“問題訴求—方案回應”中的知識發現與知識服務

摘 要：公眾在網絡問政平臺上提出社會治理的問題訴求，政府給出相應的方案回應，形成“問題訴求—方案回應”對。文章以網絡問政平臺“東湖社區”上2 426條“問題訴求—方案回應”對的文本數據為對象，采用分詞和聚類技術、共現網絡分析等方法，發現數據中蘊含的知識：確定了公眾的問題訴求重點，并劃分為不同的類別，主要涵蓋市政建設、發展民生、社會治安、拆遷征地、道路修繕、交通安全、環境保護等類別；明確具體問題訴求及其所屬類別之間的相互聯系；類似的問題訴求在不同的時間內會重復提出。文章提出知識服務建議，即針對某一新的問題訴求，根據相似度大小推薦已有問題訴求對應的方案回應來解決該問題。

關鍵詞：網絡問政平臺；公眾訴求；方案回應；知識；文本挖掘方法

中圖分類號：C931.6 文獻標識碼：A 文章編號：2096–7640（2024）06-0068-13

基于互聯網的問政平臺是公眾便捷和有效參與地方政府社會治理的重要渠道和載體。[1-2]這些平臺的核心功能在于允許公眾主動提供其發現的社會治理問題或現象，如停車不規范、環境和安全問題等，并期望地方政府相關部門予以解決，可稱之為“問題訴求”。針對每個問題訴求，政府部門通過平臺直接提供相應的解決方案（包括方法、責任單位、時間、路徑等）作為回應，可稱之為“方案回應”。隨著時間的推移，平臺上通常會積累許多問題訴求，而一個問題訴求對應一個或多個方案回應，由此形成大量的“問題訴求—方案回應”對。這些“問題訴求—方案回應”對包含了重要數據和信息。第一，當前地方政府轄區內一個個具體的社會治理問題。第二，公眾的關切，因為每個問題訴求都對應一個公眾及其需求。第三，地方政府提出的用以回應公眾問題訴求的解決方案。第四，圍繞問題訴求和方案回應的提出、討論和評價，體現了公眾與地方政府的互動。上述“問題訴求—方案回應”對的數據和信息蘊含于文本之中，并非顯而易見且具有碎片化特點[3]，需要對其進行有效組織和挖掘，從而發現其中服務于公眾、地方政府和社會的有價值知識。例如，通過分析某一時間段的問題訴求，可以發現當前公眾關切和突出的社會治理問題；分析比較不同時間段的問題訴求，可以發現公眾關切和社會治理問題的變化與演變。這些將有助于地方政府進一步厘清和掌握社會治理的重點與難點，為其制定具有針對性的社會治理政策和制度提供決策依據。

在知識發現的基礎上，可以提供相關的知識服務。[4-5]例如，對于一個新的問題訴求，有可能在過去存在相同或類似的問題訴求及對應的方案回應。這些已有方案回應能為新的問題訴求的回應和解決提供參考，而不需要從零開始分析和提出方案回應。這將大幅提升已有“問題訴求—方案回應”對的利用效率，更重要的是提高地方政府方案回應的效率，進而提高公眾滿意度。[6-9]因此，本文中的知識服務具體是指利用“問題訴求—方案回應”中的知識為地方政府處理公眾問題訴求推薦方案回應。

關于網絡問政平臺上問題訴求和方案回應的研究已有較為豐富的成果，然而將問題訴求和方案回應結合起來作為一個整體的研究還相對較少。因為實際平臺上的問題訴求和方案回應又是以成對的形式存在，故不應割裂開來單獨研究。同時，當前研究重點集中在公眾問題訴求的類型劃分、政府回應的類型、作用、影響因素及其作用機理方面，對“問題訴求—方案回應”對所蘊藏知識的發現和服務研究相對較少。為此，本文擬以湖北省網絡問政平臺“東湖社區”為例，以平臺上的“問題訴求—方案回應”信息作為研究對象，采用文本挖掘技術和方法分析“問題訴求—方案回應”對的文本數據，發現地方政府社會治理問題和公眾訴求及其相互關系，并計算已解決和待解決的公眾問題訴求相似度。基于此，為待解決的公眾問題訴求提供方案回應推薦的知識服務。本文期望通過提供一個新視角來探究網絡問政平臺上的公眾問題訴求和政府方案回應，擴展該領域研究采用的方法和理論研究成果；為政府進一步深入理解公眾的訴求和關切提供支持，幫助政府提升解決公眾問題訴求的效率。

一、文獻回顧

（一） 網絡問政平臺上公眾問題訴求研究

學者們對網絡問政平臺包括市長郵箱、市民服務熱線、領導留言板等及其所包含的問題訴求進行了卓有成效的研究。

1. 公眾通過平臺反映問題訴求的現狀

近年來，公眾通過網絡表達政治和社會治理訴求的規模不斷增長。[10] 孫宗鋒和趙興華分析網絡情境下青島市市長信箱中的公眾訴求信件后發現，公眾提出的訴求在不同月份有較大的波動。訴求信件中的積極情感和消極情感的比例相對平衡，并且波動較小。[11]劉西平等的研究發現，公眾通過不同渠道提交訴求的積極性有差異，如相較于非政府網絡渠道，公眾對政府網絡渠道參與問政的使用效率更高且期望值更高。[12]然而，在線上表達的公眾訴求可能受到線下社會管理方式的限制。[13]此外，大部分公眾參與的問題訴求是出于個人利益，呈現被動態勢，參與水平較低。[14]

