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-杨慧.pdf

《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-杨慧.pdf》由会员分享，可在线阅读，更多相关《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-杨慧.pdf（11页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、2016年5月 现代情报 May，2016笙三鱼鲞篁!塑 型堡丝堡竺型型竺 !堕；堑 型竺：!应用研究融合LDA模型的政策文本量化分析基于国际气候领域的实证杨 慧1，2杨建林12(1南京大学信息管理学院，江苏南京210023；2江苏省数据工程与知识服务重点实验室，江苏南京210023)摘要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

2、，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。关键词LDA；模型；政策文本；主题挖掘；量化分析；R语言；国际气候领域13(3l：10 3969iissn10080821201605012(中图分类号G202 (文献标识码A (文章编号10080821(2016)05007111Quantitative Analysis of Policy Text Merged with LDA ModelBaSed on the Fi

3、eld of Intemational Climate as DemonstrationYang Huil2 Yang Jianlinl2(1School of Information Management，Nanjing University，Nanjing 210023，China；2Jiangsu Key Laboratory of Data Engineering and Knowledge Service，Nanjing 210023，China)Abstract)As the core component of the life circle of policy，the polic

4、y text is worth being analyzed from the删e of multidimensional content mining and internationally contrasfive analysis，which is conducive to the guidance of policymaking，themastery of international situation and the pmmofion of national soft powerTo the dimension of the quantitative researches of the

5、policy text。the methods of the current researches are related to certain methods such as content analysis based on mathematicalstatistics，bibhometrics，social network analysis and text miningThis article chose international climate field as experimental Unit，and apphed topics mining based on semantic

6、 aspect to the gathered policy text data from the flew perspective of topic modelMeanwhileby merging study of word frequency and distribution，time discretization，empirical study and other methods，this ar。ticle made comprehensive and contrasfive analysis of climate policy of China，EU and US，and propo

7、sed suggestions to the relatedpolicymaking based on data evidence as the conclusionsKey wordsLDA；model；policy text；topics mining；quantitative analysis；R language；international climate field政策法规原始文本作为一种特殊类型的文献具有期刊论文、专利文献等信息资源无法比拟的权威性、严肃性、约束力。其广义上的文本内涵表现为由国家或地区的各级权力或行政机关以文件形式颁布的法律、法规、部门规章等官方文献，通常被统称为政

8、策文本。学术界对于政策法规的研究由来已久，研究对象涵盖政策法规的制定、执行以及效果、环境变量和反馈等重大方面，研究触角遍及政策法规的整个生命周期，采用的量化分析手段涉及运筹学、收稿日期：2016一0108基金项目：国家社会科学基金项目“社会化信息搜寻认知模型研究”(项目编号：149rQ046)研究成果之一。作者简介：杨慧(1992一)，女，硕士研究生，研究方向：数据挖掘、信息检索。一71万方数据2016年5月第36卷第5期 融合LDA模型的政策文本量化分析May，2016V0136 No5系统论与控制论、计量经济等众多领域。以上的研究切面很多是跳出政策文本，进行宏微观环境的模拟与探讨。作为社会

9、的风向标以及生命周期的核心要件，相对于整个生命周期瑰丽的量化分析手段而言，政策文本的量化分析手段则较为简约，亟待开发与拓展。相对单调的量化分析手段与政策文本自身的特性休戚相关。作为文本对象，政策文本的研究方式源于文献解读，即在思辨的基础之上结合研究者的专业素养和政策领悟，通过分析政策文本的谋篇布局以及修辞与表述方式，探测出相关政治立场，并基于此进行深度解读或政治变迁的预测与估量。然而，当思辨形式的文本解读无法满足学术界关于理性主义、科学主义的诉求，以试图弥补以往研究的模糊性、经验性的量化主义便开始萌芽与发展。量化主义着手于从政策文本的外部特征和内容特征发现数量规律与政治现象，研究方式不仅是基于

