張辛

摘 ? 要：總書記重要論述是學習習近平全面從嚴治黨思想的重要載體，掌握論述的關(guān)鍵詞是學習領(lǐng)會思想的核心與骨架，清晰理解文章內(nèi)容，把握文章結(jié)構(gòu)，記憶文章內(nèi)容的重要方法。利用自然語言處理方法，通過分析關(guān)鍵詞特征分析和共現(xiàn)矩陣分析，從而更好地構(gòu)建全面從嚴治黨知識圖譜，加強對習近平新時代中國特色社會主義思想的學習與理解。

關(guān)鍵詞：全面從嚴治黨;總書記重要論述;TFIDF算法;關(guān)鍵詞共現(xiàn)

從嚴治黨是中國共產(chǎn)黨90多年管黨治黨實踐中一直堅持的重要原則和基本方針[1]。習近平總書記提出的全面從嚴治黨是對黨的治理論的新的認識和升華，其核心內(nèi)容主要體現(xiàn)在總書記的系列重要講話中[2]。特別是在黨的十九大之后，在新時代黨的建設(shè)的總目標基礎(chǔ)上，全面從嚴治黨思想研究又迎來了新的高潮。但是從關(guān)鍵詞及其共現(xiàn)特征這個微觀角度的研究還比較少。

關(guān)鍵詞是從文章中選取出來的，是對表述文章的中心內(nèi)容有實質(zhì)意義的詞匯。共詞分析是通過關(guān)鍵詞與關(guān)鍵詞的共現(xiàn)關(guān)系描述一個領(lǐng)域內(nèi)部組織成及其結(jié)構(gòu)。中紀委網(wǎng)站整理全面從嚴治黨學習專題數(shù)據(jù)庫共分為9個方面，52個二級分類，315項各類講話和文件中的論述1 303條，約27萬字。以此為研究對象，首先通過信息檢索數(shù)據(jù)挖掘的常用加權(quán)技術(shù)（Term Frequency Inverse Document Frequency，TFIDF）算法提取總書記全面從嚴治黨重要論述中的關(guān)鍵詞，其次通過詞頻分析的方法分類掌握論述中的關(guān)鍵概念和核心內(nèi)容，最后通過共詞分析的方法把握各分類之間的聯(lián)系。

1 ? ?重要論述的關(guān)鍵詞特征

關(guān)鍵詞是表述文章中心意義的實詞，通過對論述關(guān)鍵詞的研究，可以從更細微的角度了解全面從嚴治黨思想的重要內(nèi)容。

1.1 ?關(guān)鍵詞提取算法及流程

關(guān)鍵詞提取算法主要包括有監(jiān)督算法和無監(jiān)督算法，有監(jiān)督算法是通過已標注為關(guān)鍵詞的集合判斷每個候選關(guān)鍵詞是否為關(guān)鍵詞的二分類問題。難點在于標注集合工作量較大，所以，無監(jiān)督算法更為常用。無監(jiān)督算法不需要人工標注的訓練集合，根據(jù)文章中詞匯的重要性來標注關(guān)鍵詞。常見的詞匯重要性的衡量算法種類包括：文本統(tǒng)計特征法、詞圖模型和主題模型，其中TF-IDF、TextRank和文檔主題生成模型（Latent Dirichlet Allocation，LDA）分別是這幾種算法的代表。對于政治論述類文章一般詞匯的出現(xiàn)頻率與重要性密切相關(guān)，因此，TF-IDF方法更適合為這類文章提取關(guān)鍵詞[3-4]。

TFIDF該算法用一種統(tǒng)計學的方法來衡量一個詞語在文本中的重要程度。本課題研究采用python程序和jieba分詞器提取論述數(shù)據(jù)的關(guān)鍵詞。

1.2 ?關(guān)鍵詞特征

首先要建立用戶詞典。以全面從嚴治黨為主題，在知網(wǎng)核心期刊數(shù)據(jù)庫中提取最新500篇文章的關(guān)鍵詞，去重后作為分詞的專用數(shù)據(jù)庫，共得到用戶詞典詞條1 022條。然后利用TFIDF算法提取全面從嚴黨學習數(shù)據(jù)庫的關(guān)鍵詞，觀察排名前十的關(guān)鍵詞，如表1所示，可以看出提取出的排名前十的關(guān)鍵詞與二級分類的標題表達內(nèi)容密切相關(guān)，在表1第4列列出了不含標題詞的排名前十的關(guān)鍵詞。綜合分析兩列關(guān)鍵詞，基本上可以把握二級分類下全面從嚴治黨重要論述的骨架內(nèi)容。

