商容軒 張 斌 米加寧

（1.哈爾濱工業(yè)大學(xué)經(jīng)濟(jì)與管理學(xué)院 黑龍江哈爾濱 150001）

（2.湖南農(nóng)業(yè)大學(xué)公共管理與法學(xué)學(xué)院 湖南長沙 410000）

隨著第四次工業(yè)革命進(jìn)程的深化，移動(dòng)智能技術(shù)與地方政府治理正進(jìn)行深度融合。在新冠肺炎疫情爆發(fā)后，“非接觸”的疫情防控原則推動(dòng)政府公共服務(wù)供給模式加速走向“缺場”。隨著移動(dòng)互聯(lián)網(wǎng)應(yīng)用滲透率的提升，截至2020年12月，中國在線政務(wù)服務(wù)用戶規(guī)模已達(dá)8.43億［1］，在線政務(wù)服務(wù)供給模式也逐漸從“網(wǎng)上辦”轉(zhuǎn)向“指尖辦”。移動(dòng)政務(wù)APP以其移動(dòng)性、伴隨性、滲透性、公開性等優(yōu)勢迅速成為各地方政府深化政務(wù)公開、提升地方數(shù)字治理水平的重要載體。

當(dāng)前，在中央“放管服”改革與移動(dòng)智能技術(shù)的雙重驅(qū)動(dòng)作用下，我國移動(dòng)政務(wù)APP普遍開通了在線評(píng)論功能，公眾作為地方政府移動(dòng)政務(wù)產(chǎn)品的用戶可以通過對(duì)政務(wù)APP評(píng)級(jí)或留言的方式對(duì)應(yīng)用質(zhì)量進(jìn)行評(píng)價(jià)與意見反饋［2］。政務(wù)APP在線評(píng)論數(shù)據(jù)每天以指數(shù)級(jí)趨勢增長，形成了潛在的口碑傳播效應(yīng)［3］，同時(shí)由于移動(dòng)政務(wù)產(chǎn)品的特殊性，移動(dòng)政務(wù)產(chǎn)品在線評(píng)論的情感傾向性會(huì)對(duì)用戶線上政務(wù)滿意度與政府公信力產(chǎn)生重要影響。當(dāng)前，隨著各地方政府政務(wù)APP的上線與普及，下載量、用戶量、線上業(yè)務(wù)辦理量等相關(guān)客觀數(shù)據(jù)逐漸成為考核各地線上政務(wù)能力的重要指標(biāo)。部分地區(qū)基于上級(jí)壓力下的基層數(shù)字治理出現(xiàn)“唯數(shù)字”的傾向，其政務(wù)APP的功能也隨之產(chǎn)生了異化，“線上”比“線下”更麻煩的報(bào)道層出不窮，本應(yīng)是便民利民的移動(dòng)應(yīng)用卻反向成為了約束公眾的“異己力量”，有部分學(xué)者稱政務(wù)APP的普及成為“指尖上的形式主義的泛化”［4］。因此，對(duì)移動(dòng)政務(wù)用戶進(jìn)行細(xì)粒度情感分析以提升群眾滿意度、認(rèn)可度尤為重要。如何利用移動(dòng)政務(wù)用戶的情感分析結(jié)果實(shí)現(xiàn)公眾需求的精準(zhǔn)性滿足，幫助地方政府把握移動(dòng)政務(wù)發(fā)展的痛點(diǎn)并提升政府移動(dòng)公共服務(wù)的供給質(zhì)量與效率，不僅是學(xué)術(shù)界需要深入探究的熱點(diǎn)問題，也是地方政府作為公共服務(wù)供給主體亟須解決的現(xiàn)實(shí)問題。

1 相關(guān)研究

1.1 ABSA方法

情感分析（Sentiment Analysis，SA）是通過對(duì)于評(píng)論、問題、事件、案例、新聞等文本信息的研究而挖掘出隱藏在文本中的情緒、觀點(diǎn)的一種研究方法［5］。ABSA是情感分析中的屬性級(jí)情感分析任務(wù)，該方法由兩大任務(wù)構(gòu)成——方面抽取與情感分析。ABSA的目標(biāo)是通過提取不同評(píng)論實(shí)體以及不同屬性方面的情感意見，得到方面級(jí)別的<方面，情感>的二元組［6］，以確定意見的極性、結(jié)果的匯總以及多維度的對(duì)比（具體實(shí)現(xiàn)過程見圖1）。

圖1 基于方面級(jí)評(píng)論文本情感分析（ABSA）框架圖

ABSA方法相較于傳統(tǒng)的情感分析任務(wù)具有一定的優(yōu)勢，近年來已經(jīng)成為自然語言處理領(lǐng)域研究的熱點(diǎn)之一［7］?？傮w來看，ABSA方法有以下顯著特征：

首先，ABSA方法包含方面抽取與情感極性分析兩大任務(wù)目標(biāo)［8］。在方面抽取任務(wù)中，既要完成對(duì)評(píng)論實(shí)體的抽?。ˋspect Term Extraction，ATE），又要完成對(duì)于方面類別的抽?。ˋspect Category Extraction，ACE）。評(píng)論實(shí)體（Aspect Term，AT）是評(píng)論文本中的顯示詞匯，是文本中的固有實(shí)體；而方面類別（Aspect Category，AC）經(jīng)過預(yù)定義的評(píng)論描述角度，可以是文本中的實(shí)體詞匯，也可以是文本中待挖掘的隱式主題。