10、单篇文本层面的微观统计，还涉及特定领域大批量文本的宏观计量。纵观政策文本量化分析的历史进程，时至今日，在循序渐进中已经形成几条较为可行的研究方法与基本范式，笔者认为可以归纳为以下几大方面：基于数理统计的内容分析类。模式表现为基于一定的理论工具，提出基本的文本分析框架并制定量化标准，采用多人编码或者专家打分的方式，从不同维度来测度文本的基本单元和内涵。典型的流程如国内学者盛亚等人在研究创新政策中的利益相关者时，通过引入Rothwell等学者有关政策分类工具的理论成果，制定分类维度与内容编码标准，融合抽样以及多组多轮的分析方式，在结果的信度水平满足基本要求的情况下得出研究结论。文献计量类。旨在将传

11、统的文献计量方式迁移至政策文本，并在此基础上进行创新。李江【2j等学者提出“Policiometrics”即政策计量学这一概念，认为其是一种研究政策文本外部和内容结构属性的定量分析方法。研究切入点不仅涉及关键词共现、发文主体以及年份计量、政策类型及效力等传统视角，还包括文本内容中参照分析以及知识扩散等方面。社会网络分析类。政策文本的社会网络分析视角常与文献计量方法融合交汇，不同的是，社会网络分析视角更加注重融合图论和传播学知识，注重从宏观视角展现政策文本中所隐含的关系网络、语言关联、行动关系。如张永安J等学者就运用社会网络分析法描绘出了相关领域政策发文主体的关系网络图谱。文本挖掘类。在以往的定

12、量分析方法均存在人力耗损较大、信息抽取方式过于简单、内容细节容易被忽视等情况下，部分学者开始尝试文本挖掘视角，这也是本文随后探讨的主要方面。综合方法。通过对以上方法进行两两或多方融合并辅以其他特定分析手段，力求从多角度进行文本内容的全方位探讨。这种融会贯通的量化分析偏好将成为政策文本分析今后发展的重要方向。通览上述方法的特性，不难发现文本挖掘的应用程度一72一将成为提升政策文本量化分析成熟度的关键。其丰富的研究手段不仅能够从政策文本中发掘出潜在的信息与知识，还能够凭借技术理性和机器效率完成文本内容多种维度的特征识别与信息抽取，为内容分析和政策文献计量等方法提供坚实的数据基础与效率支撑。由于政策

13、文本有诸多特性，目前文本挖掘对其的应用程度尚不高，研究处于起步期。针对政策文本的高词项维度、多主题分布特征，本文将主题挖掘技术引入政策文本分析，通过基于主题的语义降维，探知政策文本潜在的主题内容及演化趋势。为使研究成果能够反映当下热点并更具实际价值，本文选取气候领域作为研究对象，因为随着发达国家碳资本主义的发展以及发展中国家能源消耗的加强，气候问题日益突出并国际化。由于不同国家或者地区的经济发展水平、战略利益等方面彼此不同，气候政策制定存在差异，因此基于主题挖掘来对比分析相异的气候政策的内容及发展趋势，能够利于把握国际气候治理局势并提高国家的软实力，对我国气候政策的制定具有重要的意义。本文的研

14、究目的在于从主题分析的理论角度推进政策文本挖掘进程，并结合气候领域的分析实践验证主题挖掘的可行性及性能，最终根据研究结论为国家气候治理提供建议。1相关工作11政策文本挖掘研究进展文本挖掘技术是指可以从文本中获得隐含知识的一类技术的统称，相关研究与应用兴起于20世纪90年代，处理的对象从最初的非结构化文本逐步扩展到半结构化的网页，再进一步延伸至专利文献、科技报告等特殊类型的非结构化文本。随着政策文本量化分析的需求逐渐凸显，以及文本挖掘技术在众多领域所实现的璀璨价值，有学者开始尝试将文本挖掘前沿技术应用于政策文本的内容分析。例如，Prior等人(2012年)【4对英国的卫生领域的政策文件进行比较研

15、究，基于政策文本叙事结构的特征识别，将文本挖掘策略与语义网分析相结合，揭示出政策文本内容的基本元素；Talamini与Dewes(2012年)bJ对巴西有关科研机构的学术文献以及政府公文施行文本挖掘，从宏观环境维度和dwords视角抽取高质量文本内容，从而对比分析液体生物燃料的科研成果与实际政策问的差异；Li Jiexun等人(2010年)6 3提出了一个名为政策过程挖掘(Policybased Process岫)的新方法，将文本挖掘算法融入商业政策文本，以完成特定信息自动抽取；刘兴(2011年)【7 J通过融合正则自动机模型、改进的，IF算法以及朴素贝叶斯算法(Naive Bayes)实现了

