譚星 盧思遠(yuǎn) 郭泉

摘 要：武漢市憑借著豐富的經(jīng)驗(yàn)有效地控制住疫情，對(duì)于社區(qū)治理方面的研究熱點(diǎn)久居不下，在該背景下，把握文本信息并對(duì)當(dāng)前武漢市社區(qū)治理的趨勢(shì)和需求分析顯得尤為重要。本文采用改進(jìn)的TF-IDF算法和語義網(wǎng)絡(luò)從政策信息和居民動(dòng)態(tài)兩個(gè)方面的文本信息進(jìn)行了趨勢(shì)和需求分析，最后從基層治理、技術(shù)創(chuàng)新和人才引進(jìn)三個(gè)角度給出建議。

關(guān)鍵詞：社區(qū)治理;改進(jìn)的TF-IDF;語義網(wǎng)絡(luò);文本分析

中圖分類號(hào)：F2 文獻(xiàn)標(biāo)識(shí)碼：Adoi：10.19311/j.cnki.16723198.2022.18.007

0 引言

憑借著豐富的突發(fā)事件處理經(jīng)驗(yàn)，新冠疫情在我國(guó)得到有效控制，我國(guó)也逐步進(jìn)入后疫情時(shí)代。而疫情的爆發(fā)導(dǎo)致大量的社會(huì)問題和公共服務(wù)需求下沉到社區(qū)這一層面，社區(qū)不得不承接自上而下轉(zhuǎn)移的諸多問題。社區(qū)是社會(huì)治理的重要載體，治理體制的完善已成為政府的關(guān)鍵工作。體制的完善又與政策的變化和實(shí)際治理現(xiàn)狀相關(guān)聯(lián)。黨的十九大報(bào)告明確指出：“加強(qiáng)社區(qū)治理體系建設(shè)，推動(dòng)社會(huì)治理重心向基層下移”。依托多元化的治理模式與主體，城市的社區(qū)治理通過多方合作化的形式來提升公共服務(wù)質(zhì)量。

公共治理的技術(shù)化已成為現(xiàn)代國(guó)家治理的重要趨勢(shì)之一，社區(qū)治理的一系列問題都需要通過定量或定性分析得出。馬晗從發(fā)展脈絡(luò)、合作網(wǎng)絡(luò)等角度對(duì)近年來社區(qū)治理的有關(guān)文獻(xiàn)進(jìn)行研究，得出研究規(guī)范但合作網(wǎng)絡(luò)較弱的結(jié)論。Yao Lili采用基于定量數(shù)據(jù)的案例研究方法，測(cè)試了用戶在線參與和社區(qū)治理感知互動(dòng)的理論。滕方煒根據(jù)傳播學(xué)的原理解釋了基層社會(huì)治理現(xiàn)代化的時(shí)代邏輯與路徑選擇。在趨勢(shì)與需求分析中，大多數(shù)研究針對(duì)的是指標(biāo)類數(shù)據(jù)而忽略了文本信息對(duì)其的影響。本文通過文本分析手段對(duì)政策信息和居民動(dòng)態(tài)兩個(gè)角度進(jìn)行深入挖掘，并分析當(dāng)前武漢市社區(qū)治理的趨勢(shì)與需求。

1 研究設(shè)計(jì)

待分析的有兩方面內(nèi)容：一是社區(qū)治理的趨勢(shì);二是社區(qū)治理的需求。對(duì)于趨勢(shì)的分析，可采用關(guān)鍵詞提取算法針對(duì)工作報(bào)告、意見等政策類文本進(jìn)行關(guān)鍵詞挖取;對(duì)于需求的探究，可采用語義網(wǎng)絡(luò)對(duì)社交平臺(tái)上武漢市社區(qū)居民發(fā)布的動(dòng)態(tài)進(jìn)行網(wǎng)絡(luò)分析。

1.1 數(shù)據(jù)來源與處理

本文所分析的全部為文本型數(shù)據(jù)。其中，趨勢(shì)分析的數(shù)據(jù)來源于武漢市民政局官網(wǎng)（mzj.wuhan.gov.cn），在該官網(wǎng)中采集的數(shù)據(jù)具體為：武漢市2012-2021年政府工作報(bào)告、政府公開的政策與意見和關(guān)注度較高的新聞。需求分析的數(shù)據(jù)來源于各個(gè)社區(qū)用戶微博、知乎等社交平臺(tái)的動(dòng)態(tài)正文（不包括評(píng)論與回復(fù)）。文本信息的檢索詞設(shè)定為社區(qū)治理、基層治理，數(shù)據(jù)采集時(shí)間為2022年2月10日。

通過Python的Scrapy框架，給定不同的初始網(wǎng)址，可以較快速的抓取所需數(shù)據(jù)，之后進(jìn)行預(yù)處理，包括機(jī)械壓縮、無效內(nèi)容去除、構(gòu)建停用詞典等，最終獲取的有效信息情況如表1所示。

