数据采集大作业-（7）基于文本信息挖掘的工作报告分析

作者：周潇、杜浩哲、周璇

指导教师：王文武

单位：曲阜师范大学  统计学院

每年3月的全国“两会”是我国政治生活中的一件大事, “两会”历时长、议题多、跨度大, 重大话题密集、舆情复杂。以统计学方法对两会政府工作报告相关文本信息进行量化，用数据说明政府和民众对各方面关注热点，有利于挖掘政策导向、民意热点^[1]。

本文首先对2019年两会政府工作报告进行词频统计和词云图分析，内容包括文档分词并统计词频、绘制词云图、直观展示报告重点。结果发现“发展”和“改革”是频数最高的两个词，“服务”、“经济”、“建设”也是在报告中多次被强调的，可见，我国政府工作的中心离不开发展生产力、以经济为中心、为人民服务。

其次，分析自2014年至2019年两会政府工作报告，统计出这6年的政府工作报告词频并绘制词云对比图、雷达图对政府工作报告关注热点进行对比分析。结果发现，政府工作报告每年都以发展、改革等为中心，但每年都有不同于以往的侧重点和亮点。

最后，使用R软件爬取500条“我向总理说句话”活动中的网民建言评论信息，将收集的建言评论内容转化为定量的数据, 对“两会”民众关注的问题进行描述和分析, 探寻两会期间民众方面关注的热点。内容包括如下三个部分：绘制出留言的词云图并进行分析；做词项聚类和文本聚类，理清大众关注的社会问题之间的联系；建立LDA模型，通过无监督学习发现文本中隐含的主题信息。

home.php?mod=attachment&filename=&id=424580