16、税收政策公文识别；苏变萍(2008年)【8 J改进了文档自动分类模式，提出了面向政策法规web文本的一种动态可扩展的分类方法；熊小梅(2007年)19 J构建出法律案情文本分类系统，利用潜在语义分析技术进行万方数据2016年5月第36卷第5期现代情报Journal of Modem InformationMay2016V0136 No5文本二次降维，并使用支持向量机(Support Vector Machine)以及K近邻(KNearest Neighbour)技术测试文本分类。综合当下的研究成果，可以发现政策文本挖掘的成熟度和丰富度均有待提升。一方面从研究成果“量”的角度来看，政策文本挖掘类

17、文献较少，其学术投入的加强对改善政策内容分析定量不足而定性有余的整体态势具有实际意义。另一方面从研究成果的“质”上来看，当下政策文本挖掘类成果的研究视角主要集中在信息抽取、分类、聚类以及词项降维等方面，基于语义视角的技术补充则成为接下来的重要工作。由于主题挖掘技术的语义价值以及在降维方面的特殊作用，将其应用于政策文本分析以实现主题抽取则更具实际效用。12主题挖掘的发展概况以及政策文本的主题模型适用性论证主题挖掘技术伴随着自动文摘的研究而产生，其兴起始于学术界有关提升文本挖掘效能和深度的需求，技术开始从词项间的语义视角探知文本内容结构。随着单篇文档的局部主题无法满足研究需求，以及文本聚类、分类迫

18、切需要语义视角的补充，基于大规模语料库的多文档主题挖掘便成为研究热点。目前相关研究内容主要包括探知主题外延、主题内涵、主题寿命、主题强度、主题迁移以及主题问的关系等，分析手段主要包括基于主题模型、基于网络图、基于词汇链的构造、基于共词分析等。主题模型是主题挖掘常用手段，被广泛用于自然语言处理和机器学习。其产生源自1990年Deerwester SC等人提出的潜在语义索引(LSI)，以及随之发展的概率潜在语义索引(pISI)。随后，David M Blei等人拓展了pLSI，提出了一个更完善的概率生成模型，即潜在狄利克雷分配模型(LDA)。作为非监督机器学习技术，IDA成为使用最为广泛的主题模型

19、，现在的主题模型大多是基于其的扩展，如CTM、LabeledLDA、PAM。目前，LDA的使用范围遍及文本情感分析、微博主题挖掘、话题追踪、垃圾评论屏蔽、知识挖掘、计算机视觉以及生物医学等领域，并由学术界逐渐延伸至工业界，已经发展成较为成熟的主题分析方法。对于政策法规这类特殊文本而言，由于其词项的高维特性，传统的基于相似性度量的分类和聚类等文本挖掘技术实施后的结果则缺乏可解释性，而其多主题特性则致使基于词频和内容结构规则的主题归纳方法失去实用价值。然而，主题模型则提供了新型语义降维与探索主题结构的新方法，将成为解决以上两大核心问题的关键技术。因为，主题模型具有清晰的层次结构，不仅能够从语义视角

20、将高维的“文档一词项”分布映射至低维的“文档一主题”、“主题一词项”分布，从而将基于语义的“中层特征”(即主题)取代“底层特征”(即词项)，达到更具意义的文本降维，还能够将文本主题结构及其分布量化的展现出来，并挖掘出定性的角度难以归纳出的潜在语义关系，从而定量的实现政策法规这类特殊文本的多主题分析价值。此外，对于大规模语料库，主题模型的适用性和支持性均较为突出，这也使得分析大容量的政策法规文本库可行性较大。基于以上论断，本文将采用LDA主题模型进行气候领域政策法规原始文本的主题挖掘实践。2数据来源和处理方法21 采集对象依据UNFCCC(联合国气候变化框架公约)历史缔约方的气候治理态度，参与气