其次，ABSA方法可以實(shí)現(xiàn)細(xì)粒度的情感分析任務(wù)。在SA中，根據(jù)細(xì)粒度的不同，可分為三個(gè)級(jí)別［9］：一是文檔級(jí)的情感分析，用于分析整篇文檔的情感傾向。但往往一篇評(píng)論型文檔的情感態(tài)度并不是單一的，該方法對(duì)于進(jìn)行辯證分析的文本內(nèi)容是沒辦法進(jìn)行細(xì)致挖掘的；二是語句級(jí)的情感分析，用于分析評(píng)論數(shù)據(jù)可以判斷以語句為單位的情感走向，是目前大多數(shù)文本分析研究中運(yùn)用的方法。但此方法存在著認(rèn)為一條語句僅存在著一種情感的假設(shè)前提，但在現(xiàn)實(shí)情況中一條評(píng)論語句可能是對(duì)多方面問題的評(píng)述，甚至對(duì)不同方面會(huì)存在完全不同的轉(zhuǎn)折情感態(tài)度。同時(shí)，由于詞袋中相同情感詞匯在不同領(lǐng)域所表達(dá)的情感極性也存在截然不同的可能性，因此在應(yīng)用于跨領(lǐng)域的遷移學(xué)習(xí)時(shí)，其分析結(jié)果的準(zhǔn)確性十分有限；三是方面級(jí)的情感分析即ABSA，該方法通過其兩階段的任務(wù)目標(biāo)，實(shí)現(xiàn)了對(duì)文本數(shù)據(jù)的細(xì)粒度挖掘，彌補(bǔ)了粗粒度文本分析的局限。

在移動(dòng)政務(wù)問題背景下，移動(dòng)政務(wù)用戶作為政務(wù)APP的實(shí)際體驗(yàn)者和功能的使用者，使用過程中會(huì)對(duì)移動(dòng)政務(wù)系統(tǒng)或服務(wù)產(chǎn)生具有差異傾向性的情感。通過對(duì)政務(wù)APP的用戶評(píng)論與反饋進(jìn)行情感分析與方面級(jí)情感匹配，可以探究我國政務(wù)用戶對(duì)于政務(wù)APP基于方面級(jí)的屬性需求與情感滿足情況?？紤]到移動(dòng)政務(wù)的用戶評(píng)論均為較短的文本數(shù)據(jù)，并且每條評(píng)論數(shù)據(jù)往往包含對(duì)政務(wù)APP多方面的評(píng)價(jià)，因此綜合考量ABSA會(huì)是一個(gè)較為適合的分析方法。它一方面能夠通過主題模型進(jìn)行方面抽取，實(shí)現(xiàn)細(xì)粒度的情感差異分析；另一方面也能通過多角度的情感強(qiáng)度測量，得到可驗(yàn)證的普遍性結(jié)論，進(jìn)而關(guān)照本文的研究旨趣。另外，該方法已在商品評(píng)價(jià)、酒店評(píng)論、購物類APP等研究領(lǐng)域中得到使用和驗(yàn)證，因此方法選擇上具備較成熟的適用性。

1.2 移動(dòng)政務(wù)用戶研究

目前對(duì)于移動(dòng)政務(wù)的研究主要基于以下幾種視角：（1）技術(shù)采納視角認(rèn)為用戶對(duì)于移動(dòng)政務(wù)的采納在本質(zhì)上屬于信息系統(tǒng)采納行為，基于此理論研究者提出了技術(shù)接受模型（TAM）［10］、技術(shù)接受與利用整合理論（UTAUT）［11］與創(chuàng)新擴(kuò)散理論（IDT）［12］；（2）用戶需要視角認(rèn)為，移動(dòng)政務(wù)的使用應(yīng)旨在滿足用戶需求［13］，要想完善移動(dòng)政務(wù)服務(wù)機(jī)制，就要強(qiáng)調(diào)公眾需求的重要性，將公眾需求與移動(dòng)政務(wù)建設(shè)有機(jī)地聯(lián)系在一起［14］；（3）公眾信任視角認(rèn)為信任因素是影響公眾的移動(dòng)政務(wù)使用意愿的重要因素［15］，從類別上可以細(xì)分為政府信任與技術(shù)信任［16］，從時(shí)間上可以細(xì)分為初始信任與持續(xù)信任［17］；（4）用戶滿意視角將提升用戶滿意度作為信息系統(tǒng)成功的目標(biāo)，D&M模型認(rèn)為系統(tǒng)質(zhì)量、信息質(zhì)量與服務(wù)質(zhì)量共同影響著用戶的滿意程度［18-19］，使用行為的滿意度又會(huì)影響用戶后續(xù)的媒介接觸行為［20-22］；（5）用戶持續(xù)使用視角基于綜合理論模型，對(duì)用戶對(duì)政務(wù)系統(tǒng)的持續(xù)使用與不持續(xù)使用行為進(jìn)行了多角度的實(shí)證研究［23-25］。總體而言，現(xiàn)有研究已從多主體的角度，通過實(shí)證研究或者案例研究的方式，探究了多種因素在移動(dòng)政務(wù)用戶使用滿意度方面的影響，并據(jù)此對(duì)政府改進(jìn)移動(dòng)政務(wù)工作提出優(yōu)化建議?！叭绾翁嵘苿?dòng)政務(wù)服務(wù)質(zhì)量和水平”已然成為學(xué)者關(guān)注的焦點(diǎn)與研究落腳點(diǎn)。

