目錄
第1章 政策文本研究進(jìn)展與挖掘方案設(shè)計 1
1.1 政策文本研究的脈絡(luò)梳理 1
1.2 政策文本深度挖掘與應(yīng)用研究方案 12
1.3 政策文本深度挖掘與應(yīng)用研究的價值 15
第2章 面向主題挖掘的政策文本結(jié)構(gòu)化解析 16
2.1 跨學(xué)科支撐下的政策文本結(jié)構(gòu)化分析 16
2.2 政策文本結(jié)構(gòu)化解析的研究方案 33
2.3 政策文本結(jié)構(gòu)化解析框架與技術(shù)路線 36
2.4 政策文本結(jié)構(gòu)化解析的技術(shù)應(yīng)用 46
2.5 總結(jié)與展望 60
第3章 基于多維特征融合的政策文本語義增強(qiáng)表示 63
3.1 融合多維特征的政策文本表示方案 63
3.2 政策主題挖掘與文本向量生成 65
3.3 政策文本中的實體特征提取 68
3.4 基于預(yù)訓(xùn)練語言模型的政策文本增強(qiáng)表示 77
3.5 總結(jié)與展望 83
第4章 政策文本生成式摘要模型構(gòu)建與技術(shù)實現(xiàn) 86
4.1 面向深層次挖掘的政策文本摘要生成研究 86
4.2 政策文本摘要生成的研究方案 97
4.3 面向摘要生成的政策文本關(guān)鍵語句抽取 105
4.4 基于依存句法的政策文本摘要生成模型 112
4.5 融合PGN 的政策文本摘要生成優(yōu)化 122
4.6 領(lǐng)域政策文本摘要生成實證研究 128
4.7 總結(jié)與展望 141
第5章 政策文本精準(zhǔn)推送模型構(gòu)建與技術(shù)實現(xiàn) 145
5.1 政府文本精準(zhǔn)推送研究的背景與價值 145
5.2 政策文本推送研究的發(fā)展趨勢 149
5.3 政策文本精準(zhǔn)推送的研究方案 157
5.4 基于多維特征的政策用戶畫像生成 162
5.5 基于特征聚類的政策推送關(guān)系標(biāo)注 167
5.6 基于特征注意力的政策文本精準(zhǔn)推送模型 171
5.7 政策精準(zhǔn)推送實證研究 173
5.8 總結(jié)與展望 194
圖目錄
圖1-1 研究內(nèi)容設(shè)計 12
圖2-1 政策文本結(jié)構(gòu)化解析研究方案 33
圖2-2 基于框架語義的結(jié)構(gòu)化語義框架 40
圖2-3 結(jié)構(gòu)化解析框架搭建思路 41
圖2-4 LDA2Vec主題抽取模型 44
圖2-5 LDA主題模型 45
圖2-6 政策發(fā)文機(jī)構(gòu)統(tǒng)計 55
圖2-7 政策主題統(tǒng)計 56
圖2-8 典型案例政策引用關(guān)系圖 57
圖3-1 融合多維特征的政策文本向量表示方案 64
圖3-2 政策主題挖掘與文本向量生成框架 65
圖3-3 基于LDA模型的政策文本主題挖掘結(jié)構(gòu) 66
圖3-4 基于主題分布的文本向量生成 68
圖3-5 BiLSTM-CRF政策實體識別模型 72
圖3-6 LSTM單元結(jié)構(gòu) 72
圖3-7 LSTM鏈?zhǔn)浇Y(jié)構(gòu) 74
圖3-8 BiLSTM網(wǎng)絡(luò)結(jié)構(gòu) 74
圖3-9 CRF模型 74
圖3-10 BERT模型結(jié)構(gòu)圖 78
圖3-11 無監(jiān)督的SimCSE模型 81
圖3-12 PV-DM 結(jié)構(gòu) 82
圖4-1 政策文本摘要生成研究內(nèi)容 100
圖4-2 政策文本摘要生成研究策略 103
圖4-3 基于深度學(xué)習(xí)的政策文本摘要生成研究框架 104
圖4-4 基于句向量改進(jìn)的政策文本關(guān)鍵句子抽取策略 106