21、候国际谈判的国家或地区可被分为领跑者、伞形国家、发展中国家和特殊利益集团3种主要类型【101。本文选取欧盟、美国、中国分别作为这3种类型的典型代表，以发布的气候政策文本作为分析对象，进行主题挖掘与对比分析。为确保分析对象的可比性，本文聚焦最高层面的政策法规，因为顶层设计基本反映了一个国家或者地区的整体规划。此外，气候与能源、环境等国家核心架构联系密切，很多有关气候的政策法规其核心主题并不是气候，而是能源、环境等，这样的政策文本显然不能作为本文的主要数据来源，否则会形成较大的偏差。本文所采集的政策文本明确限定于标题包含气候的政策法规。22数据来源由于三方的法律体系、政府机构、公文类型均有差异，本

22、文以政府官方门户发表的公文情况为基准，利用爬虫抓取门户上的目标法律、法规、政策文件。本文将政策文本大类定义为：法律(法律、草案、议案等形式)、政府公布的所有相关类型的文件(所有相关部门或委员会公布的条例、政策、白皮书等)，数据抓取时间为2015年7月。221欧盟欧盟法除了成员国国内法外，主要包括条约、二级法、补充法3个层面。有关欧盟的联盟层面的政策法规在官方门户EURLex(urI：http：eurlexeuropaeuhomepagehtml)均可以查到。符合要求的文件类型为除ConsolidatedLegislation(合并立法)和Parhamentary Questions(议会疑问)

23、外的所有类型，实验最终抓取满足条件的文件共计249份。222美国美国是宪政联邦共和制国家，有关美国的法律(包括议案)在国会门户(urhhttps：wwwcongressgov)均可获得，联邦政府以及相关部门的政策文件来自GPO(美国政府出版办公室，url：http：wwwgpogov)的FDsys(美国政府出版办公室联邦数字化系统)。该系统提供了美国政府自90年代以来的官方文件。根据文件集的简介，选择满足条件的文件集作为文件来源，融合两大门户最终抓取文件754份。一73万方数据2016年5月第36卷第5期 融合LDA模型的政策文本量化分析223 中国全国人大是中国的最高权力机关，享有立法权。国

24、务院(即中央人民政府)是最高行政机关的执行机关。我国政策文本的采集理应来自这两方。由于政府门户公布的信息仅是近年的，日一检索界面不够友好，故将数据来源替换为“北大法宝”(url：http：wwwpkulawca)，目前国内最为权威的法律法规信息检索系统。筛选数据集后，最终抓取文件86份。23基于R语言的主题挖掘模型构建政策文本具有典型的长文本特性，其政治术语较多，语义表述较为完整。同微博等个人类短文本不同，政策文本并不涉及较多的情感词汇，也不涉及千变万化的表达习惯和个性标签，其内容的特征单元词往往具有规范性与文本间的连续使用性。此外，与学术文献等不同，政策文本L一May，2016v0136 N

25、o5往往不具有摘要类结构，其内容结构随着政策类别或政策领域而形态各异。因此，对政策文本内容的挖掘往往是基于政策全文的。由于基于词频热度的主题词表达热点主题的能力有限。语义层面的主题分析则成为关键的补充。本文通过融合词项层面和语义层面的分析视角进行政策文本的主题研究，并在以内容特征作为挖掘对象的基础之上，加入时间窗151的外部特征，利用主题的时间离散化以进行趋势分析。本文构建了基于R语言的主题挖掘模型(见图1)。模型整体由左上角政府官方门户开始至右下角主题强度迁移结束，共分为五大模块：政策法规数据的采集与语料库的建立；文本预处理；Ngaam模型；高维数据降维与信息过滤；LDA主题模型与模型参数的

26、构建。此外，虚线框及其右上方标识代表相应的R语言模块。图1基于R语言的政策文本主题挖掘模型示意图231文本预处理施行数据清洗后，得到欧盟228件、美国751件、中国84件文本。英文：对原始文本进行基础字符处理，创建融合政策法规常规停用词的针对性停用词表，使用Porter词干提取算法H“对语料库文档进行词干化。中文：采用Rwordseg(原理为利用rJava调用基于中科院中文分词算法ictclas的开源工具Ansi)进行中文分词，加载搜狗专业词典23个(其中包括气象、能源、法律政策等领域专业词汇)以提升分词效果，融合哈工大停用词表、四川大学机器智能实验室停用词库、政策特征停用词以进行停用词处理。