隨著移動(dòng)政務(wù)研究方法的多元化，對(duì)用戶評(píng)論數(shù)據(jù)進(jìn)行情感分析的研究方法，因其對(duì)用戶評(píng)論情感趨勢的獨(dú)特甄別與對(duì)用戶痛點(diǎn)的精準(zhǔn)挖掘，也逐漸受到電子政務(wù)研究學(xué)者的青睞。馮小東等通過文本挖掘的方式發(fā)現(xiàn)公眾對(duì)于政務(wù)信息的情感傾向程度會(huì)顯著影響政務(wù)信息的傳播效果［26］。劉桂琴采用LDA主題模型對(duì)政府?dāng)?shù)據(jù)開放網(wǎng)站數(shù)據(jù)進(jìn)行訓(xùn)練，并對(duì)不同主題類型的評(píng)論情感差異進(jìn)行探討［27］。劉曉娟和王晨琳將政務(wù)微博評(píng)論數(shù)據(jù)作為研究對(duì)象,基于SnowNLP模型計(jì)算社會(huì)情緒以求分析輿情演化趨勢［28］。紀(jì)雪梅等構(gòu)建情感詞典對(duì)政務(wù)微博公眾評(píng)論情感進(jìn)行計(jì)算并進(jìn)行多因素方差分析，以探究政務(wù)回應(yīng)對(duì)公眾情緒的影響機(jī)制［29］。但目前運(yùn)用情感分析方法深度挖掘多用于商品評(píng)論，而將其運(yùn)用于移動(dòng)政務(wù)評(píng)論領(lǐng)域的文章數(shù)量整體較少。同時(shí)，在情感分析方法的選擇中，運(yùn)用傳統(tǒng)情感分類方法如情感詞典的文章較多，但傳統(tǒng)情感分類方法主要依賴于情感詞典的構(gòu)建和判斷規(guī)則質(zhì)量，而兩者都需要耗費(fèi)很多人力（包括人工設(shè)計(jì)和先驗(yàn)知識(shí)），規(guī)則的質(zhì)量實(shí)質(zhì)上就決定了情感分類質(zhì)量。因此，結(jié)合以上背景與文獻(xiàn)梳理，本文嘗試探究的問題為：運(yùn)用方面級(jí)情感分析方法對(duì)移動(dòng)政務(wù)用戶評(píng)論進(jìn)行細(xì)粒度的情感挖掘，實(shí)現(xiàn)移動(dòng)政務(wù)用戶的情感傾向性測度與分析。

2 數(shù)據(jù)采集與分析

本文構(gòu)建的基于ABSA方法的移動(dòng)政務(wù)用戶情感傾向性評(píng)估基本流程具體步驟包括：（1）獲取用戶在線評(píng)論文本，并對(duì)評(píng)論文本進(jìn)行預(yù)處理，其中預(yù)處理包括設(shè)置停用詞、設(shè)定關(guān)鍵詞、分詞、詞性標(biāo)注、轉(zhuǎn)詞向量等標(biāo)準(zhǔn)化工作；（2）將進(jìn)行預(yù)處理后的評(píng)論文本輸入LDA主題模型，以實(shí)現(xiàn)關(guān)鍵評(píng)論實(shí)體的抽取與方面類別的抽取任務(wù)；（3）將評(píng)論文本直接輸入BERT模型完成ABSA方法中情感傾向性判定的任務(wù)；（4）測量評(píng)論實(shí)體級(jí)別的情感距離，進(jìn)而根據(jù)評(píng)論實(shí)體所屬方面的中心相關(guān)度計(jì)算方面級(jí)情感傾向性；（5）結(jié)合移動(dòng)政務(wù)用戶期待模型中劃分的方面層級(jí)，根據(jù)次級(jí)方面的情感傾向性強(qiáng)度測量一級(jí)方面的情感傾向指數(shù)，從而實(shí)現(xiàn)對(duì)地方政府政務(wù)APP的多維細(xì)粒度評(píng)估測量。

2.1 數(shù)據(jù)采集與預(yù)處理

本文以APPStore上的政務(wù)APP為研究對(duì)象，篩選出截至2021年5月23日在APPStore上線期間評(píng)論量超過1000條的18個(gè)便民服務(wù)類政務(wù)APP，具體包括：浙里辦、江蘇政務(wù)服務(wù)、天府通辦、皖事通、云上貴州多彩寶、閩政通、遼事通、隨申辦、北京通、i深圳、鄭好辦、智慧南京、智慧青島、e福州、鄂匯辦、辦事通—一部手機(jī)辦事通、我的寧夏、椰城市民云。其中以省級(jí)政務(wù)APP為主，為滿足深度學(xué)習(xí)模型訓(xùn)練需求，爬取部分市級(jí)APP評(píng)論數(shù)據(jù)進(jìn)行訓(xùn)練集的補(bǔ)充，共采集數(shù)據(jù)42125條評(píng)論信息，并采集各APP的用戶在線評(píng)論進(jìn)行量化分析（數(shù)據(jù)采集格式示例見表1）。

表1 評(píng)論數(shù)據(jù)采集格式示例

數(shù)據(jù)采集后對(duì)評(píng)論數(shù)據(jù)進(jìn)行預(yù)處理工作，合并評(píng)論標(biāo)題與評(píng)論內(nèi)容，將其作為主要的文本研究數(shù)據(jù)。通過設(shè)置停用詞、進(jìn)行去重等方式，過濾掉無效評(píng)論，對(duì)評(píng)論文本進(jìn)行標(biāo)準(zhǔn)化清洗處理，清洗后的文本數(shù)據(jù)作為待使用數(shù)據(jù)，共35744條評(píng)論信息。在數(shù)據(jù)清洗完成后，對(duì)采集的APP用戶在線評(píng)論語料進(jìn)行jieba分詞操作，對(duì)特征提取的輸入語料進(jìn)行初始化操作，以完成對(duì)輸入數(shù)據(jù)的預(yù)處理工作。

2.2 在線評(píng)論方面級(jí)情感分析

方面級(jí)情感分析可以拆解為兩項(xiàng)任務(wù)目標(biāo)：子任務(wù)一的目標(biāo)是實(shí)現(xiàn)方面提取，而子任務(wù)二的目標(biāo)是實(shí)現(xiàn)情感分析。本文選取兩項(xiàng)子任務(wù)互相獨(dú)立的方式進(jìn)行實(shí)驗(yàn)，其中兩項(xiàng)子任務(wù)可同時(shí)進(jìn)行，互不干擾。最終<方面,情感>二元組由子任務(wù)目標(biāo)的規(guī)則匹配進(jìn)行生成。