2 ? ?關(guān)鍵詞共現(xiàn)分析

統(tǒng)計52個二級分類中的排名前30位的關(guān)鍵詞，共計1 560個關(guān)鍵詞，538個關(guān)鍵詞只出現(xiàn)了一次，少量關(guān)鍵詞出現(xiàn)了10次以上，具有明顯的長尾分布特征。如表2所示，在全面從嚴治黨重要論述學習主題數(shù)據(jù)庫中出現(xiàn)頻次超過10次的關(guān)鍵詞，共計14個。其中出現(xiàn)最多的是領(lǐng)導干部、干部，共出現(xiàn)了61次。

關(guān)鍵詞并不是獨立存在的詞匯，而是互相關(guān)聯(lián)的整體，利用共詞分析技術(shù)可以進一步了解各關(guān)鍵詞之間的關(guān)系和親疏程度，從而進一步理解論述的內(nèi)容和聯(lián)系[5]。以出現(xiàn)頻次超過10次的關(guān)鍵詞作為全面從嚴治黨重要論述的核心關(guān)鍵詞構(gòu)建關(guān)鍵詞共現(xiàn)矩陣，如表3所示。矩陣中的數(shù)值就代表了一對關(guān)鍵詞在同一個二級分類下出現(xiàn)的次數(shù)，即共現(xiàn)次數(shù)。矩陣值越大說明兩個關(guān)鍵詞的聯(lián)系越緊密，距離越近。如與“監(jiān)督”聯(lián)系最緊密的是“領(lǐng)導干部”（9次）、“干部”（7次）和“黨組織”（5次），這些正是監(jiān)督的主要對象。

進一步考察各二級分類下的排名前30的關(guān)鍵詞，并繪制關(guān)鍵詞共現(xiàn)網(wǎng)絡(luò)圖，如圖1所示。圖中關(guān)鍵詞字體越大，出現(xiàn)頻次就越多，這個關(guān)鍵詞就越重要。詞與詞之前的連線表示了詞匯之間的關(guān)系網(wǎng)，連線越密，說明聯(lián)接詞匯越多，該詞匯的核心作用越明顯。同時，由圖1也可以看出，全面從嚴治黨重要論述中的關(guān)鍵詞具有一定的層級性，通過追蹤關(guān)鍵詞的關(guān)系網(wǎng)絡(luò)可以進一步厘清論述的脈絡(luò)。

3 ? ?結(jié)語

習近平總書記全面從嚴治黨重要論述數(shù)據(jù)庫是學習習近平新時代中國特色社會主義思想的重要資料，通過對其進行統(tǒng)計分析和關(guān)鍵詞的提取分析，可以幫助人們進一步把握好思想脈絡(luò)、領(lǐng)會思想精髓、記憶好思想表述。通過關(guān)鍵詞共現(xiàn)分析，建立了關(guān)鍵詞之間的聯(lián)系，從而更好地構(gòu)建全面從嚴治黨知識圖譜，加強對習近平新時代中國特色社會主義思想的學習與理解。

[參考文獻]

[1]劉漢峰.全面從嚴治黨的思考[J].中國特色社會主義研究，2015（1）：102-107.

[2]許耀桐.黨的十八大以來全面從嚴治黨的新進展[J].國家行政學院學報，2017（6）：26-31，144.

[3]趙明月.基于詞性和關(guān)鍵詞的短文本相似度計算方法[J].計算機時代，2018（5）：66-70，73.

[4]牛永潔，田成龍.融合多因素的TFIDF關(guān)鍵詞提取算法研究[J].計算機技術(shù)與發(fā)展，2019（7）：80-83.

[5]盧麗華，寧 宇.我國SPOC的研究熱點與發(fā)展趨勢—基于知識圖譜的可視化分析[J].中國教育信息化，2019（13）：6-10.