2. 公眾問題訴求的類型

學者們對不同網絡問政渠道包括政府熱線、地方政府留言板、地方政府網絡問政平臺上公眾訴求類型進行分析，發現公眾訴求覆蓋面廣，涉及多個領域。例如，趙金旭等總結劃分了北京市12345政務熱線的市民訴求類型，主要包括基礎民生、基本民生、發展民生、優質民生等四類。[15] 史亞東和阮世珂分析北京市網絡問政平臺數據后發現，公眾對環境問題的訴求總體上升。[16]李鋒的研究總結了全國網絡問政平臺的公眾訴求，發現其主要涉及城鄉建設、勞動和社會保障、經濟管理、農村農業和教育問題，較少涉及歷史遺留問題、黨務政務以及科技與信息產業等議題。[17] 曹艷輝總結了“問政湖南”上公眾訴求領域，主要聚焦于業主維權和三農問題等民生議題。[18] 孟天廣和李鋒分析了網絡問政平臺上的公民與政府行為記錄，發現公眾關注的議題主要集中在經濟發展、民生福利、國土建設、農村以及貪腐治理等方面。[10]此外，雷玉瓊和劉展余分析發現公眾在疫情期間主要關注交通出行、基層自治、物質保障和政府管理等問題。[19]

3. 公眾問題訴求主題識別方法

滕婕等通過構建動態語義依賴關系網，利用社區發現算法識別每一區間中語義依賴網的子社區，并通過PageRank算法識別每一子社區的主題標簽，以高效準確地識別社會訴求主題。 [20]楊洋洋采用隱含狄利克雷分布主題模型，構建動態主題演化模型，挖掘社交媒體上突發事件的話題類型，并歸納出輿情危機的構成要素。[21]胡廣偉等應用LDA建模方法提取文本主題，構建公眾訴求熱點分類表，挖掘領導信箱文本主題，更好地感知、回應公眾訴求。 [22]滕婕等采用了一套基于語義網的高價值主題識別和演化路徑分析方法來研究如何高效、準確地識別社會訴求主題，把握社會訴求轉變節點，進而為政務服務和社會治理的和諧有序發展提供支撐。[23]

（二） 網絡問政平臺上政府回應研究

相比于對公眾訴求的研究，學者們對政府回應的研究更多，主要包括如下方面。

1. 政府采用的回應形式

不同學者對政府回應形式的劃分不同，例如，常多粉和孟天廣通過分析領導留言板上的環保訴求和政府回應數據，發現政府回應話語可分為描述、共情、規則和混合四種模式。[24]翁士洪和顧麗梅根據案例分析，提出了鴕鳥、杜鵑、蜂王和鴛鴦等四種網絡參與政府決策回應模式。[25]顏海娜和謝巧燕認為政府回應話語的策略性表現在回應方式、回應內容和回應態度上。 [26]沈國麟和戴雯斌基于案例分析認為，中國政府網絡回應機制包括響應機制、協同機制和督查機制，共同構成中國特色的政府回應機制。[27]政府回應形式的采用受政府層級（高層級和低層級）和政府機構類型（黨委辦、信訪、業務部門等）[24]、公眾訴求的類型[28]、公眾訴求表達的準確性[29]、提交訴求的公眾個人信息完整性[26]等方面的影響。

2. 政府回應的影響因素和作用機理

影響政府回應的因素主要包括時空因素、議題歸屬和訴求表達方式[10， 30-31]、議題特征[32]、協同惰性和問責壓力[33]、領導重視[34]、媒體熱度[35]以及回應信息不完備和對待回應存在認識分歧[36]等。周恩毅和張文培發現當公眾訴求為熱點議題時，政府回應效度較高。[30]曾潤喜和黃若怡發現，政府回應在不同層級間存在顯著差異，高層級政府的回應狀況相對不足。[31]此外，不同議題下各層級政府的回應程度存在“選擇性回應”現象。楊良偉發現，協同惰性是地方政府回應過程中的內在阻礙。然而，問責壓力能夠促使地方政府積極做出回應，并在協調多部門達成共識方面發揮積極作用。這有助于調節協同惰性對地方政府回應的不利影響。[33] 段哲哲和劉江通過實驗和問卷調查發現，高媒體關注度與網絡問政回應績效正相關。熱門議題相比非熱門議題具有更好的網絡問政回應表現。[35]此外，訴求種類和文本長度也顯著影響回應績效。輿論在政府與公民交流中起關鍵作用，對回應績效產生影響。邵梓捷和楊良偉指出，地方政府回應不足的根本問題是由于回應的觸發時機與回應的實施時機不一致，導致回應過程呈現出來回擺動的情況。[37]

3. 政府回應對公眾持續參與政府社會治理意愿的影響

政府回應的及時性和針對性對公眾持續參與政府社會治理有積極影響，但該影響會受到不同的回應話語、回應部門、回應質量等影響。例如，常多粉和鄭偉海發現，統管部門參與回應率顯著促進公眾參與，而省、市政府參與回應率顯著抑制公眾參與。共情話語使用率顯著促進公眾參與，而規則話語使用率無顯著影響。回應時長越短，公眾參與活躍度越高。[38]宋向嶸認為，提升政府線上回應質量有助于提升公眾持續參與度和問政效果。[39]王磊和易揚針對公共衛生危機中的數字政府回應，發現數字政府回應可以顯著降低公眾負面情緒，網絡問政平臺可以緩解網絡負面輿情。[40]韓萬渠認為，政民互動平臺賦予公眾充分賦權程度直接影響參與互動水平。[1]同時，平臺參與議題與公眾訴求的匹配程度也直接影響參與獲得感。因此，為了增強政民互動平臺的公眾參與效果，應加強平臺賦權制度建設，并建立協商議題設置機制。