本文運(yùn)用LDA主題模型完成方面級(jí)情感分析子任務(wù)一——方面提取。LDA模型結(jié)構(gòu)包括三層：文檔、主題和詞語，可以進(jìn)行文本降維及主題聚類［30］。通過LDA主題模型的訓(xùn)練可以獲得“主題—詞”概率分布為p（wi|k|zk），wi|k是通過LDA主題模型抽取出的評(píng)論實(shí)體，代表了第k個(gè)主題下的第i個(gè)詞。評(píng)論文本語料經(jīng)過分詞處理后的其集合為D，LDA主題模型抽取出的評(píng)論實(shí)體所組成的集合為W，存在集合W∪D，對(duì)于元素中的集合存在wi|k∈D。p（wi|k|zk)在本質(zhì)上是LDA模型所抽取的評(píng)論實(shí)體與其所屬方面主題的中心相關(guān)度。

本文選擇運(yùn)用BERT模型完成方面級(jí)情感分析子任務(wù)二——情感分析。BERT是Google在2018年公開推出的一個(gè)基于深度雙向編碼器預(yù)訓(xùn)練的語言理解模型，已在評(píng)論實(shí)體識(shí)別、文本分類等多個(gè)NLP任務(wù)實(shí)驗(yàn)中取得比以前方法模型更高的精度［31］。情感分析任務(wù)的目的是給定評(píng)論實(shí)體，根據(jù)文本特征以及上下文內(nèi)容，按照分類目的給評(píng)論實(shí)體加上情感傾向標(biāo)簽并且得到具體評(píng)論實(shí)體的情感分布概率（積極、中性、消極）以實(shí)現(xiàn)傾向性情感判定。本文將數(shù)據(jù)采集中的移動(dòng)政務(wù)評(píng)分直接作為BERT輸入所需的情感分類標(biāo)簽，其中1、5分別定義為消極與積極情感，其余評(píng)分定義為中性情感。嘗試運(yùn)用BERT、LSTM、CNN、SVM以及KNN完成評(píng)論文本情感分類任務(wù)，并對(duì)比了多模型的精確度、召回率與F1值，實(shí)驗(yàn)中訓(xùn)練集、驗(yàn)證集、測試集的劃分比例為6:2:2（多模型文本分類結(jié)果見表2）。

表2 多模型實(shí)驗(yàn)參數(shù)對(duì)比

由表2可以看出，BERT網(wǎng)絡(luò)對(duì)移動(dòng)政務(wù)評(píng)論文本識(shí)別F1值達(dá)到0.92以上，并且運(yùn)用BERT模型實(shí)現(xiàn)ABSA中的情感分類任務(wù)是有效的能夠獲得較高的精確度與召回率。

通過BERT模型所訓(xùn)練出的評(píng)論實(shí)體級(jí)別積極文本分布概率為p（pos|wi），代表了全部評(píng)論文本中第i個(gè)評(píng)論實(shí)體的積極情感傾向指數(shù)；消極文本分布概率為p（neg|wi），代表了全部評(píng)論文本中第i個(gè)評(píng)論實(shí)體的消極情感傾向指數(shù)。θ為標(biāo)準(zhǔn)化系數(shù)，通過對(duì)于同一主題方面類別的評(píng)論實(shí)體與主題的情感級(jí)別求加權(quán)平均值，可以分別得到該主題方面級(jí)別的積極情感指數(shù)（Aspectpos|zk）與消極情感指數(shù)（Aspectneg|zk），分別在式（1）與式（2）中定義：

本文借鑒了Kohavi和Wolpert提出的K-W差異模型［32］，通過分析方面級(jí)別積極與消極情感的情感距離［33］可以得到評(píng)論文本方面級(jí)情感傾向指數(shù)（Aspect-levelzk），在式（3）中定義：

需要注意的是，本文對(duì)于方面屬性定義了兩個(gè)級(jí)別，分別是：一級(jí)方面和次級(jí)方面。因此，在本文的方面級(jí)情感傾向指數(shù)測算中，當(dāng)topic作為一級(jí)方面時(shí)，k∈[1，4]；而當(dāng)topic作為次級(jí)方面時(shí)，k∈[1，10]。當(dāng)方面級(jí)的情感傾向指數(shù)小于0時(shí)，證明該方面屬性的用戶消極情感相對(duì)較為強(qiáng)烈，公眾期待的滿足程度較低；反之，證明該方面屬性的用戶積極情感相對(duì)較為強(qiáng)烈，公眾期待的滿足程度較高。同時(shí)，經(jīng)過多方面級(jí)別間的橫向?qū)Ρ龋梢园l(fā)現(xiàn)公眾期待的滿足程度較低的方面級(jí)因素，從而挖掘出當(dāng)前移動(dòng)政務(wù)工作的用戶痛點(diǎn)。

3 研究討論與結(jié)果驗(yàn)證

3.1 移動(dòng)政務(wù)用戶需求的方面分析

通過LDA主題模型的訓(xùn)練，可以得到形式為<方面，評(píng)論實(shí)體>的二元組合，通過LDA主題模型的評(píng)論文本進(jìn)行挖掘，得出結(jié)果（見表3），方面類別按照“文章—主題”相關(guān)度降序排列。用戶對(duì)于移動(dòng)政務(wù)的期待與需求主要圍繞使用自愿性、系統(tǒng)穩(wěn)定性、服務(wù)響應(yīng)性、功能協(xié)同性、系統(tǒng)適配性、內(nèi)容趣味性、內(nèi)容豐富性、界面交互性、系統(tǒng)流暢性、功能實(shí)用性這十個(gè)主題方面類別展開。

表3 LDA主題模型評(píng)論文本挖掘結(jié)果

本文結(jié)合期望確認(rèn)理論與信息系統(tǒng)成功模型，對(duì)LDA模型實(shí)現(xiàn)的評(píng)論詞聚類進(jìn)行評(píng)論目標(biāo)識(shí)別與特征歸類，認(rèn)為使用動(dòng)機(jī)、服務(wù)質(zhì)量、系統(tǒng)質(zhì)量與信息質(zhì)量是當(dāng)前中國公眾對(duì)于移動(dòng)政務(wù)的主要期待維度，并依此構(gòu)建移動(dòng)政務(wù)用戶需求模型（見圖2）。

