文献量化视角下人才引进政策评估

构建政策文本分析理论模型,基于2007—2017年我国中央、部分省市政府颁布的人才引进政策文本数据库和语料库,运用文本计量法和内容分析法分析区域人才引进政策属性指标的分布态势及其关联关系,构建人才引进政策评价指标体系及其量化标准手册,并将此成果应用于区域人才引进政策综合评价实证分析中。研究发现:(1)基于理论模型指导的政策文本内容量化研究有效实现非结构化政策文本数据的结构化转换,在检验政策文本的一致性、描述比较各区域人才引进政策制定与实施状况的差异性等方面颇具优势;(2)不同区域人才引进政策的综合指数测算结果存在较大差异性而呈不均衡状态,且在具体政策工具选择与运用上显著不同;(3)基于政策文本内容分析所构建的人才引进政策评价指标体系及其量化标准手册具有一定的应用推广性。     

中国高校大学生体育锻炼心理指向性的价值探析价值探析

本文运用文献资料法等研究方法挖掘大学生体育锻炼心理指向性价值,其表现在体育锻炼与心理指向性的价值研究匮乏;测量标准与评价指标缺乏量化;定量与定性研究设计少,成果性价比低;相关机制干预研究不足,并得出如下对策：正视体育锻炼心理指向性价值;科学的测绘标准,创新指标量化方法;设计大学生体育锻炼合理化的运动处方;相关研究的理论机制进行科技化渗入与结合,从而培养大学生体育锻炼心理指向性的心理价值取向。     

文献量化视角下人才引进政策评估研究*

人才引进政策是吸引人才、集聚人才并使之发挥能动作用的重要依据,是决定人才的去留、人才队伍的稳定和人才作用发挥的关键,比较各地出台的人才引进政策,寻找政策差异并提出改进建议,对于推动区域经济发展至关重要。本文以构建的政策文本分析理论模型为指导,基于2007-2017年中央、部分省市政府颁布的人才引进政策文本数据库和语料库,运用文本计量法和内容分析法分析了区域人才引进政策属性指标的分布态势及其关联关系,构建了人才引进政策评价指标体系及其量化标准手册,并将此成果应用于区域人才引进政策综合评价实证分析中。研究发现：(1)基于理论模型指导的政策文本内容量化研究,有效实现了非结构化政策文本数据的结构化转换,在检验政策文本的一致性、描述比较各区域人才引进政策制定与实施状况的差异性等方面颇具优势;(2)不同区域人才引进政策的综合指数测算结果存在较大差异性而呈不均衡状态,且在具体政策工具选择与运用上显著不同;(3)基于政策文本内容分析所构建的人才引进政策评价指标体系及其量化标准手册具有一定的应用推广性。     

融合创新价值链和文本关联挖掘的我国人工智能政策扩散特征研究

[目的/意义]针对现有基于文本挖掘的政策主题扩散特征研究中文本主题识别的随机性和高度依赖人工等不足,提出一套基于创新价值链理论的政策主题分析框架及对应的文本挖掘方法,从而更好地识别政策扩散过程中政策内容变化的特征以及背后潜在机制。[方法/过程]以我国人工智能政策为实证对象,在理论上构建了基于创新价值链的政策文本主题分析框架,在方法上基于依存句法和语义信息抽取政策文本关键短语结构,通过构建分析框架主题与短语结构词汇的一一映射关系词典来完成对政策文本主题扩散分布的计算。[结果/结论]采集了自2017年以来的110份人工智能政策文本,分析了人工智能政策扩散时间分布、空间层级、内容扩散程度特征和主题扩散分布特征,在此基础上将政府主题扩散倾向性与其发展阶段所处梯队作为定序变量,从而分析两者关系以及背后的潜在机制。由此证明了本文所提方法可有效融合文本挖掘方法和政策分析理论,有助于从对政策扩散特征的描述性分析走向对政策扩散机理的解释性分析。     

