本书从背景理论、基础方法和应用案例三个视角展开，力图尽可能全面剖析政策信息学研究的起源、现状、领域、方法、应用和前景。背景理论篇分析政策信息学发展脉络、主要科学问题及开放数据环境带来的挑战；基础方法篇阐述政策信息学研究开展所依赖的社会网络分析、自然语言处理基础方法、情感分析和主题建模方法；应用案例篇展示从第三方工具运用、概率主题建模、问题趋势描述和智能搜索到主题建模分析上的理论建构与实证检验逻辑。

第一部分背景理论篇
第1章数据爆炸与政策分析困境
1.1数据爆炸与大数据热潮
1.1.1数据爆炸
1.1.2大数据的理论与实践
1.1.3大数据与公共管理
1.2传统政策分析面对的挑战
1.2.1公共管理与公共政策
1.2.2政策分析与政策过程
1.2.3政策过程的大数据挑战
1.3大数据助力政策分析与政府管理创新
1.3.1大数据改变政府的思维方式
1.3.2大数据优化政府的决策
1.3.3围绕大数据的研究与实践迭代
第2章政策信息学的缘起与进展
2.1政策信息学的概念演进
2.1.1起源与发展
2.1.2主要研究方向
2.2政策信息学与系统科学
2.2.1从系统科学视角理解政策过程
2.2.2系统科学与仿真
2.2.3多主体建模仿真与社会网络分析
2.3政策信息学与文本分析
2.3.1文本挖掘理解政策舆情
2.3.2文本分析与文本挖掘
2.3.3文本挖掘与概率主题建模
2.4政策信息学的内涵与外延
2.4.1面向应用场景的视角
2.4.2面向技术基础的视角
2.4.3连接理论范式与治理活动的视角
第3章开放数据环境下的政策分析
3.1从信息公开到开放数据
3.1.1信息公开
3.1.2开放数据
3.2开放数据助力政府变革
3.2.1提升公共决策科学化
3.2.2促进大众创新和简政放权
3.2.3提高政府透明度和公信力
3.3开放政府数据现状
3.3.1全球总体情况
3.3.2我国开放政府数据的现状
3.4政策分析在开放数据环境下面临的机遇与挑战
3.4.1数据开放带来的机遇
3.4.2公共政策面临的挑战
第4章政策信息学的关键科学问题
4.1科学问题界定
4.2科学问题涵盖的主要内容
4.2.1大数据基础分析方法
4.2.2基于大数据分析的公共管理与决策知识挖掘
4.2.3大数据时代政策过程设计
4.2.4政策效果的评估与预测
4.3迭代循环与关键点
4.4主要研究方法基础
4.5从基础方法到决策支撑
第二部分基础方法篇
第5章系统仿真建模
5.1系统仿真建模： 基础概念
5.1.1系统： 规定仿真系统的边界与约束条件
5.1.2模型： 概念与分类
5.1.3仿真问题的基本框架： 建模—试验—分析
5.2基于系统动力学的仿真建模
5.2.1系统动力学的相关概念
5.2.2系统动力学的建模特点
5.2.3系统动力学的表达方式
5.3基于主体的仿真建模
5.3.1基于主体的相关概念
5.3.2基于主体的建模特点
5.3.3基于主体建模的表达方式
5.4仿真建模软件和平台
第6章社会网络分析
6.1社会网络分析概念及发展
6.2社会网络分析的步骤及方法
6.2.1社会网络分析的步骤
6.2.2社会网络分析的常用方法
6.3社会网络分析的主要算法
6.3.1PageRank算法
6.3.2HITS算法
6.4社会网络分析工具
第7章自然语言处理： 文本分析基础
7.1文本表示
7.1.1基于集合论的模型
7.1.2基于代数的模型
7.1.3基于概率的模型
7.2文本预处理
7.2.1中文文本分词
7.2.2英文文本预处理
7.3词性标注
7.3.1词性标注的概念
7.3.2词性标注的常用方法
7.4常用工具软件
7.4.1常用中文分词及词性标注工具
7.4.2常用英文分词及词性标注工具
7.5语料库
7.5.1语料库简介
7.5.2常用语料库
第8章情感分析与主题建模： 理解复杂语义
8.1情感分析
8.1.1情感分析的概念
8.1.2情感分析的过程
8.1.3情感信息的抽取
8.1.4情感分析的主流方法
8.1.5情感分析新兴趋势： 深度学习方法的融合
8.1.6情感分析的相关应用
8.2主题模型
8.2.1主题模型的基本概念
8.2.2主题模型的组成部分
8.2.3潜在语义索引
8.2.4概率潜在语义索引
8.2.5潜在狄利克雷分配模型
8.2.6主题模型的测度探索
8.2.7主题模型的发展趋势
第三部分分析案例篇
第9章基于多智能体的城市群政府合作建模与仿真——嵌入并反馈于
一个异构性社会网络
9.1案例背景与理论视角
9.2模型构建
9.2.1系统： 系统运行机理分析
