京津冀協(xié)同發(fā)展政策與文獻(xiàn)的語(yǔ)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(xiàn)研究的協(xié)同效果，有利于加強(qiáng)科學(xué)研究對(duì)政策制定的支撐作用，以及政策制定對(duì)科學(xué)研究的引導(dǎo)作用。以中國(guó)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(xiàn)文本的語(yǔ)義匹配度模型，研究京津冀協(xié)同發(fā)展政策與文獻(xiàn)的匹配度及熱點(diǎn)。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(duì)科學(xué)研究有正向引導(dǎo)作用;政策與文獻(xiàn)的熱點(diǎn)呈現(xiàn)多元化趨勢(shì);政策持續(xù)關(guān)注點(diǎn)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(diǎn);經(jīng)濟(jì)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(diǎn)。文章為政策與文獻(xiàn)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(xiàn);語(yǔ)義匹配度;熱點(diǎn)

[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(guó)家戰(zhàn)略，為京津冀三地的跨越式發(fā)展提供重要機(jī)遇。5年來(lái)，為推動(dòng)戰(zhàn)略實(shí)施，國(guó)家和京津冀三地政府陸續(xù)出臺(tái)多項(xiàng)政策，學(xué)術(shù)界也圍繞區(qū)域協(xié)同創(chuàng)新開(kāi)展系列研究，取得了階段性的成果。在戰(zhàn)略實(shí)施進(jìn)入攻堅(jiān)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(shuō)明科學(xué)研究對(duì)政策制定的支撐作用加強(qiáng)，同時(shí)政策制定引導(dǎo)科學(xué)研究的問(wèn)題導(dǎo)向功能加強(qiáng)。目前，已有成果多從單一維度研究政策熱點(diǎn)和科學(xué)前沿挖掘，對(duì)兩者語(yǔ)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(yǔ)義分析方法基于時(shí)間系列研究政策與文獻(xiàn)的匹配度，并挖掘政策與文獻(xiàn)熱點(diǎn)，為提高兩者的協(xié)同效果提供對(duì)策建議，從而加強(qiáng)科學(xué)研究對(duì)政策制定的支撐作用，以及政策制定對(duì)科學(xué)研究的引導(dǎo)作用。

2 文獻(xiàn)回顧

2.1 京津冀協(xié)同發(fā)展政策研究及熱點(diǎn)識(shí)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(guò)對(duì)中央報(bào)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(diǎn)主題和前沿趨勢(shì);黃萃等[2]提出政策文獻(xiàn)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(xiàn)研究及熱點(diǎn)識(shí)別

魏進(jìn)平等[3]利用文獻(xiàn)計(jì)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(diǎn)和趨勢(shì);陳辰[4]等結(jié)合詞頻統(tǒng)計(jì)與高頻關(guān)鍵詞的語(yǔ)義關(guān)聯(lián)分析，挖掘京津冀協(xié)同發(fā)展的熱點(diǎn)主題。

2.3 政策與文獻(xiàn)語(yǔ)義匹配方法研究現(xiàn)狀

王崇德[5]研究證明文獻(xiàn)計(jì)量學(xué)是科學(xué)政策制定有力的輔助工具;徐揚(yáng)輝[6]表明公共政策制定過(guò)程離不開(kāi)社會(huì)科學(xué)研究方法的運(yùn)用。因此，研究政策與文獻(xiàn)語(yǔ)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(yǔ)義共現(xiàn)匹配方法應(yīng)用比較多。關(guān)鍵詞共現(xiàn)方法認(rèn)為：關(guān)鍵詞在同篇文獻(xiàn)中兩兩出現(xiàn)的頻次越多，則認(rèn)為這兩個(gè)詞的相關(guān)性強(qiáng)，但是當(dāng)共現(xiàn)次數(shù)相同時(shí)則無(wú)法判斷相關(guān)性強(qiáng)弱，且該方法無(wú)法判斷語(yǔ)義相同但不共現(xiàn)的關(guān)鍵詞之間的相關(guān)性強(qiáng)度，因此，該方法更適用于相關(guān)性問(wèn)題識(shí)別。基于語(yǔ)義共現(xiàn)匹配方法能更好地彌補(bǔ)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(jì)構(gòu)造向量空間，計(jì)算向量的語(yǔ)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(yǔ)料庫(kù)將政策與文獻(xiàn)文本轉(zhuǎn)化為低維實(shí)數(shù)向量，再結(jié)合余弦相似度計(jì)算政策與文獻(xiàn)的語(yǔ)義匹配度。

3 基于詞向量的政策與文獻(xiàn)語(yǔ)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(xiàn)文本詞集