韧性理论在能源系统问题研究中的应用综述

基于对韧性理论研究的回顾,论述将韧性理论引入能源系统问题的研究价值;在此基础上阐释能源系统韧性的概念框架;从能源系统研究对象、能源系统的扰动因素、能源系统韧性的量化评价方法以及韧性提升路径等方面,构建能源系统韧性的研究框架;最后探讨能源系统韧性研究可能面临的问题和挑战。通过分析发现,能源系统韧性的研究具有理论价值和实践意义,但目前主要关注韧性的概念内涵和评价指标体系构建,对于能源系统韧性的形成机制、动态演变过程、扰动因素的作用机理、韧性评价模型的验证与应用等议题还有待深入研究。     

基于程度词典优化的中文科技规划文本分析

[目的/意义]明晰政策意图是当前政策文本量化分析的重要目标。结合基于中文政策文本词汇语义强度差异构建的程度词典的政策文本量化分析，具备高效识别政策意图的潜力。然而，现有程度词典存在词语数量少、权重设计单一、缺乏应用场景的问题，有必要开展进一步的优化与应用研究，以深化中文政策文本语义挖掘以及政策研究实践。[方法/过程]参考已有程度词典构建方法，使用不同类型的政策文本语料进行程度词数量的扩展，利用专家调查法进行程度词权重的优化，以近20年我国综合性科技规划文本为例，使用优化后的程度词典进行科技政策文本重要内容的识别与分析。[结果/结论]优化得到的分级程度词典具有信度和效度。使用程度词典分析科技政策时，可结合科技政策文本特有的体系结构，从多个层面细致地梳理政策的主要关注点及其发展演变，还可根据实际需求选择合适的分析粒度，开展问题导向型的中文政策研究或实践。     

融合LDA模型的政策文本量化分析——基于国际气候领域的实证

政策文本是政策生命周期的核心要件,对其进行多种维度的内容挖掘与国内外的对比分析不但有利于指导政策的制定,还有益于把握国际局势,以提升国家软实力。对于政策文本内容的量化研究而言,目前的学术成果采用的方法主要有基于数理统计的内容分析类、文献计量类、社会网络分析类、文本挖掘类等方面。文章选取国际气候领域作为试点对象,采用主题模型的新视角,对采集到的政策文本数据进行基于语义的主题挖掘,并同时融合词频及分布形态研究、时间离散化、实证研究等方法综合对比分析我国与美国、欧盟的气候政策情况。最后,根据数据证据为我国相关政策的制定提出完善建议。     

科研项目价值导向对公众参与意愿的影响

合理的科研项目价值导向有助于促进公众参与、加强科研产出、提升公民素养和改善科研投资绩效。基于扎根理论,将公众科学项目的研究价值文本描述划分为问题导向型、认知导向型与目标导向型。采用文本挖掘方法,依据扩展后的关键词列表对公众科学项目的研究价值描述文本进行价值导向分类。采用来自Experiment平台上1456个公众科学项目作为研究语料,分别构建以融资金额和参与人数为因变量的两个计量模型,探究价值导向对公众参与意愿的影响,并比较了发起人身份、学科类别和融资目标对价值导向的影响。研究结果表明,约46%的公众科学项目采用目标导向;而约30%的项目采用认知导向;其余项目则采用问题导向。采用认知导向的项目的公众参与意愿显著高于另外两类价值导向,表明公众科学应致力于普及公众科学知识。同时,本文发现大学教授倾向于问题导向;研究生更多使用目标导向;业余研究者习惯使用认知导向。在这三类社会角色中,价值导向的影响具有一致性：认知导向影响最大,且显著优于另外两类价值导向。对自然科学类项目和人文社会科学类项目的差异分析发现,认知导向的优势主要来自自然科学类项目。对融资目标的稳健性检测发现,融资目标对三类价值导向...     

国家科技创新政策的主题分析与演化过程 ——基于文本挖掘的视角

政策文本内容深度挖掘有助于梳理政策演变轨迹并客观剖析政策与实践存在的脱节问题。基于学术界对科技创新政策整体性、系统性把握不足,采用文本挖掘技术对我国1996—2017年国家科技创新政策典型文本数据进行分析。通过Rwordseg技术提取关键词、构建关系矩阵。据此,采用K-means聚类将国家科技创新政策按内容和性质进行主题分析。其中,内容聚类结果包含八类政策主题,性质聚类结果包含三类政策主题。进一步地,采用多层多维交叉视角分析国家科技创新政策演化过程,结合科技创新实践报告,对政策文本的有效性进一步分析。研究发现不同内容、性质和效力政策在科技创新发展的各阶段表现出差异性和失配特征,据此凝练出政策演化规律,并提出了政策完善的针对性建议。研究结果能够对科技创新政策体系的理论完善形成有益补充,同时为国家科技创新实践提供现实指导。     

