前往小程序,Get更优阅读体验!
立即前往
首页
学习
活动
专区
工具
TVP
发布
社区首页 >专栏 >文本分析40年政府工作报告 发现了这些关键词

文本分析40年政府工作报告 发现了这些关键词

作者头像
大数据文摘
发布2018-05-25 16:56:20
5850
发布2018-05-25 16:56:20
举报
文章被收录于专栏:大数据文摘

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。

本文参与 腾讯云自媒体同步曝光计划,分享自微信公众号。
原始发表:2017-03-06,如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 大数据文摘 微信公众号,前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体同步曝光计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
0 条评论
热度
最新
推荐阅读
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档