基于字符级CNN技术的公共政策网民支持度研究

摘要：

[目的]提出更适用公共政策评价的网民情感分类指标,引入深度学习技术研究网民立场的自动化识别和支持度研判问题.[方法]选取三个不同领域不同类型的重要公共政策作为研究对象,对微博数据进行采集、清洗和标注;运用立场分析方法研判三个政策的网民支持度;构建基于字符级卷积神经网络(CNN)技术的文本分类模型对实验数据集进行训练,并对实验结果进行对比检验解读.[结果]该模型在三组数据测试集的综合评价指标上均取得优秀表现,当模型稳定后有两组数据集F1值在0.8以上,一组数据集F1值在0.6以上;且耗时较循环神经网络(RNN)模型更短,训练时间差距达数十倍.[局限]数据样本量和政策覆盖类型有限,网民支持度计算方法有待进一步深化.[结论]立场分类方法和字符级CNN技术在公共政策评价的效度和效率上有较好表现,尤其在应急突发性政策评价方面能够发挥明显作用.

关键词：公共政策、立场分析、卷积神经网络、微博、大数据

所属期刊栏目：4

分类号：TP391(计算技术、计算机技术)

资助基金：本文系国家社会科学基金青年项目“使用大数据方法开展社会政策评估的探索性研究”项目编号:18CSH018

在线出版日期：2020-10-16（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：28-37