1.2 分析方法

1.2.1 改進(jìn)的TF-IDF算法

TF-IDF是一種較為有效的關(guān)鍵詞提取算法，它是根據(jù)詞頻與逆文本頻率的大小來綜合判斷某個(gè)詞的重要程度，在政治論述類文章里詞頻的大小往往反映重要性程度，因而相較于TextRank、LDA主題算法，更能體現(xiàn)出它的優(yōu)越性。算法分為兩部分：一部分為TF算法;另一部分為IDF算法，在實(shí)際使用中，TF的計(jì)算式如下：

tfi=nijΣknkj

其中nij表示詞i在文檔j中的出現(xiàn)頻次，對(duì)詞頻進(jìn)行歸一化后，分母就是統(tǒng)計(jì)文檔中每個(gè)詞出現(xiàn)次數(shù)的總和。

IDF的計(jì)算方式為：

idfi=log （D1+Di）

其中，D為文檔集中的總文檔數(shù)，Di為文檔集中出現(xiàn)詞i的文檔數(shù)量，分母加1采用了拉普拉斯平滑，避免有部分新的詞段沒有在語料庫中出現(xiàn)而導(dǎo)致分母為零的情況出現(xiàn)，增強(qiáng)算法的健壯性。

那么對(duì)于詞i的TF-IDF值，有：

tfidfi=tfi×idfi

但傳統(tǒng)的TF-IDF忽略了類間集中度和類內(nèi)分散度造成的問題，因此需要引入修正因子η來進(jìn)行改進(jìn)。η表示為：

η=mimi+ki×mimi+qi

其中，m和k分別表示為某文檔集和其他文檔中包含詞i的數(shù)目，q為不包含詞i的數(shù)目，因而修正系數(shù)可以表示為集中度和分散度的乘積。最終改進(jìn)的TF-IDF計(jì)算公式如下：

tfidf′i=tfi×idfi×η

1.2.2 語義網(wǎng)絡(luò)分析

對(duì)于居民用戶的動(dòng)態(tài)數(shù)據(jù)，適合采用語義網(wǎng)絡(luò)分析，整體分為兩步：第一步還是關(guān)鍵詞的提取;第二步為共現(xiàn)分析，根據(jù)關(guān)鍵詞的重要程度得到共現(xiàn)矩陣，再根據(jù)共現(xiàn)矩陣來進(jìn)一步理解各詞之間的關(guān)系與親疏程度。

1.3 研究工具

本研究采用的工具為Python、ROST CM 6以及Gephi 0.9.2。用Python進(jìn)行數(shù)據(jù)爬取與預(yù)處理并利用改進(jìn)的TF-IDF算法進(jìn)行關(guān)鍵詞提取，接著利用ROST CM 6進(jìn)行語義網(wǎng)絡(luò)分析，最后利用Gephi 0.9.2將語義網(wǎng)絡(luò)分析得到的共此矩陣可視化。

2 結(jié)果分析

2.1 從政策信息看武漢市社區(qū)治理的趨勢(shì)

將所收集到的政府工作報(bào)告、公開政策與意見和相關(guān)熱點(diǎn)新聞?wù)碇羉sv文件中并代入編寫好的改進(jìn)TF-IDF算法框架程序中運(yùn)行，得到的各關(guān)鍵詞的TF-IDF值降序排列，結(jié)果表2所示。

針對(duì)TF-IDF的值對(duì)其進(jìn)行詞云可視化，可視化結(jié)果如圖1所示。

可以較為清晰地看出，網(wǎng)格化、智慧化和信息化是當(dāng)前武漢市社區(qū)治理較為明顯的趨勢(shì)特征，“基層”在文本中的重要程度反映了當(dāng)前社區(qū)治理的中心有所下沉。“數(shù)據(jù)”“信息”“平臺(tái)”和“精準(zhǔn)”等詞體現(xiàn)了將先進(jìn)技術(shù)、智能設(shè)施以及大數(shù)據(jù)相結(jié)合的重要性。

2.2 從居民動(dòng)態(tài)看武漢市社區(qū)治理的需求

需求部分的分析利用的數(shù)據(jù)為居民發(fā)布在平臺(tái)上的動(dòng)態(tài)信息，先使用Python的jieba庫進(jìn)行分詞并儲(chǔ)存為csv格式文件，然后將該文件導(dǎo)入ROST CM 6進(jìn)行語義網(wǎng)絡(luò)分析，再將語義網(wǎng)絡(luò)分析得到的共詞矩陣導(dǎo)入Gephi 0.9.2進(jìn)行可視化，結(jié)果如圖2所示。

語義網(wǎng)絡(luò)的結(jié)點(diǎn)大小和邊的粗細(xì)分別對(duì)應(yīng)著該社區(qū)治理網(wǎng)絡(luò)中詞的重要程度和共現(xiàn)度，而某詞中心度的大小可由與之相連接的詞的數(shù)目來衡量。從上圖可以看出，“智能”的中心度最高且連接著“問題”，說明當(dāng)前武漢市的社區(qū)智慧化程度還有待提高，對(duì)于各個(gè)治理模塊，智能化都是關(guān)鍵要素。再與“智能”相連接的詞中，“數(shù)字”“服務(wù)”“治理”和“反饋”的重要程度和中心度緊隨其后。此外，從“基層”和“反饋”兩詞及其相連接的詞可以看出，基層治理仍需要進(jìn)行加強(qiáng)和創(chuàng)新，對(duì)于治理意見的反饋平臺(tái)存在著一定的問題，需要進(jìn)一步提高資源的共享性。