27、232 Ngram模型在进行文本挖掘时，仅分析单词显然不能满足要求，如“text mining”中的元素“text”单独出现没有实际分析价值。Ngram模型可以避免单词分析的不足，其基本思路为：假设句子S由t个特征项构成，即S=(们l，加2，埘3，机)，且其中一个特征项出现的概率仅与前一1项的概率相关，第i项出现的概率由公式(1)计算所得。公-74-式(1)使用最大似然估计法求取条件概率，公式中的c(W。一。+。，Wi一。+：，WH，Wi)为相应的特征项序列在语料库中出现的次数。RWeka提供了NGraraTokenizer函数，用于基于Ngram的特征项抽取，通过提供最小和最大的元数，将字符

28、串分裂成N元。国外已有学者将NGramTokenizer函数用于银行业的文献主题挖掘引。本文利用该函数，将N区问设置为13，以单词和二三元词组作为研究对象，这样设置的优势是在概率统计的基础上，能将核心词汇和核心词组一并得出。尸(Wi Wl，W2，W3，Wk)=P(wi wIn+l，毗一。+2，、c(wi日+1，wln+2，训Il，wf) ，、Wi-n卢瓦=i而j_藏丁t 1)233高维数据降维与信息过滤降维和信息过滤是实现数据可分析的两项核心任务，二者交互进行。对于政策法规而言，其大多为长文本且信息噪声较大，在预处理过程中会产生十几万甚至更多维数的稀疏矩阵。目前常用的高维数据降维方法可以归纳为

29、3一。丽一辨面一一一臣主一万方数据2016年5月第36卷第5期现代情报Journal of Modem InformationMay，2016V0136 No5大类。纵向投影：利用映射、抽取或者综合的方法将文本集合的特征项由高维转换至低维，如主成分分析(PCA)、潜在语义索引(LSI)、多维尺度分析(MDS)、局部线性嵌入(u正)J。横向过滤：除了使用停用词剔除噪声、提高精度，还包括建立评价函数，筛选分值较高的特征项用于后续挖掘，如1F和TFID一151 6|、信息增益(IG)、互信息(MI)、期望交叉熵(ECE)14J。其他：利用聚类或主题分析等方式，以提取“中间特征”进行降维。本文融合方法

30、，先使用停用词表等基础处理方式，然后剔除TFIDF过低的词项，接着将FIF阈值设置为55，并利用removeSparseTerms函数去除稀疏度达到95以上的词项。通过融合以上处理方法，得到的文档词项矩阵维数更加接近有意义的实质维数，再利用IDA施行语义降维。234 IDA主题模型与模型参数的构建LDA主题模型认为主题是词项的概率分布，文档是多种主题的概率分布，文档集合中的单篇文章以不同概率共享一组主题。IDA融合了贝叶斯理论、Dirichlet分布等成果，是一种对自然语言建模的语言模型。其文档生成过程如下：对一篇文档d，选择主题概率分布疗，且占P(疗J口)；从以上抽出的8中，抽取一个主题z，

31、且zP(z 1口)；从主题z的多项式分布庐中抽取一个单词W，且W。P(W z，口)；对文档中的每个词项重复。求解过程中，口、声分别有带有超参数a和口的Dirichlet先验分布，埘作为观测变量，z、目为隐藏变量，通过选取的参数估计算法，将文档在词项空间的表示转化为文档在主题空间的表示。本文采用topicmodels包进行主题模型的构建，该包在输入数据结构上继承了tm包的特性，因此用于本文的主题模型构建较为合适。根据Grimths利用Gibbs采样技术发现科学主题的实验【151，以及有关Gibbs采样技术和VEM(变化的最大期望算法)的比较【16J，本文选用Gibbs采样技术，并综合Griffi

