文本分析40年政府工作报告 发现了这些关键词

授权转自澎湃新闻 编辑：熊平平

3月5日,第十二届全国人民代表大会第五次会议在北京人民大会堂开幕。国务院总理李克强作政府工作报告。澎湃新闻（thepaper.cn）整理了中国政府网上1978年至2017年共计40份《政府工作报告》中的常青词汇。结果显示，“发展”、“建设”、“经济”、“改革”等词语在过去40年中一直高频出现。

还有部分词语愈发频繁地出现在《政府工作报告》中。“创新”，1997年后开始被频频提起，因其增长趋势，澎湃新闻将此类词语称为“喇叭形词语”，类似的词语还有“就业”、“创业”、“民生”等。

澎湃新闻还对比了部分关键词在这40年间的趋势变化，“农业”与“工业”相比,在近四十年里被提及状况相对稳定，这与长期以来三农问题备受重视的现象相关。2000年以来，“制造业”与“服务业”几乎同时开始被提及，但是“服务业”的被提及率几乎都高于“制造业”。

有些词虽然在《政府工作报告》里出现得少，但是他们首次出现的时间点都反映了当年中国人关注的热点问题。

分析方法： 1.本文所有原始文本材料来自中国政府网1978年至2017年政府工作报告。 2.本文使用jieba分词（https://github.com/fxsjy/jieba/），其自称”做最好的 Python 中文分词组件“。采用精确分词模式，避免重复分词和歧义。分词结果均去掉数字、单字、标点符号。 3.为增加分词正确率，在jieba分词的基础上加入自定义词典，自定义词典主要包含了往年人民网和新华网统计的两会热词。 4.在分词基础上，采用TF-IDF加权技术。词语的重要性随着它在文本中出现的次数成正比增加，但同时会随着它在语料库中出现的频率成反比下降。本文使用的语料库即1978年至2017年政府工作报告文本。 5.涉及合并的词语：反腐包括了反腐倡廉、反腐败、腐败、反腐；城镇包括了城市、城镇；雾霾包括了PM2.5、雾霾。