3 結(jié)論與建議

在社區(qū)地位不斷提高的背景下，武漢市在社區(qū)治理這方面有扎實(shí)的基礎(chǔ)與豐富的經(jīng)驗(yàn)。網(wǎng)格化、智慧化、信息化和重心下沉化是從疫情爆發(fā)以來不變的趨勢(shì)，信息化平臺(tái)或網(wǎng)站的缺乏給居民反饋和相關(guān)人員的管理造成一定的難度，黨建引領(lǐng)、智慧賦能、信息共享是當(dāng)前武漢市居民的主要需求，加強(qiáng)社區(qū)治理的創(chuàng)新并打造社區(qū)治理的高效模式具有較大意義?，F(xiàn)從基層治理、技術(shù)創(chuàng)新和人才引進(jìn)三個(gè)角度給出建議：

（1）落實(shí)基層治理，將黨員干部下沉社區(qū)。

不斷強(qiáng)化居民需求導(dǎo)向，更有效地完善基層治理的協(xié)同合作模式。做到“兩個(gè)加強(qiáng)、兩個(gè)引入”，加強(qiáng)黨的影響力與基層行政能力，引入新的社區(qū)服務(wù)與社區(qū)治理機(jī)構(gòu)。在此基礎(chǔ)上，強(qiáng)化多元共治，推進(jìn)“三治”結(jié)合。

（2）加快先進(jìn)技術(shù)的引入與創(chuàng)新，提高智慧化程度。

運(yùn)用數(shù)字技術(shù)推動(dòng)社區(qū)服務(wù)與管理的精細(xì)化，利用數(shù)字技術(shù)賦權(quán)打造共治共享的新格局，消除治理主體之間的交流阻礙，盡快實(shí)現(xiàn)智能設(shè)施在武漢市社區(qū)的普及，對(duì)現(xiàn)有基礎(chǔ)設(shè)施進(jìn)行數(shù)字化改造升級(jí)，跨越“數(shù)字鴻溝”，提高社區(qū)數(shù)字化治理效能。

（3）堅(jiān)持人才引領(lǐng)發(fā)展的戰(zhàn)略地位。

政府應(yīng)出臺(tái)一系列政策加強(qiáng)專業(yè)人才的引進(jìn)，鼓勵(lì)技術(shù)人員從實(shí)踐中創(chuàng)新，提高對(duì)居民意見、反饋等平臺(tái)文本信息的重視程度并不定期結(jié)合NLP前沿領(lǐng)域的算法進(jìn)行文本分析，為數(shù)字化治理效能的提高夯實(shí)基礎(chǔ)。

參考文獻(xiàn)

[1]韋仁忠，張作程.新時(shí)代城市社區(qū)治理的現(xiàn)實(shí)境遇和實(shí)踐向度——基于協(xié)同共治的視角[J].領(lǐng)導(dǎo)科學(xué)論壇，2022，（01）：3137.

[2]Hanguang Hu. Research on the Construction of Grass Roots Governance System of “Three Governance Combination”[J].International Journal of Higher Education Teaching Theory，2020，1（4）.

[3]周瑩瑩.社會(huì)主體多元化治理中的社會(huì)參與問題淺析[J].經(jīng)貿(mào)實(shí)踐，2018，（06）：78.

[4]Yang Yutang. Knowledge Map of Community Governance Research in the Last 10 Years—Visual Analysis Based on CiteSpace[J].社會(huì)科學(xué)前沿，2021，10（12）.

[5]馬晗.中國(guó)城市社區(qū)治理的研究熱點(diǎn)與發(fā)展趨勢(shì)——基于CiteSpace的可視化分析[J].社會(huì)福利（理論版），2021，（04）：3745.

[6]Yili Yao，Xianghong Zhou. Impacts of the internet on perceptions of governance at the community level：the case of Jiangqiao Township in Shanghai，China[J]. Public Administration and Policy，2021，24（2）.

[7]滕方煒.基層社會(huì)治理現(xiàn)代化：時(shí)代邏輯與路徑選擇——基于社區(qū)治理的文本分析[J].傳播力研究，2018，2（18）：13.

[8]胡媛敏，張壽明.基于信息論的TF-IDF算法在文本分類中的應(yīng)用研究[J].中國(guó)水運(yùn)（下半月），2021，21（12）：3133.

[9]Xinming Zhang，Zhang Xinming，Shi Yuanbo，Wei Haiping. Research on TFIDF Algorithm Based on Weighting of Distribution Factors[J]. Journal of Physics：Conference Series，2020，1621（1）.

[10]Christensen Alexander P，Kenett Yoed N. Semantic network analysis （SemNA）：A tutorial on preprocessing，estimating，and analyzing semantic networks[J]. Psychological methods，2021.