4. 政府回應優化的建議

建議主要包括回應需要根據公眾的情感反應和需求動態調整[41]、精準識別公眾訴求和問題[42]、明確不同部門之間的分工、加強協同機制[33]、建立公眾對政府回應的評價機制[33]、規范公眾參與[25]、構建回應信息協同網絡[43]、推動網絡規范發展并改進回應訴求機制[44]、加強平臺賦權制度建設[1]等。

（三） 知識發現和知識服務研究

當前，知識發現和知識服務方面的研究大多集中于在線健康領域，對于社會治理中的知識發現和服務的研究還相對較少。例如，馬海云和楊欣誼探討了智慧健康知識管理和知識服務存在的問題，在此基礎上，建議通過各方協作化解智慧健康領域知識服務各方資源之間的隔閡。[45] 王昕宇和李陽通過構建應急救護知識服務平臺為用戶提供權威、多樣的救護知識資源，保證知識服務的個性化和精準化。[46]楊善林等運用CBR的方法來對醫療知識進行利用，提高了醫療健康知識服務的準確性和有效性。[47]馬費成和周利琴構建了知識服務框架促進知識融合。[48]林海倫等從企業角度出發，基于用戶需求來推動企業知識服務的智能化和個性化。[49]趙志耘等、李賀等構建了知識服務平臺，以更好地對散落在互聯網中的知識進行發現和服務。 [50-51] 吳菊華等、程為和鄭德俊分別運用基于加權知識網絡和多模態的方法，幫助用戶在社區中提出問題時，能夠快速、準確地發現相關知識。[3，52] 李澤中等采用概念層和本體層的知識融合技術，構建多源知識融合的企業知識服務模型，提高了企業知識服務水平。[4]。

二、數據來源與研究方法

本文針對問政平臺上的“問題訴求—方案回應”對，采集文本數據，利用文本挖掘和分析方法，包括結巴分詞、共現網絡、基于余弦相似度的文本相似度計算等，分析公眾提出的問題訴求及其關系，為待解決問題訴求推薦方案回應。

（一） 數據來源

為保障收集數據的可靠性和研究成果的可推廣性，本文基于以下考慮選取研究樣本：第一，選取的問政平臺具有典型性和代表性，具備一定的社會影響力，而且有官方機構入駐管理；第二，平臺上積累了較多“問題訴求—方案回應”對，能保障樣本數據量；第三，平臺上的數據可以采用網絡爬蟲等技術獲取。基于上述篩選條件，本文選擇湖北省荊楚網“東湖社區”網絡問政平臺上的“問題訴求—方案回應”信息作為研究對象（網址為https：//bbs.cnhubei.com）。

筆者通過查詢主頁了解到，荊楚網由中共湖北省委宣傳部、湖北省人民政府新聞辦公室主管，是經國務院新聞辦公室批準的湖北省唯一的重點新聞網站，已獲取互聯網信息服務（ICP）經營許可證、廣播電視節目經營制作許可證，并擁有互聯網出版等資質。自2004年開辦以來，荊楚網相繼獲評“中國新聞網站十強”、“中國報社網站十強”和“最受歡迎的黨報黨刊網站”。2013年，荊楚網躋身全國省級重點新聞網站前列，成為湖北省最大的外宣工作平臺。“東湖社區”是荊楚網重點打造的網絡輿論主陣地，曾獲“2009年度中國互聯網品牌欄目（頻道）”稱號和2010年度湖北新聞獎新聞專欄類一等獎。“東湖社區”是湖北省內最大的綜合性網絡互動平臺，截至2023年底注冊用戶過百萬，專注于社區居民問政、民生訴求解決，致力于為公眾與政府之間提供一個便捷、高效的溝通與互動渠道。公眾能夠通過該平臺直接向政府反映問題、提出建議和意見。

2024年1月，筆者利用自主編寫的爬蟲程序，采集了“東湖社區”網絡問政平臺“民生熱線”板塊2020—2023年的全部發帖及回應數據，共計2 426條。這些數據包含公眾日常生活中提出的問題訴求和政府的方案回應，每一條數據對應一個問題訴求及其方案回應，示例如下。

公眾問題訴求：咨詢一下，硚口區江景時代納入征收計劃沒有？一會說納入了，一會又說沒有納入。

方案回應：您的訴求已收悉，現將有關情況回告如下。硚口區江景時代小區已列入2022年城市更新及房屋征收計劃（拆除更新類——舊城舊廠），具體啟動改造時間需結合資金、房源等綜合因素。項目如有進展，相關信息將會在房屋征收范圍內予以公布，請您關注。

根據公眾問題訴求是否得到方案回應，按照平臺上的標注將采集的數據劃分為兩類，分別是已解決問題訴求及其對應的方案回應、待解決問題訴求（該類問題訴求尚未得到政府的方案回應）。在2 426條數據中，有1 359條（56.02%）為已解決的問題訴求及其對應的方案回應，剩余1 067條（43.98%）為待解決問題訴求。

（二） 研究方法

針對以中文表述的“問題訴求—方案回應”對的文本數據，本文主要采用文本挖掘和分析方法對其進行處理，具體方法和過程如下。

1. 文本分詞處理

這一步是將文本數據轉化為更加清晰、有效的信息，為后續分析奠定堅實基礎。本文采用python開源分詞組件的結巴分詞，去除文本中多余的空白符和換行符，過濾文本當中已回復、已轉交以及數字、標點符號等無意義字符信息后[53]，對文本進行分詞，去除停頓詞。結巴分詞是一種適合中文分詞的方法，且被較為廣泛地使用[54-55]，其原理是基于統計詞典對輸入句子進行切分，得到所有的切分可能，最終輸出最大切分組合。[56]例如，針對某一公眾問題訴求“[已回復]東西湖區公交H89，H86，H78可以不可以新增車次？”，經過預處理過后的結果為“東西湖區/公交/可以/不/可以/新增/車次”。