32、ths的实验将上文提出的IDA模型的两个超参数口和卢分别设置为50K和01，迭代次数设置为1 000次。已知LDA模型有两个重要的输入参数，一个是文档词项矩阵，另一个是主题个数K，其中文档词项矩阵的元素值为词频如本文基于以上前四大模块的文本处理技术，得出文档词项矩阵DTM，并采用Perplexity(困惑度)指标衡量模型5。16 J以选取主题个数K。其中D为文档集，y为词项集，n(jd)表示第i个词项出现在第d个文档中的频率。本文根据文献15中的设定方法，在10。100区问内以10为间隔取样，而后每隔50取样一次，直至主题个数为200，根据实验结果，最终将主题个数设定为欧盟50个、美国30个、

33、中国15个，此时三方的主题模型达到相对较好状态。3政策分析31政策文本高频词汇及其分布形态为更加具体的观测气候政策文本的热点，在经历过上文的词法分析后，选用二、三元词组作为对象，以词频为统计指标。进行词形还原和同义词归并后，选取排名前20的高频词组(见表1)。在欧、美、中气候政策文本热点中，“气候变化”频次最高。此外，本文在进行资料收集时发现，很多国家并没有直接分管气候的专门常规部门，却有“气候变化”问题的专门板块，可见“气候变化”已然成为气候领域的代表性问题。表1政策文本Top20高频词汇及Topl00词频云图一75万方数据0016姜誉是日 融合IDA模型的政策文本量化分析365第 卷第期

34、“。“”7芏”“”“2“ May，V0136 2016 No5虽然美国的文本量比欧盟多，但表1词频表明，欧盟频次前20的词项词频较高，显示出欧盟气候领域关注热点较为集中。此外，作为气候变化行动的领导者，欧盟有关能源的提及较多，包括能源效率、新能源、能源消耗、能源保存。再者，欧盟反复强调Kyoto Protocol(京都议定书)，这一国际气候行动的核心文件，在一定程度上表现了欧盟对国际气候行动的支持。欧盟还反复提及的一个热点便是气候变化适应问题并关注相关适应策略的制定。欧盟致力于具体的减排目标，并在完成度上处于国际领先，“Reduction Target”的出现频率也反映了欧盟气候行动的具体性。

35、对于美国而言，得出的高频词项的含义则相对宽泛。其气候变化涉及到行政部门包括National Oceanic and Atroospheric(NOAA，美国国家海洋与大气管理局)、Departmentof Commerce(DOC，商务部)、Environment Protection Agency(EPA，环境保护署)、Department of Energy(DOE，能源部)。NOAA高频率在一定程度上反映了其在美国气候变化应对方面的核心地位：Climate Change Science Program(CCsP，美国气候变化科学项目)起源于小布什政府，正是因为小布什政府的气候怀疑论，才产

36、生了气候一系列有关气候科学项目的研究：此外，DOC具有如此高的提及频率显示了美国市场因素的热度：对于中国，“气候可行性论证”一词高频出现，其相关政策旨在规范气候资源的合理开发和利用，尽最大努力减轻或者规避一些项目实施后的气候风险。因为中国正处于快速发展时期，经济发展与能源消耗相伴产生，一些项目会很大程度上影响局地气候，为可持续发展，必须进行相关的规范与监管：表2显示，中国还通过节能减排与低碳技术来降低温室气体的排放，国际能源署首席经济学家法提赫比罗尔就表示，中国在过去5年承担了全球低碳技术应用量的40【I 7：。此外，数据还展现了气候变化所带来的水资源分布不均以及极端天气等问题。为从可视化角度

37、透视三方的热词分布，本文根据词频一76一数值降序排列，截取排名前100的二、三元词组制作词频云图(表1最后一行)。其中，词项的频率决定词项的大小，且由于欧盟、美国前3个词组以及中国第一个词组的频率过大不利于显示，故截去。从三者的云图可以可看出，在前100的词组中，尺寸较大的词组为核心词项，在三方中所占的比例均不大。字号的大Fx-J-比反映了词组热度的差距，而欧盟对比较为明显，表现为诸如“Energy Effieiency”的高频词组与外围最小词频的词组之间的大小差距，属于“金字塔”型结构。美国高频热词的密度与数量比欧盟大，且分布较为均衡，反映了其关注热点相对平衡的“中坚”型结构。对于中国，除“