圖2 移動(dòng)政務(wù)用戶需求模型

整體來看，移動(dòng)政務(wù)用戶需求模型為雙層模型，本文將LDA主題模型訓(xùn)練得到的主題方面屬性設(shè)定為次級(jí)方面，而將根據(jù)理論總結(jié)與主題歸類的四個(gè)維度屬性（使用動(dòng)機(jī)、服務(wù)質(zhì)量、系統(tǒng)質(zhì)量、信息質(zhì)量）設(shè)定為一級(jí)方面。

具體來看，公眾對(duì)于使用動(dòng)機(jī)的期待包括內(nèi)在因素與外在因素，內(nèi)在動(dòng)機(jī)主要指使用目標(biāo)的實(shí)現(xiàn)，而外在動(dòng)機(jī)主要體現(xiàn)為社會(huì)接納。對(duì)于公眾而言，如“健康碼”等業(yè)務(wù)的普及成為公眾出行生活的常態(tài)化需求。從政府的角度來看，移動(dòng)政務(wù)應(yīng)用的下載量與使用量成為了衡量地區(qū)移動(dòng)政務(wù)發(fā)展水平和網(wǎng)絡(luò)可見度［34］的重要指標(biāo)，于是有部分地區(qū)強(qiáng)迫基層公職單位與所屬事業(yè)單位部門人員進(jìn)行下載與推廣。而在LDA主題模型的文本挖掘的結(jié)果中，使用自愿性這一主題的文檔相關(guān)度最高，因此可以發(fā)現(xiàn)中國公眾對(duì)于使用自愿性的期待是十分強(qiáng)烈的。

公眾對(duì)于服務(wù)質(zhì)量的期待主要體現(xiàn)為服務(wù)響應(yīng)性與服務(wù)可靠性，當(dāng)前中國公眾對(duì)于移動(dòng)政務(wù)的可靠性期待基于對(duì)政府的信任，但當(dāng)科技公司成為移動(dòng)政務(wù)發(fā)展的重要中介時(shí)，對(duì)技術(shù)以及科技公司的信任也會(huì)逐漸影響公眾對(duì)于可靠性期待的滿足。公眾對(duì)于服務(wù)響應(yīng)性的期待既包括對(duì)于用戶個(gè)性化需求反饋的期待，又包括部分便民業(yè)務(wù)辦理的即時(shí)性需求即對(duì)于響應(yīng)速度的期待。

中國公眾對(duì)于移動(dòng)政務(wù)系統(tǒng)質(zhì)量這一維度的期待屬性相對(duì)豐富，具體包括穩(wěn)定性期待、流暢性期待、適配性期待以及易用性期待。系統(tǒng)的穩(wěn)定性與流暢性可以提供給用戶愉悅的使用感受，產(chǎn)生心流體驗(yàn)從而提升用戶的持續(xù)使用能力。系統(tǒng)的適配性期待主要指向系統(tǒng)的運(yùn)行與維護(hù)狀況，由于移動(dòng)終端設(shè)備的多樣，統(tǒng)一的界面與程序就不可能滿足公眾的多樣化需求。系統(tǒng)的易用性期待旨在提升用戶完成目標(biāo)任務(wù)的能力以及使用實(shí)際產(chǎn)品的能力。從本質(zhì)上是提升公眾使用移動(dòng)政務(wù)應(yīng)用的能力，超過他們使用相應(yīng)非數(shù)字化產(chǎn)品的能力，以弱化實(shí)體政務(wù)大廳的可替代性，展現(xiàn)具有泛在化特征的移動(dòng)政務(wù)優(yōu)勢。

中國公眾在信息質(zhì)量這一層面上，期待咨詢獲取信息內(nèi)容的豐富性、完整性與趣味性。同時(shí)，中國公眾強(qiáng)調(diào)共享性體驗(yàn)即信息功能的協(xié)同性需求，公眾期待在政務(wù)應(yīng)用內(nèi)部或同一地區(qū)多政務(wù)應(yīng)用間的個(gè)人數(shù)據(jù)是聯(lián)通的，不需要用戶進(jìn)行反復(fù)地填寫與驗(yàn)證。公眾期待存在于數(shù)字空間的移動(dòng)政務(wù)可以完全脫離物理空間的現(xiàn)實(shí)世界而存在，避免多次現(xiàn)實(shí)的交互，以增強(qiáng)政務(wù)應(yīng)用使用的沉浸感與持續(xù)性。最后，與一般性的移動(dòng)應(yīng)用相似，公眾對(duì)信息質(zhì)量也同樣存在著功能效用性的期待，移動(dòng)政務(wù)應(yīng)用使用行為的產(chǎn)生與持續(xù)需要有效觸發(fā)的連續(xù)呈現(xiàn)，并且用戶的動(dòng)機(jī)和能力要高于臨界值才能激活觸發(fā)并做出行為。為了在移動(dòng)政務(wù)應(yīng)用設(shè)計(jì)中有效地利用觸發(fā)，需要優(yōu)化界面設(shè)計(jì)、精簡流程，在操作流程中適當(dāng)?shù)那榫澈臀恢脼槔^續(xù)行動(dòng)提供行為號(hào)召。

3.2 基于方面級(jí)別的用戶情感分析

本文對(duì)于評(píng)論文本數(shù)據(jù)通過BERT情感分析模型進(jìn)行情感3分類，測算出通過LDA抽取出的關(guān)鍵實(shí)體的積極情感分布概率與消極情感分布概率。并結(jié)合主題-詞匯相關(guān)度為情感分布概率賦值，測度出不同次級(jí)方面的Aspect-level。通過對(duì)于主題情感強(qiáng)度正負(fù)的判斷與情感傾向性指數(shù)可以了解當(dāng)前移動(dòng)政務(wù)在不同方面級(jí)別的情感滿足程度（其情感滿足程度見表4）。