2. 聚類分析公眾問題訴求并構建共現網絡

這一步是計算分詞后文本中不同單詞同時出現的頻率，并采用KHcoder3繪制公眾問題訴求文本的共現網絡。KHcoder3是一種文本數據分析軟件，可以用于選擇單詞、計算單詞頻率、生成詞匯網絡[57]、語義分析和語義聚類[58]等。本文的公眾問題訴求共現網絡中每個節點代表分詞后的單詞，節點之間邊的粗細代表單詞共同出現的頻率大小，越粗代表兩個節點單詞在文本中同時出現的頻率越多。在共現網絡中使用聚類分析將網絡中具有密集連接的節點聚集成一類，同類中節點共同出現的概率比與其他節點共同出現的概率要高。通過該方法可以將共現網絡分成不同類別，同一個類別內部連接緊密，而不同類別之間的連接相對較少。通過共現網絡可以展現公眾當前關注的問題訴求重點以及這些重點之間的聯系。

公眾問題訴求數據分為已解決問題訴求和待解決問題訴求，通過上述方法將得到兩個共現網絡，分別是已解決問題訴求共現網絡和待解決問題訴求共現網絡。

3. 計算已解決問題訴求和待解決問題訴求共現網絡中節點之間的相似度

這一步是計算分析兩者之間的相似度，據此可以更加清晰地判斷已解決問題訴求和待解決問題訴求之間的關系，從而為利用已解決問題訴求對應的方案回應來處理待解決問題訴求提供支持。為了更好地呈現兩者之間的關系，本文利用Gephi軟件設計兩者的雙層共現網絡。

4. 為待解決問題訴求推薦方案回應

由于第三步分析是節點之間的關系，而節點代表的是一類問題訴求，雙層共現網絡中兩個節點之間有相似性，則可以認定這兩個節點所代表的兩類問題訴求是相似的，進一步可以認為對于待解決問題訴求，能從已解決問題訴求中找到相似的問題訴求以及相對應的方案回應。為了給待解決問題訴求推薦方案回應，本文采用基于余弦相似度的文本相似度計算方法，先計算待解決問題訴求與已解決問題訴求共現網絡節點的相似度，再計算待解決問題訴求與節點中包含的具體已解決問題訴求之間的相似度，以便為待解決問題訴求尋找方案回應。這樣的方法能夠在大量文本數據中快速準確地找到相關聯的內容，提高問題訴求解決的效率。

余弦相似度的基本思想是將兩個向量看作空間中的點，然后計算它們之間的夾角余弦值。如果兩個詞語的向量夾角越小，則它們的相似程度越高；反之，如果夾角越大，則它們的相似程度越低。[59]余弦相似度的公式如下：

A 、B表示文本向量，即問題訴求文本。Ai和Bi分別是A和B的分向量。計算結果的取值范圍是[0，1]，其中1表示完全相關，0表示無關或不相關。

三、結果分析

（一） 問題訴求中的知識發現

通過對采集的公眾問題訴求進行預處理分析，得到兩個數據集，包括已解決問題訴求的12 790個單詞和3 657種詞數類型，待解決問題訴求的9 886個單詞和3 293種詞數類型。針對詞數較多造成共現網絡混亂而難以直觀反映公眾重點問題訴求的問題，本文在共現網絡中僅顯示詞頻數大于10次的詞和關聯度最高的前240條邊。值得注意的是，共現網絡中的某些節點可能同時適用于多個類別。已解決問題訴求的共現網絡如圖1所示。由上述分析可以發現以下主要知識。

（1）公眾問題訴求的重點及其主要類別。按照每個類別所占比例大小，排序如下：市政建設、發展民生、社會治安、拆遷征地、道路修繕、交通安全、環境保護、業主維權、交通運輸、龍盤、硚口、漢陽、其他。

已解決問題訴求共現網絡包含181個節點和172條邊。圖中節點之間邊的粗細代表單詞共同出現的頻率大小，越粗代表兩個節點單詞在文本中同時出現的頻率越多。圖1的右上方青色部分（市政建設）主要體現了公眾關于市政建設方面存在的問題訴求，如拆遷房屋的交付、物業收費的設置、路燈和紅綠燈損壞等造成的交通安全隱患等問題。公眾關于升學、房產證辦理、社區改造、施工噪音和油煙擾民等問題訴求都集中于中央網絡的最左方藍色部分（發展民生）。共現網絡右下方的粉色部分（社會治安）體現了存在企業騙取費用和有人違規占用資源等問題。網絡左下方的綠色部分（拆遷征地）包括是否、組、村、鎮、拆遷、青山區、新、號、樓、計劃、江漢區、洪山區、保利、堵塞、消防、通道等元素，是指江漢區和洪山區經常出現消防通道堵塞情況，以及詢問青山區是否計劃拆遷。

（2）在共現網絡的核心部分，所有問題訴求類別中有4個是相互聯系的，這表明公眾提出的問題訴求之間存在相關性。另外，共現網絡還揭示了圍繞中央網絡更多孤立的問題訴求類別，例如竹山縣存在嚴重的道路破損情況（道路修繕）、硚口區（硚口）和漢陽區（漢陽）街道領域存在問題等。它們的孤立位置表明這些問題訴求都是相對獨立的。

