用于文本分类的特征选择方法

文本分类是文本挖掘的一个重要的研究方向,用机器学习方法进行特征选择对文本分类起关键作用．文章比较了文档频数、信息增益、互信息、恐统计量、期望交叉熵、文本证据权以及几率比等7种常用于文本分类的特征选择方法．采用人民网的中文文本语料和Rocchio算法对以上的特征选择方法分别进行了评估实验,实验结果表明,几率比的性能优于其它特征选择方法．表1、参5．     

基于社交媒体文本的灾情信息识别方法比较研究

挖掘社交媒体发布的信息,逐渐成为了一种获取所需数据的重要途径,数据挖掘采用的一种重要方法就是机器学习。基于此,本研究以4起自然灾害事件的相关微博文本数据集为实验语料开展实验,比较基于朴素贝叶斯、随机森林和多元逻辑回归算法建立的3种模型的主题识别效果。结果表明,多元逻辑回归模型对相关微博灾情文本数据的主题识别效果相对较好,各精度评价指标值高达91%;从各主题的识别结果来看,主题类别为情感支持和提醒建议的文本被正确识别的3种评价指标值均达到了90%以上。还分析了导致模型错分主题的原因,包括内因（参数设置、数据集切分比例等）和外因（样本量、人工标注等）。将该多元逻辑回归模型应用于社交媒体灾情文本主题初步识别,可以为后续工作提供优化,进而为相关部门采取应急措施提供参考。     

魔都印象：基于文本分析的上海城市旅游情感形象研究

情感形象是旅游目的地重要形象之一。以外地游客的上海游记为语料,采用扎根理论研究法、内容分析法分析外地游客对上海旅游目的地的情感态度。结果表明：(1)游客对上海旅游目的地的情感态度总体上积极正面,体现在旅游吸引物、休闲娱乐、设施服务、环境氛围和管理服务5个维度上;(2)游客对上海旅游目的地的积极评价多集中在“繁华、现代、时尚、独特”高频词上,说明世界著名旅游城市形象已基本建成;(3)但是景区商业化、高物价和人多排队等因素带给部分游客负面情绪。针对此,本文提出了夯实景区文化内涵、加快全域旅游建设、加大宣传力度、加大精细化服务管理等提升城市旅游形象的建议。     

我国基础设施建设投资规制中的ESG表现调查研究——基于文本分析方法

环境、社会和治理（ESG）能给基础设施建设投资规制带来新理念,但是我国现行政策和项目中的ESG表现情况尚不清楚,有必要开展调查研究。本研究以规制政策和项目报告为研究对象,采用文本分析方法,对我国基础设施建设投资规制中的ESG表现进行调查研究。研究发现：(1)规制政策和项目报告中均已有一定程度的有关ESG表现方面的内容,但三个维度之间存在丰富性和完备性等方面的差异;(2)环境影响规制政策最完备,社会影响规制涉及安全评估、职业健康预评价等议题,其他议题未在文本中提及,项目治理规制政策数量最多,展现了我国自主的投资项目治理体系;(3)项目报告中的环境影响责任目标和措施相对完善,社会影响责任目标和措施则因项目和所处情境而异,项目治理责任目标和措施更多体现合规性要求,缺乏项目管理人自主动机。本研究提供了基础设施建设投资规制中的ESG表现调查情况,为我国以公共投资为主导的基础设施领域引入国际流行投资理念提供了决策依据。     

金融科技与企业绿色转型——影响特征、作用机制与空间溢出效应识别

数字经济时代下的金融科技,是金融服务实体经济高质量发展的新业态新模式。本文基于中国上市企业2011—2021年数据集,对金融科技和企业绿色转型之间的影响和机制进行实证检验。实证结果发现,金融科技能够有效赋能企业绿色转型。特别地,金融科技对于高科技企业、非国有企业和重污染企业的绿色转型驱动力更为突出。机制识别检验发现,金融科技能够缓解财务困境、平滑企业风险与增强绿色创新活力,这些都有助于企业绿色转型实践的深度开展。进一步研究发现,金融科技具有强烈的地理扩散溢出效应,并形成较为显著的“本地—外地”金融科技协同效果,对企业绿色转型产生了可叠加的积极影响。本项研究能够为理解金融科技发展,促进实体经济绿色转型提供新的思路借鉴。     

中国生态文明建设的治理框架及其检验

将生态文明建设纳入治理范畴并给予效能评估是一项重要而紧迫的研究课题。文章通过阐述治理内涵及其与生态文明建设的关系,梳理经典制度理论及相关文献,从治理维度、治理工具、治理措施三个层面构建了中国生态文明建设的分析框架,即“制度-能力”治理模型。以党的十八大以来国家层面生态文明建设的法规政策作为数据样本,运用文本计量和内容分析法对该治理框架进行定性检验。研究结果表明,“制度-能力”治理框架对中国生态文明建设具有较高的解释力。总体来看,中国生态文明治理的效能显著提升。具体而言：第一,中国生态文明法规政策制定与实施呈“间断-均衡”态势,生态治理府际协同度较高;第二,生态文明制度建设与治理能力提升的协同效应显著;第三,生态治理工具结构较为均衡和合理,治理工具之间的组合发力趋势日趋明显,但强制性制度工具仍占主导地位;第四,治理措施的现代化水平有所提高,但并不均衡,措施的管制色彩依然比较明显。据此,从巩固生态文明建设成果的视角,提出政策建议：进一步促进生态文明制度建设和治理能力提升的协同性,筑牢生态文明建设的根基;进一步优化和完善生态治理工具结构,着力提升顶层设计和思想引领在中国生态文明建设中的作用,...     