表4 政務(wù)APP方面級(jí)情感傾向強(qiáng)度指數(shù)表

根據(jù)政務(wù)APP方面級(jí)情感傾向強(qiáng)度指數(shù)表可以發(fā)現(xiàn)，在使用動(dòng)機(jī)、服務(wù)質(zhì)量、系統(tǒng)質(zhì)量、信息質(zhì)量四個(gè)公眾關(guān)注的方面之中，僅有服務(wù)質(zhì)量的Aspectlevel為正值，可見當(dāng)前中國公眾對(duì)移動(dòng)政務(wù)發(fā)展在服務(wù)質(zhì)量方面的需要被滿足程度較高。同時(shí)，在一級(jí)方面層次進(jìn)行橫向?qū)Ρ?，可以發(fā)現(xiàn)中國公眾對(duì)移動(dòng)政務(wù)服務(wù)質(zhì)量總體上情感滿足程度相對(duì)較高，究其原因，一是電子證照的推廣重塑了行政審批的流程與形態(tài)；二是“放管服”改革縮減了審批環(huán)節(jié)、壓縮了審批時(shí)間，縮減了公眾辦理業(yè)務(wù)的時(shí)間成本；三是對(duì)于用戶評(píng)論的問題以及建議反饋的及時(shí)性，匯聚民智，吸納民意有助于改善移動(dòng)政務(wù)服務(wù)質(zhì)量。

系統(tǒng)質(zhì)量和信息質(zhì)量兩個(gè)一級(jí)方面的消極情感傾向較為強(qiáng)烈，情感滿足程度較低。在信息質(zhì)量方面，功能協(xié)同性和內(nèi)容的豐富性是公眾產(chǎn)生消極情緒的主要因素。從具體的功能以及業(yè)務(wù)上看，登錄功能、身份認(rèn)證功能、健康碼功能是從評(píng)論文本中挖掘到的公眾使用熱點(diǎn)功能，但以上幾項(xiàng)功能卻在推廣過程中普遍的存在問題。究其原因：一是數(shù)據(jù)孤島的存在，數(shù)據(jù)共享問題仍廣泛的影響著民眾的使用感受；二是功能的流程設(shè)計(jì)仍然較為機(jī)械化，重復(fù)填寫數(shù)據(jù)與表單的問題仍然存在；三是功能與服務(wù)器的聯(lián)動(dòng)性需要加強(qiáng)，許多公眾在評(píng)論中反饋到“無法接收驗(yàn)證碼”的問題，短信驗(yàn)證碼的延遲原因可能包括網(wǎng)絡(luò)延遲或服務(wù)器的通信延遲，要求政府部門在移動(dòng)政務(wù)的建設(shè)中既要在技術(shù)層面關(guān)注服務(wù)器的運(yùn)營與維護(hù)，又要在功能設(shè)計(jì)中注意流程與通訊技術(shù)的適配環(huán)節(jié)。

在公眾較為關(guān)注的四個(gè)一級(jí)方面之中，系統(tǒng)質(zhì)量的Aspect-level最低，消極情感傾向強(qiáng)度最為強(qiáng)烈。但細(xì)化來看，該方面整體的消極情緒主要受系統(tǒng)流暢性的影響，其他三因素：系統(tǒng)穩(wěn)定性、系統(tǒng)適配性與界面易用性情感影響較小，甚至其中系統(tǒng)適配性會(huì)產(chǎn)生正向情緒影響。在現(xiàn)有關(guān)于移動(dòng)政務(wù)發(fā)展的研究中，尤其是結(jié)合信息系統(tǒng)領(lǐng)域的研究，學(xué)者多數(shù)在對(duì)策建議方面指出需要提升系統(tǒng)的整體質(zhì)量。從本研究結(jié)果來看，雖然系統(tǒng)質(zhì)量的確是移動(dòng)政務(wù)亟需改進(jìn)的方面，但其成為移動(dòng)政務(wù)發(fā)展的痛點(diǎn)的主觀原因是源于公眾在使用過程中的使用感受不佳：出現(xiàn)“閃退”“卡頓”“延遲”“加載”的現(xiàn)象，系統(tǒng)的流暢性不足嚴(yán)重削弱了公眾使用政務(wù)APP的滿足感，加劇了用戶的負(fù)面情緒。

對(duì)次級(jí)方面的情感傾向強(qiáng)度進(jìn)行橫向?qū)Ρ龋ㄒ妶D3）。首先，公眾對(duì)于政務(wù)APP的系統(tǒng)流暢性整體期待較高，但需求滿足程度卻呈現(xiàn)較低的狀態(tài)，消極情緒在多個(gè)主題方面中最為強(qiáng)烈。且在系統(tǒng)流暢性方面，70%評(píng)論實(shí)體的消極情感傾向超過50%，政府相關(guān)的技術(shù)部門與所委托的科技公司的工作質(zhì)量在用戶登錄、信息加載、程序運(yùn)行、網(wǎng)絡(luò)流暢度等實(shí)體層次均亟需進(jìn)行提升；其次，功能的協(xié)同性也是當(dāng)前中國移動(dòng)政務(wù)發(fā)展的痛點(diǎn)，尤其是公眾高頻業(yè)務(wù)的使用與系統(tǒng)承載力的協(xié)調(diào)問題；最后，在使用自愿性方面，許多學(xué)者都研究了持續(xù)使用政務(wù)APP的影響因素，但實(shí)際上個(gè)體的使用意愿在對(duì)政務(wù)APP的使用感受是存在顯著影響的。在APP的下載與使用動(dòng)機(jī)方面，使用者開始使用移動(dòng)政務(wù)本應(yīng)基于便利的實(shí)用性需求，但實(shí)際上政務(wù)APP被動(dòng)使用的情況是廣泛存在的。部分地區(qū)政務(wù)APP的評(píng)論中可以發(fā)現(xiàn)，“攤派下載”的情況十分嚴(yán)重，從LDA主題模型訓(xùn)練出的“主題-詞”分布可以看到，在使用自愿性主體方面中，“強(qiáng)制”“下載”“任務(wù)”都是被訓(xùn)練得到的關(guān)鍵評(píng)論實(shí)體，同時(shí)“政府”“學(xué)?！薄搬t(yī)院”這些體制內(nèi)及其下屬單位都是承擔(dān)攤派下載任務(wù)的重要人群，從側(cè)面印證了當(dāng)前公眾在移動(dòng)政務(wù)發(fā)展中很關(guān)注使用行為的自愿性，強(qiáng)制性的使用要求會(huì)增加公眾的消極與厭煩情緒，不利于政府移動(dòng)政務(wù)相關(guān)工作滿意度的提升。