（3）已解決問題和待解決問題之間相互聯系且存在相似性。對待解決問題訴求進行共現網絡分析，結果如圖2所示。

由圖2可知，待解決問題訴求一共分為8個類別，包含142個節點和140條邊，各類別所占比例排序如下：市政建設、發展民生、基礎民生、交通安全、道路修繕、業主維權、消防安全、企業事務。由待解決問題訴求共現網絡可知，在近3年中，公眾仍有很多問題訴求沒有得到方案回應。而且除了企業事務之外，其余的7個類別相互聯系。

進一步對圖1和圖2進行對比分析可以發現，近3年中，公眾問題訴求類型主要集中在市政建設、發展民生、社會治安、拆遷征地、道路修繕、交通安全、環境保護、業主維權、交通運輸、龍盤、硚口、漢陽、其他、基礎民生、消防安全、企業事務等方面。盡管政府已經解決了很多市政建設、發展民生、交通安全、道路修繕、業主維權等類別的問題訴求，但是在待解決問題訴求中，其仍然存在，表明這5類問題訴求是公眾生活中關注的重點問題。

為更深入地觀察和分析已解決問題訴求和待解決問題訴求之間的關系，本文計算兩者共現網絡中節點之間的余弦相似度，并以此為基礎利用Gephi軟件創建了雙層共現網絡，如圖3所示。

圖3中的上層表示已解決問題訴求共現網絡中的節點，下層展示待解決問題訴求共現網絡中的節點。當不同共現網絡中兩個節點之間的余弦相似度大于0.5時，連接這兩個節點。因此，圖3中上、下兩層共現網絡之間的邊表示已解決和待解決問題訴求節點之間存在的相似之處。由此可知，待解決問題訴求節點和已解決問題訴求節點之間存在多個相似之處，這表明公眾反映的問題訴求在不同的時間點上存在一定的重復性。

（二） 基于“問題訴求—方案回應”對的知識服務

由圖3可知，部分待解決問題訴求與已解決問題訴求相似，而已解決問題訴求均有對應的方案回應，這就為待解決問題訴求推薦已有的方案回應提供可能。

1. 待解決問題訴求與已解決問題訴求相似度計算

基于余弦相似度的文本相似度計算是一種用于分析文本數據之間關系的方法。為了提高計算效率和推薦效果，本文首先計算待解決問題訴求文本和已解決問題訴求共現網絡中節點之間的相似度。

以某一待解決問題訴求“武漢市洪山區珞南街道圓夢園社區99號小區門口違規修建變電柜”為例，利用R軟件包計算該文本與已解決問題訴求共現網絡中所有節點之間的相似度，計算結果如表1所示。

根據計算結果，與待解決問題訴求文本存在相似度的節點共有10個，且相似度都為0.25。這意味著這些節點所對應的問題訴求類和輸入的案例文本具有相似性。

然后，分別計算這10個節點所包含的問題訴求與待解決問題訴求之間的文本相似度，結果如表2所示。需要注意的是，首先，各個節點所包含的問題訴求均超過10條，本文只選取相似度最高的3條進行對比分析；其次，同一已解決問題訴求可能會隸屬于不同的節點；最后，表中的問題訴求存在相同的編號，但是屬于不同的節點，對應的具體問題訴求描述也可能不同。例如，“小區”節點下的第13個問題訴求，即“問題訴求_13”與“道路”節點下的第13個問題訴求所表示的具體問題訴求不一樣。

2. 方案回應推薦

通過檢索發現，與待解決問題訴求中相似度最高的已解決問題訴求都是同一條文本，這驗證了文本相似度計算的準確性。本文選擇相似度最高的前3個問題訴求進一步分析。其中，相似度最高的前兩個問題訴求分別為“武漢市洪山區珞南街道圓夢社區99號小區門口道路違規挖路”和“武漢市洪山區珞南街道圓夢園社區99號小區門口道路施工建院墻”；對應的方案回應均為“關于居民反映珞桂路99小區的隔壁家屬院在三個小區的公共通道上修建圍墻，占用了公共通道和消防通道問題。我街已責令執法中心致函武漢市自然資源與規劃局洪山分局核實部隊與99號小區的紅線位置，待武漢市自然資源與規劃局給出紅線認定結果后，將依據《中華人民共和國城鄉規劃法》《武漢市城鄉規劃條例》等法律法規開展執法工作”。這說明同一個方案回應可以用于回應多個問題訴求。

相似度排序第三的問題訴求描述為“洪山區保利拉菲小區道路隱患”，其對應的方案回應為“日常工作中，我隊已安排警力在楚安路不定時地巡控。5月24日早上，我隊警力在巡控過程中，確實發現楚安路路面被壓壞，我隊已協調城管部門進行處理。經核實，5月26日由街道牽頭，協同相關部門對通行楚安路的施工車輛行駛路線做了相應調整。5月28日上午，損壞路面已修復。同時我隊也將加大楚安路巡控整治力度，一經發現有違法行駛車輛，將依法處理”。

對于待解決問題訴求“武漢市洪山區珞南街道圓夢園社區99號小區門口違規修建變電柜”，本文可以推薦“武漢市洪山區珞南街道圓夢社區99號小區門口道路違規挖路”和“武漢市洪山區珞南街道圓夢園社區99號小區門口道路施工建院墻”問題訴求對應的方案回應用于回應該待解決問題訴求。該方案回應給出了負責處理該問題訴求的單位（即武漢市自然資源與規劃局）和處理依據（即《中華人民共和國城鄉規劃法》《武漢市城鄉規劃條例》）。這為方案回應形成提供了思路、可能的負責單位和依據的法律法規，提升了方案回應提出的效率。