基于功能分析的专利技术产业化适用性研究

本文在梳理概括了国内外专利文本挖掘技术研究进展基础上,探索建立一种基于对专利文本中特定动宾(AO)结构进行挖掘分析的专利功能分析方法,并通过专利功能的定义、提取和分析将专利技术与相关产业进行对接,实现了从专利文本中识别产业化的潜在领域。更为重要的是,本文提出了描述专利技术功能效用的S曲线和S指数,完善和改进了专利技术产业化适用性量化评价模型,并定义了该模型中的S指数、专利功能的绝对重要性指数(AI)和专利功能的相对重要性指数(RI)三个评价指标。最后,以具备"reduce PM2.5"功能的专利为例,验证了基于功能分析的专利技术产业化适用性评价模型的可行性,为中国专利技术产业化路径选择提供了新思路。     

一种基于语义的中文文本分类算法

针对向量空间模型中语义缺失问题,将语义词典（知网）应用到文本分类的过程中以提高文本分类的准确度。对于中文文本中的一词多义现象,提出改进的词汇语义相似度计算方法,通过词义排歧选取义项进行词语的相似度计算,将相似度大于阈值的词语进行聚类,对文本特征向量进行降维,给出基于语义的文本分类算法,并对该算法进行实验分析。结果表明,该算法可有效提高中文文本分类效果。     

A cognitive emotion model enhanced sequential method for social emotion cause identification

Social emotion refers to the emotion evoked to the reader by a textual document. In contrast to the emotion cause extraction task which analyzes the cause of the author's sentiments based on the expressions in text, identifying the causes of social emotion evoked to the reader from text has not been explored previously. Social emotion mining and its cause analysis is not only an important research topic in Web-based social media analytics and text mining but also has a number of applications in multiple domains. As the focus of social emotion cause identification is on analyzing the causes of the reader's emotions elicited by a text that are not explicitly or implicitly expressed, it is a challenging task fundamentally different from the previous research. To tackle this, it also needs a deeper level understanding of the cognitive process underlying the inference of social emotion and its cause analysis. In this paper, we propose the new task of social emotion cause identification (SECI). Inspired by the cognitive structure of emotions (OCC) theory, we present a Cognitive Emotion model Enhanced Sequential (CogEES) method for SECI. Specifically, based on the implications of the OCC model, our method first establishes the correspondence between words/phrases in text and emotional dimensions identified in OCC and builds the emotional dimension lexicons with 1,676 distinct words/phrases. Then, our method utilizes lexicons information and discourse coherence for the semantic segmentation of document and the enhancement of clause representation learning. Finally, our method combines text segmentation and clause representation into a sequential model for cause clause prediction. We construct the SECI dataset for this new task and conduct experiments to evaluate CogEES. Our method outperforms the baselines and achieves over 10% F1 improvement on average, with better interpretability of the prediction results.     

文本挖掘在网络舆情信息分析中的应用

网络舆情已成为社会情报的一种重要表现形式.挖掘技术为网上大量以非结构化数据形式出现的舆情信息分析提供了方法和技术支持.介绍了网络舆情的特点与作用,分析了文本挖掘技术的主要功能,提出网络舆情信息挖掘分析模型,并以实例说明文本挖掘在网络舆情分析中的应用.     

Should We Be Concerned That the Elderly Don't Text?

The elderly are generally “out of the loop” when it comes to texting and other new technologies. On the one hand, the elderly do not often send text messages and thus signal their ability and willingness to use the medium. On the other hand, stereotyping by the younger users perhaps inhibits them from sending text messages to the elderly. Is the non-use of texting by the elderly because of self-exclusion or lack of exposure or both? Should this be of concern to us?     