圖3 次級(jí)方面的情感傾向橫向?qū)Ρ?/p>

3.3 基于方面級(jí)情感測量的政務(wù)APP評(píng)估

本文利用以上方法計(jì)算在線評(píng)論的情感強(qiáng)度，將評(píng)論集的四維屬性即使用動(dòng)機(jī)、服務(wù)質(zhì)量、系統(tǒng)質(zhì)量以及信息質(zhì)量作為政務(wù)APP在線評(píng)論的四維度屬性值計(jì)算方面級(jí)情感強(qiáng)度值，并通過該計(jì)算結(jié)果對(duì)各省級(jí)地方政府政務(wù)APP進(jìn)行排序（部分省級(jí)政務(wù)APP用戶口碑情感測量結(jié)果見表5）。

表5 政務(wù)APP用戶口碑情感測量結(jié)果

根據(jù)等級(jí)劃分規(guī)則和實(shí)驗(yàn)測量數(shù)據(jù)，正面口碑效用排序結(jié)果從大到小依次為：浙里辦、云上貴州多彩寶、江蘇政務(wù)服務(wù)、天府通辦、鄂匯辦、皖事通、辦事通、閩政通、遼事通。用戶情感口碑計(jì)算結(jié)果較高的政務(wù)APP是浙里辦、云上貴州多彩寶、江蘇政務(wù)服務(wù)和天府通辦等，用戶對(duì)于這些政務(wù)APP的評(píng)論在整體評(píng)論中呈現(xiàn)積極正面的情感態(tài)度。用戶情感口碑等級(jí)稍低的政務(wù)APP是辦事通、閩政通和遼事通。

由于政務(wù)APP的特殊性導(dǎo)致用戶無法自由選擇替代性產(chǎn)品，導(dǎo)致用戶使用動(dòng)機(jī)的被動(dòng)性較高，加劇了用戶使用政務(wù)APP的負(fù)面情感傾向。自主選擇能力與人的自由需求息息相關(guān)，具有內(nèi)在主動(dòng)性而進(jìn)行下載使用的用戶因其自由需求得到相對(duì)的滿足，因此更易對(duì)該軟件產(chǎn)生積極的情感傾向；反之，在個(gè)體被委派以“任務(wù)”的形式進(jìn)行強(qiáng)制性的政務(wù)APP的下載與推廣時(shí)，就會(huì)引發(fā)個(gè)體抵抗與厭煩的消極情緒。因此，從研究結(jié)果來看，當(dāng)前中國公眾在對(duì)政務(wù)APP的使用自愿性上情感滿足是缺失的，為提升公眾的情感滿足程度，政府要實(shí)現(xiàn)體制內(nèi)的“凈化”，摒棄“唯數(shù)字”的傾向，改進(jìn)移動(dòng)政務(wù)的宣傳方式，通過不斷拓寬宣傳渠道讓公眾了解并自愿下載使用政務(wù)APP。

同時(shí)，通過對(duì)在線評(píng)論的挖掘可以發(fā)現(xiàn)，系統(tǒng)質(zhì)量是影響政務(wù)服務(wù)APP公眾滿意度的最主要因素，雖然在系統(tǒng)質(zhì)量這一維度中，系統(tǒng)穩(wěn)定性、系統(tǒng)適配性、界面友好性與系統(tǒng)流暢性都是公眾對(duì)移動(dòng)政務(wù)建設(shè)較為關(guān)注的方面維度。但從其實(shí)際的情感影響來看，系統(tǒng)流暢性是公眾對(duì)系統(tǒng)質(zhì)量所做出的情感反饋具有強(qiáng)度最高的情感影響。系統(tǒng)的流暢性直接影響著政務(wù)APP的可用程度，進(jìn)而影響著政務(wù)APP的口碑評(píng)價(jià)與普及。政府在開發(fā)政務(wù)APP的過程中，除了要在系統(tǒng)正式上線前要反復(fù)測試，確保系統(tǒng)流暢、可用，同時(shí)也要在系統(tǒng)正式上線后持續(xù)保持關(guān)注，實(shí)現(xiàn)技術(shù)部門或技術(shù)公司的定期系統(tǒng)維護(hù)工作，避免與手機(jī)系統(tǒng)版本不適配的問題發(fā)生，對(duì)發(fā)現(xiàn)的系統(tǒng)問題及時(shí)進(jìn)行版本的更新。