38、温室气体”外，词组大小的递减幅度较小，大部分词频差距不大，外围词组与核心词组界限不明显，呈现出缓慢递减的“阶梯”型结构。32政策文本主题分析321主题强度分析利用上文LDA模型的0、声矩阵，可得出每篇文档与每个主题相关的后验概率及每个词项与每个主题相关的后验概率。本文利用主题强度分布，查看欧、美、中每个主题在语料集中的相对分量。本文的主题强度计算公式如下：Pk：坠N c2，其中，R表示第k个主题的强度，J7、r为文档数，钆表示第个主题在第i篇文档中的概率。以公式(2)为基础进行计算，得出欧、美、中三方的宏观主题强度分布如图2所示，其中横坐标表示主题标号，纵坐标P表示主题强度。可以看出，主题强度

39、反映了主题的宏观均值。本文发现，实验所得的主题词项以及其分布情况与人工判定结果具有较好的一致性。根据主题情况，本文将选取三者的热门主题(Hot Topics)、冷门主题(Cold Topics)以及辨识度较高的随机主题(Others)各3个进行分析。其中热门主题和冷门主题是按照主题强度选取的最高三值和万方数据2016年5月第36卷第5期现代情报Journal of Modem InformationMay，2016V0136 No，5050403020l，00(A】欧盟EU主题编号(Number of topics)兰 (C)中国China主题编号(Number of topics)主题编号(

40、Number of topics)图2三方主题强度分布最低三值，随机主题是按照主题内容情况进行筛选。最终选取的主题标号为Eu(Hot Topics：29、36、1I；Cold Topits：47、25、22；Others：16、27、43)、US(Hot Topics：22、9、17；Cold Topics：16、1、6；Others：3、11、14)、China(Hot Topics：l、5、4；Cold Topics：10、9、14；Others：7、13、15)。322主题内容及强度逐年演化趋势分析表2展示了选中主题内容的局部特征词集合。通过查阅语料与人工判定相结合，总结主题对应的标题。

41、上述主题强度反映主题相对于所有文档的概率均值，由于文档数恒定，主题强度反映的则是主题的累计概率值，并不能反映主题的变迁。为分析这27个主题及其强度逐年演化趋势，本文进行了时间后离散化。已知表示第k个主题在第i篇文档中的概率，采用同一年份的主题在相关文档中概率的算术平均rneoI,(钆)表示当年主题强度5|，图3以其为纵坐标，展示了主题强度逐年演化趋势，主题标号与表2相对应。表2主题内容的局部特征词及其相关度16节能投资与能耗计划 凹温室气体排放规划 43适应气候变化的相关监控与投资Energy Efficiency 0045 Target 003477 Adapt O03409Build 00

42、1551 cag Emission O03407 PI卿 O02985曼鬯舒Save 001419 Base o02137 Fund 002143随机主题In“vest 001327 Level 001986 Indication 001365Target 001303 Reduction 001976 Monitor 001033Energy Constanption 001055 Period 001669 ain雠e Qm萨Ad删00102622碳排放权等的市场手段 9气候变化热点领域部门 17国土资源调控(D)美国热门主题Develop O03007 Fishery O03166 Pe

43、mait 008024Cost O02233 NOAA 003157 Regulatory 002855Property 001637 ConmlelVe 00258 Mine 00259OwrIer 001617 Council 001954 Soil 00248277一OOOO一蓥争IJ。茸兽皇u【一芷越矮帮荆OOOO一1dJl争1J。奢薹莲1)毯鬃霉州一眷ld。二。奇甚譬cI)芷糕蚕槲万方数据?1唆 融合LDA模型的政策文本量化分析365第 卷第期 “。“”7土”“”“+2“ May，2016V0136 No5(1)欧盟由表2(A)可知，欧盟热门主题29主要涉及气候变化官方行动，包括委员