9.2.2模型构建概述
9.3模拟实验
9.3.1博弈参数对群体博弈形势和收益结果的影响
9.3.2网络结构变量对博弈形势和收益结果的影响
9.4结论分析
第10章基于微博数据的网络群体性事件应对策略评估
10.1案例背景
10.2案例要素的舆论演化规律分析
10.2.1政务微博内容分析
10.2.2网络舆论内容分析
10.2.3网络互动传播分析
10.3基于“关键行动者”要素的关系网络分析
10.3.1关键行动者的凝聚力分析
10.3.2关键行动者的引力中心性分析
10.4基于“治理工具”要素的响应效果分析
10.4.1介绍式治理策略分析
10.4.2呼吁表态式治理策略分析
10.4.3解释澄清式治理策略分析
10.4.4辟谣式治理策略分析
10.4.5处理决定式治理策略分析
10.5研究结论与方法评述
第11章基于网络社区数据的舆情分析与政策探索
11.1政策发布周期中的公众舆情分析
11.1.1案例背景
11.1.2数据来源与处理
11.1.3结果与分析
11.2舆情事件中的公众情感分析
11.2.1案例背景
11.2.2Word2vec模型
11.2.3情感计算
11.2.4结果与分析
11.3研究结论和方法评述
第12章基于公众反馈数据的城市热点问题分析
12.1案例背景
12.2主题变化的描述分析
12.3重点主题的专项分析
12.3.1“生态文明问题”主题分析
12.3.2“四风”问题主题分析
12.3.3“政

前言
在当今的数字时代，大数据的影响贯穿公共管理和
公共政策运行全过程，几乎所有展望大数据应用前景的
研究都非常重视政府或公共部门相关数据的价值。面对
数据激增及数据分析能力提升的新环境，公共管理与公
共政策学科的研究范式和方法论体系也在经历转型和扩
展，数据科学与政策科学的交叉研究领域尚有许多关键
科学问题亟待解决。在此背景下，美国有学者提出了政
策信息学（policy informatics）的概念，中国科学
院自动化所曾大军研究员也在国际期刊上发表过关于政
策信息学的观点与思考。这些早期探索多关注系统科学
与仿真，但这是政策信息学的边界吗？实际上国内外学
术领域尚未形成普遍共识。本书作者拥有不同学科的交
叉研究背景，基于作者及相关团队过去几年间围绕相关
问题的若干研究成果，本书试图从理论、方法和应用三
个层面为读者初步勾勒政策信息学这一新兴研究领域的
初步形态、前沿探索和典型应用。在理论部分，本书先
从数据爆炸带来的数据分析热潮引出大数据带给政策分
析与政府管理创新的机遇与挑战。数据的产生和分析亘
古有之，但正是由于当前数据信息的增长速度远远超过
人们获得、分析和处理数据的能力，产生了数据处理需
求和数据处理能力的矛盾，进而推动了相关学科研究方
法、分析技术、研究范式等的转变。在此背景下，处理
和获得信息并基于信息做出决策已构成重要的国家能力
。政策信息学应运而生。政策信息学起源于系统科学，
得益于大数据信息技术的创新发展，政策信息学的外延
和内涵不断扩展，学科问题和核心方法论体系也逐步发
展。过往的研究者认为政策信息学中正在形成三个研究
方向，即分别聚焦于分析、管理和治理体系的研究：
分析方向关注可以做什么和应该做什么； 管理方向关
注如何做，关注具体的管理实践与操作方式； 治理体
系方向关注计算和通信技术如何改变治理结构和流程设
计。本书基于过往学者的研究，结合开放数据的新环境
，提出政策信息学科学问题的三方面要素： 面向日益
复杂的公共政策和管理问题，基于信息通信技术发展寻
求解决方案，政府决策过程的嬗变。此外，本书作者基
于前期开展的若干相关研究工作，总结了政策信息学科
理论建构与实证检验的研究迭代逻辑。 在方法部分，
政策信息学作为公共管理领域的大数据研究，关注的核
心问题无疑主要集中在分析技术层面，力图探索面向公
共管理与公共政策实践问题的分析方法创新。除了文本
挖掘技术为重点的大数据分析方法外，系统科学与仿真
、社会网络分析等方法也是政策信息学领域的主流分析
方法，本书遵循由总体到细节的逻辑逐一介绍了上述分
析方法。
关于系统科学与仿真方法，本书简要介绍了系统科
学领域“建模—试验—分析”的基本框架，重点探讨了
系统动力学仿真和多智能体仿真建模方法，此外还简要
介绍了仿真建模软件和平台； 对比仿真方法，社会网
络分析能够帮助研究者更好地理解多主体的互动关系。
关于社会网络分析方法，本书介绍了社会网络分析的概
念和发展历程，并从具体应用的角度介绍了社会网络分
析步骤及方法，同样也简要介绍了社会网络分析的常用