通過(guò)Python切詞工具將政策與文獻(xiàn)文本切分成詞集，將文獻(xiàn)詞集表示為Si={Si_1，Si_2，…，Si_p}（i=1，2，…，m），m為文獻(xiàn)詞的個(gè)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(gè)數(shù)。計(jì)算語(yǔ)義相似度是先計(jì)算詞語(yǔ)之間的距離，距離越小則相似度越大，因此，兩個(gè)詞集中相同詞語(yǔ)越多，那么其相似度也就越高，但是語(yǔ)義相似是指不同詞語(yǔ)的含義相似度，因此要將兩個(gè)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(xiàn)詞集去重后詞的個(gè)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(gè)數(shù)），兩詞集的交集個(gè)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(xiàn)信息以及維基百科數(shù)據(jù)作為語(yǔ)料庫(kù)，利用Word2Vec模型訓(xùn)練文本，將所有的詞向量化，以此來(lái)表示詞與詞之間的關(guān)系，進(jìn)而得到詞向量模型。

3.3 計(jì)算政策與文獻(xiàn)的語(yǔ)義匹配度

利用基于詞向量的詞集相似度方法[9-10]計(jì)算政策與文獻(xiàn)文本語(yǔ)義匹配度。以計(jì)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(yǔ)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(guò)程，直到集合R中的元素個(gè)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(xiàn)匹配度測(cè)算

4.1 數(shù)據(jù)檢索與統(tǒng)計(jì)分析

文獻(xiàn)數(shù)據(jù)來(lái)源為中國(guó)知網(wǎng)，檢索時(shí)間為2014—2018年，檢索主題為 “京津冀”和“環(huán)渤海”，文獻(xiàn)類別為CSSCI和CSCD，共檢索到1951篇。政策文本來(lái)源為白鹿數(shù)據(jù)，檢索時(shí)間同上，檢索詞為：“京津冀”“環(huán)渤海”“北京”“天津”“河北”，共檢測(cè)到1004個(gè)政策。政策與文獻(xiàn)發(fā)表時(shí)間及數(shù)量分布如圖1所示。

由圖1發(fā)現(xiàn)，2014—2017年，文獻(xiàn)數(shù)量快速增長(zhǎng)，政策數(shù)量在2014年達(dá)到最高后，呈現(xiàn)下降趨勢(shì);2018年，文獻(xiàn)和政策數(shù)量均呈現(xiàn)下降趨勢(shì)。分析其原因：國(guó)家戰(zhàn)略制定后，各級(jí)部門(mén)快速反應(yīng)并制定相關(guān)政策，短周期內(nèi)政策數(shù)量達(dá)到頂點(diǎn)，后續(xù)圍繞實(shí)踐中面臨的主要問(wèn)題進(jìn)行政策的調(diào)整和完善，數(shù)量趨于平穩(wěn);而文獻(xiàn)研究需要周期較長(zhǎng)，但在政策引導(dǎo)下，關(guān)注范圍持續(xù)升高，成果快速增長(zhǎng)。經(jīng)過(guò)5年的周期，政策與制度相對(duì)完善，呈現(xiàn)下降趨勢(shì)，從研究層面，對(duì)問(wèn)題的關(guān)注更加深入，主題更加豐富和多元化，例如近年來(lái)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(diǎn)，但因檢索詞中未涉及，導(dǎo)致從數(shù)據(jù)統(tǒng)計(jì)上文獻(xiàn)數(shù)量呈下降趨勢(shì)。

4.2 匹配度計(jì)算與分析

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

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

4.3 政策與文獻(xiàn)的熱點(diǎn)挖掘及差異性分析

由于政策和文獻(xiàn)關(guān)注點(diǎn)差異較大，歸納政策與文獻(xiàn)的熱點(diǎn)關(guān)鍵詞如表2所示。

基于此，將兩類文本的熱點(diǎn)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(diǎn)變化分析

結(jié)合政策熱點(diǎn)詞頻統(tǒng)計(jì)，得出政策持續(xù)關(guān)注點(diǎn)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(diǎn)。其中，城市建設(shè)一直是政策熱點(diǎn)，2016年9月全國(guó)科技創(chuàng)新中心建設(shè)上升為國(guó)家戰(zhàn)略后，科技協(xié)同發(fā)展政策成為熱點(diǎn)。隨著大氣、污染等問(wèn)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(diǎn)，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(diǎn)領(lǐng)域，交通問(wèn)題五年間三次成為政策熱點(diǎn)。