44、会和欧洲议会制定相关法律政策，也包括一系列重要会议的召开。此主题并不涉及具体应对气候问题的内容，而是形式或官方机制。主题36事关欧盟在京都议定书承诺期的减排情况，由图3(A)中演化趋势可以看出，其强度由2000年开始递增，在2000年与2005年间达到一个相当的峰值，且2010年又开始了另一轮的递一78一增。纵观欧盟的气候行动，2000年启动了第一个欧洲气候变化计划ECCP I，该计划具体落实了减排目标，确定了温室气体的排放交易体系EIS。而后，欧盟又草拟了相关法令，尝试建立相应的市场。2005年，其启动了Ec凹，改将碳捕获和存储作为未来重点。随后，在经历了2009年哥本哈根会议的挫折后，20

45、10年欧盟又提出了“后哥本哈根”的相关政策，重申了大尺度的减排目标和发展路线。这些时间段的实际情况均与与图中主题强度演化趋势相对万方数据2016年5月第36卷第5期、l吐龃摊_鲤El hHIopics，。一，、娥现代情报Journal of Moclem InformationIJII瞅忸tj|J l地IolJmpk；g言羹“Year图3主题强度逐年演化趋势应。1l号主题是欧盟应对气候变化的支持系统和制定的相关行动、标准和框架，其强度虽然不高但一直较为稳定，这有赖于欧盟完备的环境保护立法和制度，以及一直致力于制定并完善具体的行动与措施。欧盟的冷门主题包括减少资源浪费、地区性环境问题、发达国家与

46、发展中国家排放量基准的讨论。本文所指冷门主题的宏观强度值虽与热门主题有一定的差距，但却可以在某一个时间段高于热门主题，具有相对性(如47号主题便在1996年和2009年达到近03的峰值，并不亚于部分热门主题)。22号主题即发达国家与发展中国家排放量基准的讨论，虽然处于稳定的波动状态，但强度较低，主要因为欧盟对于发展中国家的减排义务较美国而言要更加妥协，基本遵循公约的“共同但有区别的责任原则”。图3(C)展示的是辨识度较强的随机主题(节能投资计划、温室气体排放规划、为适应气候变化所进行的相关监控与投资)的强度变迁。3个主题的强度均在2007年、2008年发生变迁，在2013年、2014年几乎同步

47、达到峰值。这在一定程度上是因为欧盟2007年提出的“能源气候一揽子决议”、2008年通过的“气候行动可再生能源一揽子计划”以及2013年提出的“欧盟适应气候变化一揽子计划”。这个3个重要文件对欧盟相应的政策制定和走向产生了重要的影响，奠定了欧盟的战略规划与治理模式。(2)美国图3(DF)展示了美国的主题强度变迁。热门主题22号涉及碳排放权，反映了美国政府减少温室气体排放的市场倾向。这种倾向在19972005年一个9年的时间段内均May，2016V0136 No5l【l呲i随机?毡5,r：m&ml“nlo、m中哪髓机t题China：raa&*rn Iopics占据主导地位，且近几年又有回升的趋势

48、。美国气候问题的国际立场一直是在不损害经济的前提下，以市场为基础进行调节的方案。京都议定书的三大机制：CI)M(清洁发展机制)、El(排放贸易)、Jl(联合履约)均在美国的倡导下建立起来30J，这种市场倾向在克林顿政府和小布什政府期问较为明显，表现为如图3(D)所示的19972005年的变化趋势。主题9展现了气候问题涉及的部门，包括国家海洋和大气管理局(NOAA)、商务部(DOC)、国家海洋渔业局(NMP3)等。主题17即有关国土资源调控的主题在19962006年间一直保持着一定的水平，在近年有些回落。美国的冷门主题强度与热门主题强度的差距并没有欧盟显著，其3个主题分别在1985年、1993年、2004年达到峰值，其余年份均较为稳定的波动。美国辨识度较高的随机主题主要包括自然资源的保护、清洁能源技术、环境污染管理。其中，清洁能源技术主题在1993年达到了前所未有的峰值，其他两个主题则一直处于平稳状态。1993年有关清洁能源技术的讨论达到峰值在一定程度上是受到1992年能源政策法的影响，美国尝试减少对石油的依赖，开始探索清洁道路。此外，对于清洁能源而言，美国较为有影响力的法案还包括奥巴马政府出台的清洁能源与安全法案。(3)中国较欧美而言，中国的15个主题均具有较高的强度值，这表明中国气