在為待解決問題訴求推薦可行的已有方案回應的基礎上，本文初步構建了基于“問題訴求—方案回應”對的知識服務原型系統，將所有已解決問題訴求和對應的方案回應以及發表時間都錄入知識服務系統中，如圖4所示。當政府遇到一個新問題訴求時，可以在搜索框中搜索該問題訴求。基于本文使用的方法，系統會計算新問題訴求和錄入的已解決問題訴求之間的相似度，并從大到小推薦前5個最高相似度的已解決問題訴求和方案回應（當已解決問題訴求和方案回應少于5個時，列出所有的文本）。如果未找到和新問題訴求相似的已解決問題訴求，表明新問題訴求在之前從未出現過，需要從零開始重新制定方案回應，并將新問題訴求和方案回應納入知識服務系統中，擴充已有的知識。

四、結論與討論

本文以“東湖社區”網絡問政平臺上的“問題訴求—方案回應”為研究對象，挖掘其中的知識發現與知識服務內容，揭示公眾所關注的重點問題訴求，并為政府處理待解決問題訴求提供有價值的方案回應參考。

第一，公眾的重點問題訴求涵蓋市政建設、發展民生、社會治安、拆遷征地等16個類別。這與當前從領導留言板、市民服務熱線、市長郵箱等途徑收集的不同地區公眾所關注的社會治理問題訴求有一定的相似性，主要包括基礎民生、發展民生[15]、市政建設、社會治安、拆遷征地、環境保護、企業事務[10]、交通運輸[17]、交通安全、業主維權[18]等領域。這說明雖然公眾處于不同的地區，但其關注的社會治理問題類別差異不大，這能為不同地方政府分析社會治理問題和了解公眾需求提供一定的參考和支持。與現有研究不同的是，本文通過對公眾問題訴求文本分析并建立共現網絡，發現大多數公眾問題訴求類別并非孤立存在，而是相互關聯緊密。例如，發展民生和市政建設與拆遷征地息息相關，交通安全與道路修繕和交通運輸也有密切聯系。因此，在對公眾問題訴求的研究中，應該避免將問題訴求孤立看待，而要以綜合和系統的視角分析問題訴求，這樣不僅可以深入理解單個問題訴求，還能從更廣泛的角度洞察問題訴求背后的共性與聯系。在實踐方面，地方政府可以定期關注問政平臺上的問題訴求，及時了解公眾關注的重點。同時，地方政府在制定方案回應時應綜合考慮不同問題訴求之間的聯系，以保證方案回應的系統性和有效性。

第二，公眾的問題訴求在一定時間段內存在重復現象。公眾的問題訴求并不是完全不同的，而是在一定時期內出現了重復。本文研究發現，盡管政府已經解決了許多問題訴求，但在待解決訴求中，仍然有部分與已解決問題訴求相似。這說明公眾所關注的問題訴求重點具有連續性，不會隨時間推移而發生重大變化，這將幫助地方政府進一步明確社會治理的難點和需要長期發力改善的領域，久久為功。此外，本文的研究結果顯示，地方政府在一定程度上并未很好地利用已有的公眾問題訴求，舉一反三對其他地區存在的類似問題進行改善，從而造成類似的問題在不同地區反復提出。

第三，地方政府對公眾問題訴求回應的及時性、針對性和有效性對解決問題訴求和提升公眾滿意度有重要影響。面對數量較多且同時提出的不同問題訴求，地方政府難以及時為每個問題訴求提出具有針對性的方案來進行回應，這可能造成回應延后和公眾滿意度降低。本文發現的公眾問題訴求在不同時間段的相似性也為推薦回應方案提供了可能。對于新的問題訴求，可以找到相似的已解決問題訴求，進而推薦已有的方案回應用于處理待解決問題訴求，提高方案回應的制定效率。在實踐中，政府可以建立知識服務系統，在有限的時間內為待解決問題訴求提供多個合適的方案回應，避免重復制定相似或相同的方案回應，從而加快問題訴求的解決進程，提高方案回應的針對性和有效性。同時，知識服務系統還可以減輕政府部門在制定方案回應時所承擔的工作負擔，并節省資源。

本文將公眾問題訴求和政府方案回應視為一個整體，利用文本挖掘技術和方法發現“問題訴求—方案回應”對中的知識，并提供知識服務，為研究網絡問政平臺上的公眾問題訴求和政府方案回應提供一個新視角，也為后續研究提供參考。在方法上，與常用的問卷調查、訪談等方法不同，本文采用的文本挖掘分析技術和方法能夠處理大量文本數據，發現數據蘊藏的知識，減少公眾主觀回答可能產生的偏差。

雖然本文取得了一定的研究成果，但仍存在一些不足。首先，本文僅聚焦于“東湖社區”問政平臺，后續研究將考慮進一步擴大樣本量，如從多個問政平臺獲取數據，給出更為豐富的結果，包括不同地區公眾問題訴求的對比分析、集成所有地區的方案回應形成方案回應集合，形成群體智慧，更好地為問題訴求處理提供支持。其次，本文僅考慮了“問題訴求—方案回應”對，對其他方面的知識，如公眾對方案回應的評價和點贊數、公眾問題訴求的關注度等利用較少，未來的重要研究之一是充分利用這些“元知識”，進一步提升方案回應推薦的效果。最后，本文雖然試圖建立方案回應推薦知識服務系統，但僅做了初步嘗試，未來將在完善推薦模型的基礎上，建立知識服務系統，進一步增強研究的實踐價值。

參考文獻

[ 1 ]韓萬渠. 政民互動平臺推動公眾有效參與的運行機制研究——基于平臺賦權和議題匹配的比較案例分析[J]. 探索， 2020（2）：149-160.