我国知识管理研究主题变化的计量分析

 随着中文文本挖掘技术的不断发展,使以内容分析为基础的科技文献计量成为可能。本文以我国知识管理研究出现以来的5000余篇学术期刊载文为分析对象,以特征选择算法抽取出10,000个特征词为基础,采用向量空间模型（VSM）和文本挖掘技术中的有序聚类方法,揭示出知识管理学科领域的研究内容在我国经历的三个发展阶段,同时还从特征词入手对这三个发展阶段的研究特点进行了归纳总结。将文本挖掘的相关技术应用到学科领域发展的研究中是一个很有意义的尝试,也为今后相关领域的研究工作起到一个很好的借鉴作用。     

基于虚拟社区体验的四元互惠战略模式

随着虚拟产品社区和品牌社区的发展,如何利用社会化媒体平台给顾客带来积极正向的体验成为各大企业不得不面临的重要问题。通过梳理前人研究,从顾客体验和社会化媒体的视角,选取了虚拟社区体验的26个指标并进行因子分析,归纳出功利体验、享乐体验、社会体验和可用体验四大维度;同样地,对顾客态度的维度进行梳理,共选取29个指标,通过因子分析归结为顾客对产品、对品牌和对企业的态度三大维度。最后以虚拟社区体验维度为自变量,以顾客态度为因变量,建立三个回归模型,阐释了虚拟社区体验对顾客态度的影响机理,丰富了顾客体验理论的研究成果,能为相关学者提供有价值的理论和实践指导,同时提出的四元互惠战略发展模式有助于企业管理客户关系、制定品牌战略和公司发展战略,能为相关学者提供有价值的理论和实践指导。     

基于共词分析方法的“能量流动”国内外研究述评

本文以CNKI和Science Direct为数据源,运用共词分析方法,同时结合多维尺度分析和战略坐标分析方法,对国内外"能量流动"的相关文献进行统计分析。结果显示,国内"能量流动"的研究核心是运用物质流和能值的方法探讨生态系统的可持续发展问题,围绕核心,延伸出生物链/网体系、微生物分解、生态群落结构以及新能源这4个研究方向,其中研究最成熟的方向是生物链/网体系中的能量流动,通过定量分析提高对生物量和生产力的认知。国外"能量流动"的研究核心由"消耗"、"节约"和"评价指标"组成,围绕核心形成了模型分析、气候变化、生命周期评价、能量测度指标和中国这五个研究方向,其中研究最成熟的方向是生命周期评价,探讨了众多可再生能源和碳排放问题;模型分析的方向对经济发展尤其是工业的环境影响进行了能量流动视角的测度,研究也比较成熟。综合看,国内从生态维度探讨能量流动的研究居多,国外从经济维度和社会维度探讨能量流动的研究比较丰富,在未来的研究中,需要加强气候变化、能量测度指标这两个方向,国内学者尤其要更多地引入能量流动的视角来研究中国的经济系统和工业系统及其相互作用过程的能量消耗规律。     

构建面向宏观调控的决策支持系统

面对宏观经济各种运行态势，政府将采取不同的宏观调控手段以保持经济长期稳定、健康发展。本文针对政府制定宏观调控政策的工作任务，分析了面向宏观调控决策过程的基本需求，构建了一个基于数据仓库的宏观调控决策支持系统的框架。该系统的主要特点是在数据挖掘和文本挖掘的基础上，进行数据分析和指标预测，从经济周期的完整过程对宏观调控政策效果予以评价，从而为宏观调控政策的选择提供参考。     

Social media competitive analysis and text mining: A case study in the pizza industry

Social media have been adopted by many businesses. More and more companies are using social media tools such as Facebook and Twitter to provide various services and interact with customers. As a result, a large amount of user-generated content is freely available on social media sites. To increase competitive advantage and effectively assess the competitive environment of businesses, companies need to monitor and analyze not only the customer-generated content on their own social media sites, but also the textual information on their competitors’ social media sites. In an effort to help companies understand how to perform a social media competitive analysis and transform social media data into knowledge for decision makers and e-marketers, this paper describes an in-depth case study which applies text mining to analyze unstructured text content on Facebook and Twitter sites of the three largest pizza chains: Pizza Hut, Domino's Pizza and Papa John's Pizza. The results reveal the value of social media competitive analysis and the power of text mining as an effective technique to extract business value from the vast amount of available social media data. Recommendations are also provided to help companies develop their social media competitive analysis strategy.