工具； 针对社会网络分析对网络环境下互动细节的关
注局限，我们又引入并重点介绍了自然语言处理范畴下
的文本挖掘方法。关于文本挖掘分析方法，本书通过通
俗易懂的举例、类比的叙述方式，提高复杂方法的易读
性，揭开潜在狄利克雷分配模型、概率主题建模等复杂
方法的神秘面纱。同时本书也秉承分析工具的严谨和完
整性，完整演示了具体推演过程，尽可能地兼顾方法趣
味性和科学性。书中围绕“简单文本处理—复杂语义分
析”的思路分别介绍了文本表示、文本预处理、词性标
注、语料库等基础文本处理知识以及情感分析与主题建
模等高阶语义处理技术。相应的研究方法均在后面章节
的案例中有具体应用。在案例部分，我们呈现了五个从
不同角度出发的政策信息学研究案例。针对我国多个城
市群在实现协同合作与区域一体化的进程中面临的一系
列问题和挑战，第9章案例基于仿真建模方法，以社会
网络视阈下的城市群政府合作过程中的多期进化博弈为
例，建立一个集成非对称进化博弈和异构性社会网络的
多智能体模拟系统，并实现微观互动（博弈行为）和宏
观涌现（网络拓扑）之间的双向反馈和动态交互。研究
从一种微观互动到宏观涌现的视角，模拟并探究城市群
政府互动博弈的演化过程和一般规律。为提高政府对网
络触发群体性事件的应对能力，改善政府与公众之间的
互动关系，第10章案例基于社会网络分析方法，通过“
SF事件”的微博数据分析，对政府网络群体性事件应对
策略进行评估，并提出针对性回应建议。具体而言，在
“SF事件”案例中，政府采取了介绍式、呼吁表态式、
解释澄清式、辟谣式和处理决定式五种的网络治理策略
。不同治理策略在事件发展不同时期带来的响应效果不
同，理解这些差异有助于政府采取针对性治理策略以快
速有效应对危机。挖掘社交平台上公

本书从理论、方法、应用等层面展开论述，兼顾方法描述和应用案例，对于研究经验汇集和研究范式求索重要意义

第一部分背景理论篇
第1章数据爆炸与政策
分析困境
1.1数据爆炸与大数据热潮
1.1.1数据爆炸
在物联网技术让我们突破了数据采集瓶颈，宽带网络让我们突破了数据传输与交换瓶颈，云计算技术让我们突破了数据存储与大规模运算瓶颈的今天，世界正在经历前所未有的数据大爆炸World Development Report 2016： Digital Dividends.https：//openknowledge.worldbank.org/handle/10986/23347.。数据爆炸式增长成为这个时代的重要特征，这引发近年来全球范围大数据研究和应用的热潮Chen H,Chiang R H,Storey V C. Business Intelligence and Analytics： From Big Data to Big Impact［J］. MIS Quarterly,2012,36(4).McAfee A,Brynjolfsson E. Big Data： The Management Revolution［J］. Harvard Business Review,2012，90(10): 6068.冯芷艳,郭迅华,曾大军,等.大数据背景下商务管理研究若干前沿课题［J］.管理科学学报,2013,1： 19.张楠.公共衍生大数据分析与政府决策过程重构： 理论演进与研究展望［J］.中国行政管理,2015，31(10)： 1924.。根据国际数据有限公司(IDC)的报告Data Age 2025： The Evolution of Data to LifeCritical 2016年全球产生了16.1泽字节(zettabyte，ZB)的信息，到2025年这个数量将增加10倍，达到163ZBhttps：//www.seagate.com/files/wwwcontent/ourstory/trends/files/SeagateWPDataAge2025March2017.pdf.。假如一页纸可以承载1兆字节(MB)的信息，那么2016年全球产生的信息高度摞起来有9.3~9.6个太阳与地球之间的距离。图11显示了1986年至2014年全世界的信息存储容量呈指数增长的趋势。
图11全世界的信息存储容量World Development Report 2016: Digital Dividends.http：//documents.worldbank.org/curated/en/950951467993193548/pdf/102724WDRWDR2016OverviewCHINESEWebResBox394840BOUO9.pdf.