[ 2 ]沙勇忠， 王崢嶸， 詹建. 政民互動行為如何影響網絡問政效果？——基于“問政瀘州”的大數據探索與推論[J]. 公共管理學報， 2019（2）： 15-27，169.

[ 3 ]吳菊華， 王煜， 黎明， 等. 基于加權知識網絡的在線健康社區用戶知識發現[J]. 數據分析與知識發現， 2019（2）： 108-117.

[ 4 ]李澤中， 齊晨旭， 戎佳. 多源知識融合的企業知識服務模型構建研究[J]. 情報科學， 2022（12）： 56-62.

[ 5 ]張璐， 申靜. 知識服務模式研究的現狀、熱點與前沿[J]. 圖書情報工作， 2018（10）： 116-125.

[ 6 ]盛鐸， 王芳， 孟旭. Web2.0時代的政府治理： 鄭州市網絡問政平臺ZZIC案例研究[J]. 電子政務， 2012（6）： 92-101.

[ 7 ]賈奇凡， 尹澤軒， 周潔. 行為公共管理學視角下公眾的政府滿意度： 概念、測量及影響因素[J]. 公共行政評論， 2018（1）： 62-82，220.

[ 8 ]王歡明， 諸大建， 馬永馳. 中國城市公共服務客觀績效與公眾滿意度的關系研究[J]. 軟科學， 2015（3）： 111-114.

[ 9 ]朱銳勛， 王鵬， 潘政翰. 加強政府網站建設 助推“互聯網+政務服務”——基于結構方程政府網站公眾滿意度測評模型[J]. 行政與法， 2018（4）： 6-12.

[10]孟天廣， 李鋒. 網絡空間的政治互動： 公民訴求與政府回應性——基于全國性網絡問政平臺的大數據分析[J]. 清華大學學報（哲學社會科學版）， 2015（3）： 17-29.

[11]孫宗鋒， 趙興華. 網絡情境下地方政府政民互動研究——基于青島市市長信箱的大數據分析[J]. 電子政務， 2019（5）： 12-26.

[12]劉西平， 黃建寧， 盧丹. 網民問政的渠道選擇、使用效果及其影響因素的實證研究——基于對江蘇省網民問政行為的調查[J].電子政務， 2014（12）： 44-51.

[13]李娟， 丁良超. 融媒體時代社會中間階層訴求表達的行動邏輯與政府回應[J]. 廣西社會科學， 2018（12）： 149-154.

[14]張廷君. 城市公共服務政務平臺公眾參與行為及效果——基于福州市便民呼叫中心案例的研究[J]. 公共管理學報， 2015（2）：21-29，154.

[15]趙金旭， 王寧， 孟天廣. 鏈接市民與城市： 超大城市治理中的熱線問政與政府回應——基于北京市12345政務熱線大數據分析[J].電子政務， 2021（2）： 2-14.

[16]史亞東， 阮世珂. 公眾環境訴求影響因素及其作用機制——基于北京市網絡問政平臺數據[J]. 調研世界， 2019（5）： 11-17.

[17]李鋒. 網絡空間公民利益訴求的對象選擇與行為特征——以全國網絡問政平臺的大數據分析為例[J]. 探索， 2019（6）： 91-99.

[18]曹艷輝. “適度壓力型”政民互動： 基于中部省級網絡問政平臺的數據分析[J]. 新聞與傳播評論， 2023（2）： 70-81.

[19]雷玉瓊， 劉展余. 突發公共衛生事件中的網絡問政： 訴求與回應——基于新冠疫情期間“地方領導留言板”的數據分析[J]. 電子政務， 2020（10）： 50-61.

[20]滕婕， 胡廣偉， 王婷. 基于動態語義依賴關系網的社會訴求主題識別與演化路徑分析[J]. 情報資料工作， 2022（3）： 20-33.

[21]楊洋洋. 數據驅動下突發公共事件公眾訴求主題畫像與歸因分析[J]. 情報理論與實踐， 2024（4）： 126-133.

[22]胡廣偉， 滕婕， 劉露. 政民互動中社會訴求主題挖掘和省際差異研究——基于省級政府領導電子信箱語料的分析[J]. 數據分析與知識發現， 2021（10）： 15-27.

[23]滕婕， 劉莉， 李碩， 等. 動態語義網的高價值熱點主題識別與演化路徑分析[J]. 圖書情報工作， 2023（7）： 92-106.

[24]常多粉， 孟天廣. 動之以情還是曉之以理？——環境治理中網絡問政的政府回應話語模式[J]. 社會發展研究， 2021（3）： 44-62，243.

[25]翁士洪， 顧麗梅. 網絡參與下的政府決策回應模式[J]. 中國行政管理， 2012（8）： 37-41.

[26]顏海娜， 謝巧燕. 公民訴求對政府回應話語的影響探究——基于F市G區12345平臺數據的實證分析[J]. 東北大學學報（社會科學版）， 2021（1）： 78-86.

[27]沈國麟， 戴雯斌. 中國政府網絡回應機制創新研究——基于問政銀川微博矩陣的考察[J]. 新聞大學， 2021（12）： 64-76，123.

[28]李鋒. 面向公民網絡訴求的政府回應行為與政策性回應——基于地方官員調查數據的列舉實驗分析[J]. 學習與實踐， 2021（1）：73-83.

[29]李鋒. 條塊關系視野下的網絡訴求與政府回應模式研究——基于中部某市網絡問政平臺的大數據分析[J]. 電子政務， 2019（5）：27-37.

[30]周恩毅， 張文培. 數字賦權背景下民眾訴求與政府回應的互動邏輯[J]. 河南師范大學學報（哲學社會科學版）， 2023（4）： 22-27.

