析，有助于分析我國跨境電商政策中的關(guān)鍵內(nèi)容。本研究融合多種文本挖掘和分析方法，形成以“文本預(yù)處理、特征提取、特征過濾、特征向量化、文本特征聚類、語義網(wǎng)絡(luò)分析”為流程的研究模式，為跨境電商政策研究提供了新的思路，同時(shí)也可以擴(kuò)展到其他領(lǐng)域的政策文本研究中去。

(二) 對策建議

跨境電商目前已經(jīng)成為我國發(fā)展速度最快、潛力最大、帶動作用最強(qiáng)的外貿(mào)新業(yè)態(tài)，而跨境電商的快速發(fā)展又離不開政策的支持?？茖W(xué)合理的政策有助于推動產(chǎn)業(yè)的良性健康發(fā)展。結(jié)合上述研究結(jié)論，本研究提出如下建議。

第一，跨境電商政策在強(qiáng)化“長板”的同時(shí)，也應(yīng)積極補(bǔ)足“短板”。通過文本挖掘能發(fā)現(xiàn)當(dāng)前政策的關(guān)注焦點(diǎn)，但同時(shí)也從一個側(cè)面反映出當(dāng)前政策存在一定的“盲區(qū)”。因此，各地區(qū)、各部門在制定跨境電商政策時(shí)，應(yīng)強(qiáng)化“長板”，補(bǔ)足“短板”，積極推動跨境電商產(chǎn)業(yè)的均衡發(fā)展。目前，各地在制定和發(fā)布跨境電商政策文件時(shí)，充分考慮了區(qū)域性特征和實(shí)際情況，而如何針對自身的不足通過政策引導(dǎo)和推動加以彌補(bǔ)，也是值得深入思考和研究的問題。

第二，跨境電商政策應(yīng)盡可能覆蓋和適應(yīng)動態(tài)變化的行業(yè)形勢。當(dāng)前國內(nèi)外形勢正在發(fā)生深刻復(fù)雜的變化，我國發(fā)展仍處于重要戰(zhàn)略機(jī)遇期。和動態(tài)變化的經(jīng)濟(jì)社會形勢相比，政策文件的制定和實(shí)施會有一定的滯后性。為此，應(yīng)更加科學(xué)合理地研究和發(fā)布政策，讓政策能夠盡可能地覆蓋和適應(yīng)動態(tài)變化的行業(yè)形勢(如后疫情、雙循環(huán)等)。另外，還應(yīng)適當(dāng)結(jié)合和參考國外電商相關(guān)政策文本，不斷改進(jìn)和完善我們的政策。

第三，要充分利用信息技術(shù)和大數(shù)據(jù)思維來研究和分析政策。和人工分析相比，基于文本挖掘方法進(jìn)行政策分析，能夠?qū)崿F(xiàn)對大量文本數(shù)據(jù)的有效處理和分析，同時(shí)也有助于發(fā)現(xiàn)一些隱性的或潛在的規(guī)律，并確保政策的一致性和延續(xù)性。當(dāng)然，目前對于政策文本的分析還停留在相對淺層，如何通過加強(qiáng)分析粒度來進(jìn)行更加深入具體的分析，也是后續(xù)需要重點(diǎn)研究和解決的問題。

第四，跨境電商政策對企業(yè)有較強(qiáng)的導(dǎo)向作用，企業(yè)應(yīng)通過解讀政策來更好地理解行業(yè)和洞察商機(jī)。從聚類分析結(jié)果來看，跨境電商政策本身就指出了重點(diǎn)監(jiān)管的商品品類，對企業(yè)生產(chǎn)經(jīng)營具有一定的導(dǎo)向作用。同時(shí)，聚類分析結(jié)果也體現(xiàn)了政府部門對跨境電商知識產(chǎn)權(quán)、法律法規(guī)、稅收等要素的重視，意味著企業(yè)在生產(chǎn)經(jīng)營時(shí)，也應(yīng)更多關(guān)注這些問題。

第五，跨境電商政策的內(nèi)容應(yīng)適當(dāng)考慮垂直行業(yè)特征。從目前政策文本的內(nèi)容分析來看，絕大部分政策并沒有針對垂直行業(yè)或者跨境電商熱門品類的內(nèi)容或描述。而實(shí)際上垂直行業(yè)或者品類之間的差異對跨境電商運(yùn)營是有較大影響的，監(jiān)管的要求也會有所不同。因此，后續(xù)可以考慮針對跨境電商的熱門品類(如寵物用品、戶外用品、消費(fèi)電子等)制定和出臺專門的政策，或者在政策中有專門的內(nèi)容體現(xiàn)。