数据爆炸的理念源于信息爆炸，而数据自人类生产活动开始便相伴而生，当大规模数据的采集、存储、利用成为可能时，我们也随之进入一个数据爆炸的时代。当人们意识到了数据的价值，将看到、听到、触摸到、想到的一切数据进行量化，这些无处不在的数据，正在引发一场超乎想象的聚变反应。小到人们带着的运动手环，随时传送着个人运动、睡眠等健康信息，大到如北斗卫星导航系统(BDS)建成高精度时空信息云服务平台，推出的加速辅助定位系统服务覆盖200多个国家和地区。数据爆炸式的量级增长已对当前技术应用、管理方式、学科范式甚至是人们的生活方式产生了巨大影响。当前世界，大数据成为各国发展数字经济，建设数字政府的重要引擎，大数据的应用前景也达到了前所未有的范围，利用数据大爆炸促进发展已经成为社会共识。
1.1.2大数据的理论与实践
1. 大数据的概念与特征
“大数据”一词正式出现于1998年《科学》杂志刊登的《大数据的处理程序》一文，此后《自然》杂志2008年出版“大数据”专刊，“大数据”一词得到普遍认可和使用刘涛雄,尹德才.大数据时代与社会科学研究范式变革［J］.长江论坛,2017(6).。之后，经Gartner的宣传和2012年维克托·迈尔·舍恩伯格《大数据时代》的出版推广，大数据的概念开始风靡全球Frank J O.大数据分析： 点“数”成金［M］.王伟军，刘凯，杨光，译.北京： 人民邮电出版社,2013.，2013年维克托在其《大数据时代： 生活、工作与思维的大变革》一书中定义大数据为通过收集、汇总和分析大量数据以扩展生产配置的技术结构体系Naimi A I,Westreich D J. Big Data： A Revolution that Will Transform How We Live,Work,and Think［J］. Mathematics & Computer Education,2013,47(17)： 181183.。其他定义如维基百科认为大数据(巨量资料)指的是传统数据处理应用软件不足以处理它们的大或复杂的数据集的术语，也可以定义为来自各种来源的大量非结构化和结构化数据维基百科： 大数据.https：//zh.m.wikipedia.org/zhhans/%E5%A4%A7%E6%95%B8%E6%93%9A.。IBM公司认为大数据是指大小和类型都超出了传统关系数据库能够低延迟进行储存、管理、处理的数据集https：//www.ibm.com/analytics/hadoop/bigdataanalytics.。
狭义的“大数据”是指体量异常庞大、结构复杂，以至于传统数据处理方法难以应对的数据集。人们通常用“5V”或“6C”来加以概括。而广义的“大数据”则不仅指海量数据，还包括获取、传输、存储、挖掘、分析和应用海量数据的一系列方法、技术和模式，后者通常被称为“大数据分析学”(Big Data Analytics)张小劲,孟天广.论计算社会科学的缘起、发展与创新范式［J］.理论探索,2017(6)： 4445.。IBM公司由最早的3V(规模性volume、多样性variety、高速性velocity)、4V(增加了精确性veracityIBM公司关于大数据的定义.http：//www.ibmbigdatahub.com/infographic/fourvsbigdata.)到2016年