[31]曾潤喜， 黃若怡. 地方政府對網絡問政的信息注意力分配的層級差異研究[J]. 情報雜志， 2021（8）： 127-135.

[32]宋海生， 張萬朋， 楊創， 等. “雙減”政策的網絡輿情特征、公眾關注與政府回應——基于全國網絡問政平臺的大數據研究[J].基礎教育， 2022（3）： 44-58.

[33]楊良偉. 協同惰性、問責壓力與地方政府回應——基于A市網絡問政平臺的混合研究[J]. 電子政務， 2022（12）： 23-34.

[34]李鋒， 馬亮. 領導重視與數字政府回應力——基于雙重差分與合成控制法的實證分析[J]. 公共管理評論， 2021（1）： 68-90.

[35]段哲哲， 劉江. 網絡問政的政府回應邏輯： 公開承諾壓力與選擇性回應——基于66個政府網站領導信箱的實驗設計[J]. 浙江工商大學學報， 2019（4）： 79-89.

[36]李傳軍， 李懷陽. 公民網絡問政與政府回應機制的建構[J]. 電子政務， 2017（1）： 69-76.

[37]邵梓捷， 楊良偉. “鐘擺式回應”： 回應性不足的一種解釋——基于S市地方領導留言板的實證研究[J]. 經濟社會體制比較，2020（1）： 114-122.

[38]常多粉， 鄭偉海. 網絡問政時代政府回應如何驅動公眾參與——基于領導留言板面板數據的實證分析[J]. 社會發展研究，2023（2）： 139-159，245.

[39]宋向嶸. “線上”回應與“線下”治理： 網絡問政效果耦合影響因素研究[J]. 電子政務， 2020（5）： 112-124.

[40]王磊， 易揚. 公共衛生危機中的數字政府回應如何紓解網絡負面輿情——基于人民網“領導留言板”回復情況的調查[J]. 公共管理學報， 2022（4）： 65-78，169.

[41]馬寧， 于光， 閆相斌. 基于輿情評論數據挖掘的政府回應策略優化方法研究——以新冠疫情援助物資使用輿情事件為例[J]. 電子政務， 2021（9）： 23-35.

[42]劉冬梅. 精準回應： 以“互聯網+”紓解基層社會矛盾的創新探索[J]. 探索， 2016（5）： 80-85.

[43]姚蘭， 王曉， 段堯清. 多層級政府回應信息協同網絡結構分析[J].情報理論與實踐， 2021（9）： 114-121.

[44]易承志. 互聯網傳播對城市居民環境訴求的影響方式與政府回應路徑[J]. 西南民族大學學報（人文社會科學版）， 2020（12）：149-156.

[45]馬海云， 楊欣誼. 面向用戶健康賦能的健康領域知識服務研究[J].圖書與情報， 2023（1）： 101-109.

[46]王昕宇， 李陽. 面向公眾科普需求的應急救護知識服務平臺構建與運行機制研究[J]. 現代情報， 2021（12）： 79-88.

[47]楊善林， 丁帥， 顧東曉， 等. 醫療健康大數據驅動的知識發現與知識服務方法[J]. 管理世界， 2022（1）： 219-229.

[48]馬費成， 周利琴. 面向智慧健康的知識管理與服務[J]. 中國圖書館學報， 2018（5）： 4-19.

[49]林海倫， 王元卓， 賈巖濤， 等. 面向網絡大數據的知識融合方法綜述[J]. 計算機學報， 2017（1）： 1-27.

[50]趙志耘， 劉耀， 朱禮軍， 等. 復雜信息環境下知識組織和再利用模式與方法研究[J]. 情報學報， 2022（12）： 1266-1279.

[51]李賀， 劉嘉宇， 沈旺， 等. 基于模糊認知圖的在線健康社區知識推薦研究[J]. 數據分析與知識發現， 2020（12）： 55-67.

[52]程為， 鄭德俊. 面向知識服務的多模態資源知識重組研究[J].情報理論與實踐， 2023（1）： 168-178.

[53]馬慧芳， 張迪， 趙衛中， 等. 基于超圖隨機游走標簽擴充的微博推薦方法[J]. 軟件學報， 2019（11）： 3397-3412.

[54]段堯清， 姚蘭. 政媒融合問政平臺非正式文本自動分類匹配研究[J]. 情報理論與實踐， 2020（6）： 156-161，148.

[55]陳美， 孫瑞乾. 政策工具視域下我國省級數字經濟政策文本的量化分析——基于LDA的主題社會網絡分析[J]. 情報雜志，2023（11）： 174-182.

[56]曾小芹. 基于Python的中文結巴分詞技術實現[J]. 信息與電腦，2019（18）： 38-39，42.

[57]ZENG L Y， LI R Y M， MAO Y Y， et al. A comparative study on LinkedIn and Sina Weibo users’ perceptions of the carbon-neutral city [J]. Frontiers in environmental science， 2022. DOI：10.3389/fenvs.2022.962367.

[58]LEE S， MOON H. Semantic analysis of transportation related Researches[Z]. 2017 Ieee 6th International Congress on Big Data（Bigdata Congress 2017）. 2017： 545-548. DOI：10.1109/BigData-Congress.2017.83.

[59]SOHANGIR S， WANG D D， IEEE. Document understanding using improved Sqrt-Cosine similarity [Z]. 2017 11th Ieee International Conference On Semantic Computing （ICSC）. 2017： 278-279. DOI：10.1109/ICSC.2017.12.

（文字編輯：徐朝科 責任校對：王香麗）

基金課題：安徽省哲學社會科學規劃青年項目“公眾參與地方政府社會治理創新眾包的驅動機理、效果評估與提升對策研究”（AHSKQ2022D064）。