政務(wù)APP作為以政府為發(fā)布主體的移動(dòng)應(yīng)用仍應(yīng)遵循APP的基本設(shè)計(jì)邏輯。中國政府相對(duì)于企業(yè)而言，在收集公眾數(shù)據(jù)方面具有更強(qiáng)的天然優(yōu)勢。那么政府如何更好地去管理數(shù)據(jù)池，如何在部門間實(shí)現(xiàn)數(shù)據(jù)共享的同時(shí)去實(shí)現(xiàn)有效的數(shù)據(jù)治理就成為了“數(shù)字空間”政府發(fā)展的關(guān)鍵。從本文情感分析的研究結(jié)果來看，當(dāng)前中國公眾雖然對(duì)于移動(dòng)政務(wù)信息供給的創(chuàng)新性、趣味性、豐富性的情感反饋偏向中性態(tài)度，可見信息推送與供給的質(zhì)量并不是當(dāng)前中國移動(dòng)政務(wù)發(fā)展的重點(diǎn)。但從本文需求分析的研究結(jié)果來看，中國公眾對(duì)移動(dòng)政務(wù)信息推送的精準(zhǔn)度、更新的及時(shí)性、內(nèi)容的趣味性等方面是存在一定期待的。因此，在部分移動(dòng)政務(wù)發(fā)展較為先進(jìn)的地區(qū)，在改善移動(dòng)政務(wù)痛點(diǎn)的基礎(chǔ)上，考慮如何運(yùn)用人工智能等新興數(shù)字技術(shù)提升政務(wù)APP信息供給的質(zhì)量是下一步移動(dòng)政務(wù)發(fā)展的重點(diǎn)。

3.4 實(shí)驗(yàn)結(jié)果驗(yàn)證

為了進(jìn)一步驗(yàn)證本文所提出的基于ABSA方法測量情感傾向性強(qiáng)度方法的有效性，借鑒李吉等［35］論文的實(shí)驗(yàn)結(jié)果驗(yàn)證方式，將9個(gè)省級(jí)政務(wù)APP用戶評(píng)論的情感傾向性強(qiáng)度測量結(jié)果與專家評(píng)分結(jié)果進(jìn)行對(duì)比實(shí)驗(yàn)。筆者邀請(qǐng)了12名具有副高以上職稱的專家、7名第三方政務(wù)評(píng)估機(jī)構(gòu)工作人員以及15名高校碩士以上學(xué)歷的研究生組成專家組進(jìn)行政務(wù)APP使用情感評(píng)分。

專家組具有豐富的政務(wù)研究與評(píng)估經(jīng)驗(yàn)，因此評(píng)分具有較大的可信度以及可靠性。實(shí)驗(yàn)過程中，需要專家組成員閱讀被隨機(jī)抽取的政務(wù)APP用戶評(píng)論，并從使用動(dòng)機(jī)、服務(wù)質(zhì)量、系統(tǒng)質(zhì)量以及信息質(zhì)量4個(gè)維度分別打分，然后對(duì)打分結(jié)果進(jìn)行加權(quán)平均，并最終匯總成情感傾向性強(qiáng)度得分。將其與本文計(jì)算結(jié)果進(jìn)行比較得到政務(wù)APP情感傾向性差異度（具體內(nèi)容見圖4）。

圖4 省級(jí)政務(wù)APP情感傾向性測量差異度

從圖4結(jié)果來看，本文提出的方法與人工方法的差異度值都小于0.4。其中，浙里辦、江蘇政務(wù)服務(wù)、天府通辦、云上貴州等政務(wù)APP情感強(qiáng)度測量差異較小，均低于0.25。遼事通和辦事通等政務(wù)APP情感強(qiáng)度測量差異度稍大，但總體仍小于0.4。由于很多服務(wù)事項(xiàng)在線上辦理過程中才能獲得最為真實(shí)的體驗(yàn)，且專家組成員對(duì)于方面主題的內(nèi)涵認(rèn)知存在差異，導(dǎo)致專家組評(píng)分結(jié)果與情感強(qiáng)度計(jì)算結(jié)果稍有不同，但通過有效性測量可以發(fā)現(xiàn)結(jié)果分歧度較小。因此，本文運(yùn)用ABSA方法對(duì)移動(dòng)政務(wù)用戶評(píng)論進(jìn)行的細(xì)粒度情感分析結(jié)果具有較高的可信性與有效性。

4 結(jié)論與討論

本文結(jié)合系統(tǒng)成功模型與期望確認(rèn)模型將政務(wù)APP情感傾向性測度模型劃分為使用動(dòng)機(jī)、服務(wù)質(zhì)量、系統(tǒng)質(zhì)量以及信息質(zhì)量4個(gè)一級(jí)方面，運(yùn)用LDA模型挖掘了政務(wù)APP評(píng)論文本的隱式方面并定義為次級(jí)方面，通過BERT模型將關(guān)鍵評(píng)論實(shí)體情感傾向概率映射到評(píng)論實(shí)體所屬方面層級(jí)中并測量情感傾向度，實(shí)現(xiàn)了用戶需求隱式方面的抽取與情感傾向分析的細(xì)粒度分析。同時(shí)爬取18個(gè)政務(wù)APP在線評(píng)論數(shù)據(jù)用于模型訓(xùn)練，并選取9個(gè)在線評(píng)論量較多的省級(jí)政務(wù)APP進(jìn)行實(shí)例驗(yàn)證。

該研究在進(jìn)行過程中仍存在一些局限：首先，在系統(tǒng)穩(wěn)定性方面，根據(jù)情感傾向性指數(shù)測算結(jié)果發(fā)現(xiàn)，積極情感與消極情感均較為強(qiáng)烈。其原因，是選取的18個(gè)不同地區(qū)的政務(wù)APP在系統(tǒng)穩(wěn)定性方面差距較大，兩級(jí)分化狀態(tài)較為明顯，在今后的研究中可以對(duì)多方面的正負(fù)情感分歧度進(jìn)行進(jìn)一步的橫向?qū)Ρ妊芯浚黄浯?，公眾關(guān)注的多重維度在情感上實(shí)際上是相互作用的。那么多種條件方面如何組合發(fā)揮作用，可以在后續(xù)研究中運(yùn)用fsQCA的方法，以全國各地方政府APP作為研究對(duì)象，運(yùn)用研究組態(tài)思想，以探究提升移動(dòng)政務(wù)工作的組合策略。