4.3.2 研究熱點(diǎn)變化分析

結(jié)合科學(xué)文獻(xiàn)熱點(diǎn)詞頻統(tǒng)計(jì)，得出經(jīng)濟(jì)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(diǎn)。其中，經(jīng)濟(jì)協(xié)同發(fā)展與產(chǎn)業(yè)轉(zhuǎn)移領(lǐng)域主要包括經(jīng)濟(jì)、產(chǎn)業(yè)、城市等。《京津冀協(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(hù)、產(chǎn)業(yè)升級(jí)轉(zhuǎn)移等重點(diǎn)領(lǐng)域，因此近五年經(jīng)濟(jì)協(xié)同與產(chǎn)業(yè)轉(zhuǎn)移一直是首要熱點(diǎn)，環(huán)境治理是第二關(guān)注點(diǎn)。其次，空間規(guī)劃作為實(shí)現(xiàn)可持續(xù)發(fā)展的必要手段和途徑，時(shí)空和空間熱度僅次于前兩大熱點(diǎn)。此外，科技創(chuàng)新也是研究熱點(diǎn)。

4.3.3 政策與文獻(xiàn)熱點(diǎn)共性分析

政策與科學(xué)研究共性熱點(diǎn)為京津冀城市建設(shè)問(wèn)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(wèn)題連續(xù)五年作為政策與文獻(xiàn)的熱點(diǎn)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(hù)中最亟待解決的問(wèn)題。

4.3.4 文獻(xiàn)、政策熱點(diǎn)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(guó)家出臺(tái)多部科技、技術(shù)支持政策，以此激勵(lì)科技進(jìn)步、技術(shù)開(kāi)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(jì)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(diǎn)呈現(xiàn)多元化趨勢(shì)，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(guó)知網(wǎng)以及白鹿數(shù)據(jù)文本為語(yǔ)料庫(kù)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(xiàn)文本語(yǔ)義匹配度模型，對(duì)政策與科學(xué)研究的契合度以及熱點(diǎn)變化進(jìn)行研究，得出結(jié)論：其一，政策與文獻(xiàn)匹配度穩(wěn)步提高，科學(xué)研究對(duì)政策制定的支撐作用增強(qiáng);其二，政策對(duì)科學(xué)研究有正向引導(dǎo)作用;其三，政策與文獻(xiàn)匹配度仍不夠高;其四，政策的四大熱點(diǎn)為城市建設(shè)、科技、環(huán)境、交通;研究的四大熱點(diǎn)為經(jīng)濟(jì)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(diǎn)變化不大;其五，學(xué)者和政策主要關(guān)注點(diǎn)相同，但次要關(guān)注點(diǎn)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(xiàn)匹配度水平，提出如下四點(diǎn)建議。

第一，挖掘政策需求熱點(diǎn)，增強(qiáng)科學(xué)研究對(duì)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(jì)社會(huì)以及科技創(chuàng)新等領(lǐng)域的潛在問(wèn)題。

第二，增強(qiáng)政策制定引導(dǎo)科學(xué)研究的導(dǎo)向功能。將政策目標(biāo)細(xì)化，從而減小政策推行過(guò)程中熱點(diǎn)識(shí)別難度，提高政策導(dǎo)向功能。

第三，提高科學(xué)研究對(duì)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(shí)問(wèn)題，因此應(yīng)用實(shí)踐類、案例研究類等問(wèn)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(dòng)態(tài)匹配性，要關(guān)注基于動(dòng)態(tài)視角分析的政策以及文獻(xiàn)研究的多維統(tǒng)計(jì)和熱點(diǎn)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?jī)H采集了CNKI中收錄的文獻(xiàn)，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(zhǔn)確性會(huì)影響文本的量化分析。

參考文獻(xiàn)：

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

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

[3]魏進(jìn)平，趙王英.基于文獻(xiàn)計(jì)量學(xué)方法的京津冀協(xié)同發(fā)展研究評(píng)述[J].河北工業(yè)大學(xué)學(xué)報(bào)（社會(huì)科學(xué)版），2016，8（3）：11-18.

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

[5]王崇德.文獻(xiàn)計(jì)量學(xué)方法在制定科學(xué)政策中的應(yīng)用[J].圖書(shū)情報(bào)工作，1988（1）：10-16.

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

[7]蔡圓媛，盧葦.基于低維語(yǔ)義向量模型的語(yǔ)義相似度度量[J].中國(guó)科學(xué)技術(shù)大學(xué)學(xué)報(bào)，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(jìn)展.基于本體的通信服務(wù)網(wǎng)絡(luò)抱怨案例相似度計(jì)算[J].系統(tǒng)工程理論與實(shí)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(yǔ)義匹配研究[J].情報(bào)科學(xué)，2018，36（11）：95-100.

[作者簡(jiǎn)介]劉璐（ 1998—） ，女，北京人，北京工業(yè)大學(xué)經(jīng)濟(jì)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(yáng)人，北京工業(yè)大學(xué)經(jīng)濟(jì)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(jì)與管理學(xué)院，研究方向：信息計(jì)量; 趙毅（1998—），男，遼寧沈陽(yáng)人，北京工業(yè)大學(xué)經(jīng)濟(jì)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(jì)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。