圖4-5 基于句子重要性分?jǐn)?shù)計算的政策文本關(guān)鍵句子抽取流程 106
圖4-6 基于依存句法的生成式政策文本自動摘要模型 113
圖4-7 政策文本依存句法樹示例 115
圖4-8 依存句法樹對應(yīng)的鄰接矩陣 116
圖4-9 圖卷積操作示例 118
圖4-10 基于Seq2Seq的政策文本自動摘要模型 121
圖4-11 融合PGN的政策文本自動摘要模型 124
圖4-12 政策文本摘要評分模型 126
圖4-13 政策文本采集結(jié)果示例 130
圖4-14 政策文本摘要數(shù)據(jù)集平均字?jǐn)?shù)分布情況 133
圖4-15 不同政策文本摘要生成模型ROUGE 指標(biāo)分?jǐn)?shù)柱狀圖 137
圖5-1 政策文本精準(zhǔn)推送研究框架 161
圖5-2 政策用戶畫像的指標(biāo)體系結(jié)構(gòu)圖 165
圖5-3 政策用戶特征交集 169
圖5-4 政策及用戶推送關(guān)系標(biāo)注 170
圖5-5 基于深度神經(jīng)網(wǎng)絡(luò)的政策推送模型 172
圖5-6 YEDDA標(biāo)注示例 178
圖5-7 助殘政策詞向量 184
圖5-8 助殘政策用戶畫像指標(biāo)體系結(jié)構(gòu)圖 186
圖5-9 基于殘疾人特征的用戶聚類 189
表目錄
表2-1 政策文本通用特征 42
表2-2 政策主題-詞分布 46
表2-3 政策文本結(jié)構(gòu)化解析通用框架 46
表2-4 “互聯(lián)網(wǎng)+”政策外部屬性特征表 49
表2-5 LDA主題抽取詞組表 50
表2-6 Doc2Vec模型參數(shù)設(shè)置 50
表2-7 “互聯(lián)網(wǎng)+”政策文本結(jié)構(gòu)化解析框架 51
表2-8 案例文本主題-文檔距離值表 52
表2-9 《國務(wù)院辦公廳關(guān)于促進(jìn)“互聯(lián)網(wǎng)+醫(yī)療健康”發(fā)展的意見》結(jié)構(gòu)化解析框架 52
表2-10 被引用政策數(shù)量統(tǒng)計（部分） 58
表3-1 政策實體類別 71
表3-2 實體標(biāo)簽概率分布 75
表4-1 政策文本線索詞表 110
表4-2 LTP 句法依存關(guān)系類型 115
表4-3 政策文本數(shù)據(jù)采集信息 129
表4-4 不同的政策文本關(guān)鍵句子抽取方法結(jié)果對比 131
表4-5 政策文本摘要數(shù)據(jù)集單條數(shù)據(jù)示例 132
表4-6 本地機(jī)器與Mist 服務(wù)器環(huán)境配置 135
表4-7 摘要生成模型參數(shù)設(shè)置 135
表4-8 不同政策文本摘要生成模型結(jié)果對比 136
表4-9 不同政策文本摘要生成模型結(jié)果呈現(xiàn) 139
表5-1 殘疾人政策來源（1952 年至2021 年） 175
表5-2 殘疾人數(shù)據(jù)字段及描述說明 177
表5-3 助殘政策中五類實體統(tǒng)計 179
表5-4 命名實體識別模型參數(shù)設(shè)置 179
表5-5 不同類型實體識別評價結(jié)果 180
表5-6 不同模型識別結(jié)果對比 181
表5-7 助殘政策實體信息表（節(jié)選） 181
表5-8 助殘政策主題 182
表5-9 助殘政策文本基礎(chǔ)向量 183
表5-10 殘疾人用戶向量化示例 187
表5-11 助殘政策推送關(guān)系表 190
表5-12 助殘政策推送模型推送準(zhǔn)確率 192
表5-13 助殘政策推送結(jié)果（政策-用戶向） 193
表5-14 助殘政策推送結(jié)果（用戶-政策向） 193