基于文本挖掘的管制运行风险主题分析*

为充分挖掘管制运行风险信息和隐藏规律,实现数据驱动的风险管理。以某管制单位2004—2019年共269条管制原因不安全事件数据为挖掘语料,在考虑上下文语义的基础上,运用潜在狄利克雷分配（LDA）主题模型挖掘管制运行风险主题及关键词,使用Word2Vec挖掘主题之间、关键词之间的关联关系,运用社会网络分析软件UCINET、可视化工具NETDRAW构建语义网络将关联关系进行可视化并进行网络分析。结果表明:LDA主题模型可以通过运行数据实现对管制运行风险的高效提取和深层挖掘,挖掘到管制人为因素、特情处置、地空配合、班组资源管理、组织管理、运行环境、管制指挥共7个主题,其中管制人为因素主题是核心主题,与其他主题都具有较强的相互关联;Word2Vec和语义网络相结合能够更准确地挖掘风险之间的关系,确定主题的重要度排序,识别关键风险。     

基于文本挖掘的典型旅游网站旅游分享比较研究——以甘肃省为例CSSCI

旅游分享作为旅游研究的新兴领域,受到国内外众多专家学者的关注。选取四大典型旅游网站——携程网、蚂蜂窝网、驴妈妈网和途牛网为研究样本,以样本网站上有关甘肃省旅游景区景点的网络游记为研究内容,采用文本挖掘的方法,对网络游记中的词频、情感和语义网络进行分析。研究显示:具有典型旅游符号表征且处于核心旅游资源的自然与人文旅游景点最受来甘旅游者的关注,其中以人文旅游景点最为典型;来甘旅游者的情感类型以积极情绪为主,消极情绪所占比例较小;甘肃省旅游景点的社交网络中心度较低,1/2以上的景区景点或旅游吸引物对资源不具有控制力,语义社交网络结构较为松散,不存在派系林立和小团体现象。     

基于文本挖掘和复杂网络的事故致因重要度评估方法——以房屋市政较大以上事故为例

为充分挖掘事故调查报告中的有效信息,明确安全管理工作的内容.首先,利用文本挖掘分析事故调查报告,采用最小词频阈值文档频改进信息增益评估函数对分词结果降噪,通过回溯特征项在报告中的具体表述,提取事故致因,再构建同义词词库.然后,引入复杂网络以改进TF-IDF,综合事故致因因素的关联特征评估其重要度.最后,以房屋市政较大及...     

新能源汽车补贴政策工具挖掘及量化评价

现阶段中国大力开展新能源汽车示范推广工作,中央及各地方政府已相继出台一系列补贴政策。在严厉打击新能源汽车"骗补"及补贴政策重新调整等背景下,分析梳理现有政策从而对其进行整体把握与正确判断显得尤为重要,从而为政策改进与优化做准备。本文选取了截至2016年底国家和北京市颁布的涉及新能源汽车补贴的相关政策。首先,从采用文本挖掘的方法整理出的政策文本的高频有效关键词从中提炼出的政策工具,可分为供给型、需求型、环境型三类,分别从技术推动、市场拉动和环境支撑三个方面促进和规范新能源汽车市场。发现现有政策工具仍存在一些问题,如缺乏支持新能源汽车技术提升和产品开发的供给型政策工具;环境型政策工具的作用重点欠科学,对充电基础设施建设的重视程度不够;补贴过于聚焦新能源汽车购买环节等。其次,结合政策特点运用PMC指数模型构建了新能源汽车补贴政策的量化评价框架,通过变量分类、参数识别建立了多投入产出表,并通过PMC指数的测量、PMC曲面的生成综合反映政策各维度的情况。再次,采用实证分析的方法,选取3项新能源汽车补贴政策(P1、P2、P3)为研究对象,对政策进行量化评价。结果得出3项政策的PMC指数分别为7.52、6.95、6.21,均在良好的等级之内,P1政策的量化结果为优秀,P2、P3政策结果为良好,且具有较大的提升空间,可考虑在激励措施等方面予以加强。最后,根据新能源汽车补贴政策无法取得预期效果的原因,提出三点政策优化意见:(1)重视供给型政策工具的使用,加大新能源汽车科研资金投入;(2)环境型政策工具的作用重点应放在充电等基础设施的建设上;(3)需求型可考虑采取以公共交通带动私人交通的策略。