[发明专利]一种跨层级政府公文公告主题分析方法

说明书

本发明提供了一种跨层级政府公文公告主题分析方法，包括如下步骤：(1)对公开的政府公文公告数据进行文本数据预处理；(2)基于跨层级的政府公文公告数据构建基于空间线的动态层级概率主题模型；(3)基于单一层级的政府公文公告数据构建基于时间线的动态时序概率主题模型；(4)对模型中的超参数和隐变量进行采样，采样参数包括主题的分布、词语的分布、词语对应的主题；(5)根据模型估计的分布进行主题演化分析。本发明从空间线出发分析政府公文公告的主题随层级的演化过程，从时间线出发分析同一层级政府公文公告的主题随时间的演化情况，并将两个走线结合共同发现和分析主题演化所揭示的政府公文公告事宜，为政府高效监管和决策提供辅助和支撑。

技术领域

本发明涉及一种跨层级政府公文公告主题分析方法。

背景技术

随着大数据时代的到来，政府部门中产生了大量的政府公文公告 数据。政府部门越来越重视利用大数据技术和文本信息处理手段进行 政府数据之间的关联挖掘和分析。国家级、省级、市级这种跨层级的 政府公文公告数据背后存在盘根错节的复杂关系和潜在关联。

目前，依旧缺少对政府的公文公告数据进行分析并辅助政府单位 进行决策的方法。概率主题模型方法作为大数据技术方法和文本信息 处理的有效方法之一，能够从空间线和时间线发现和挖掘各级政府公 文公告中潜在的主题及其演化信息,一定程度上能够满足政府科学 化、精细化的管理需求。

发明内容

为解决上述技术问题，本发明提供了一种跨层级政府公文公告主 题分析方法，该跨层级政府公文公告主题分析方法从空间线出发分析 政府公文公告的主题随层级的演化过程，从时间线出发分析同一层级 政府公文公告的主题随时间的演化情况，并将两个走线结合共同发现 和分析主题演化所揭示的政府公文公告事宜，为政府高效监管和决策 提供辅助和支撑。

本发明通过以下技术方案得以实现。

本发明提供的一种跨层级政府公文公告主题分析方法，包括如下 步骤：

(1)对公开的政府公文公告数据进行文本数据预处理；

(2)基于跨层级的政府公文公告数据构建基于空间线的动态层级 概率主题模型；

(3)基于单一层级的政府公文公告数据构建基于时间线的动态时 序概率主题模型；

(4)对模型中的超参数和隐变量进行采样，采样参数包括主题的分 布、词语的分布、词语对应的主题；

(5)根据模型估计的分布进行主题演化分析。

所述政府公文公告数据，包括国家级公文公告、省级公文公告、 市级公文公告、区县级公文公告。

所述步骤(4)中对模型中的超参数和隐变量进行采样，是采用 Blocked Gibbs方法进行。

所述步骤(4)具体采用如下步骤：

(4.1)初始化马尔科夫链参数，包括各正态分布的方差参数{δ²，σ²， a²}以及每篇文章中所有词语的主题集合z_d,i；

(4.2)采样主题分布的逻辑正态先验参数α_i；

(4.3)采样未利用softmax归一化的单一层级或时间片中每篇文档 的主题分布η_d,i；

(4.4)采样未利用softmax归一化的单一层级或时间片中所有文档 的主题词语分布φ_k,i；

(4.5)给定η_d,i和φ_k,i，采样文档中每个词语w_d,n的主题值z_d,n,i。