基于LDA算法的新能源汽車政策輿情分析

陳 青, 鄧皓元, 張仁壽

(1.廣東輕工職業(yè)技術(shù)學(xué)院 汽車技術(shù)學(xué)院, 廣東 廣州 510300； 2.莫納什大學(xué) 計算機(jī)學(xué)院, 澳大利亞, 墨爾本; 3.廣州大學(xué) 經(jīng)濟(jì)與統(tǒng)計學(xué)院， 廣東 廣州 510006)

1 問題的提出及理論分析

隨著“互聯(lián)網(wǎng)”的發(fā)展，網(wǎng)民對某些焦點問題存在傾向性政治態(tài)度和意見，政府廣泛了解后，形成了涵蓋聽證、信訪、新媒體、公共組織等多樣化渠道.這其中借助互聯(lián)網(wǎng)作為信息交流平臺而發(fā)展起來的公共領(lǐng)域，發(fā)揮了即時、便捷的溝通優(yōu)勢.新能源汽車產(chǎn)業(yè)的培育，涉及政府、消費者、企業(yè)等多方的多層次的利益關(guān)系.政府作為政策的制定方，要充分激發(fā)企業(yè)、消費者的積極性，實現(xiàn)公共利益最大化，必須及時定向發(fā)揮利用互聯(lián)網(wǎng)作為信息交流平臺的即時、便捷的溝通優(yōu)勢，對新能源汽車產(chǎn)業(yè)的網(wǎng)絡(luò)輿情進(jìn)行合理分析，通過了解各方需求、關(guān)注點，以減少政策執(zhí)行偏差.

1.1 問題的提出

根據(jù)中國石油集團(tuán)經(jīng)濟(jì)技術(shù)研究院發(fā)布的《2018年國內(nèi)外油氣行業(yè)發(fā)展報告》[1](下稱《報告》)，2018年，隨著中國油氣消費繼續(xù)快速增長，國內(nèi)石油和天然氣對外依存度快速攀升.繼2017年成為世界最大原油進(jìn)口國之后，中國2018年又超過日本成為世界最大的天然氣進(jìn)口國.2018年全年石油凈進(jìn)口量4.4億噸，同比增長11%，石油對外依存度升至69.8%，同比上升2.6個百分點.《報告》預(yù)測，2019年中國油氣對外依存度還將繼續(xù)上升，分別達(dá)到71.7%和46.4%.汽車石油消耗已超過石油總消耗的三分之一，同時，汽車尾氣也已成為大氣污染物的重要來源.

面對能源供給和環(huán)境惡化這兩大難題，2001年，國家發(fā)改委和科技部在“高技術(shù)研究發(fā)展計劃”中首次將新能源汽車研究納入發(fā)展課題，正式開啟新能源汽車研究.2008年，新能源汽車在政府產(chǎn)業(yè)政策的持續(xù)支持下，在國內(nèi)得到迅速發(fā)展，該年也被稱為中國“新能源汽車元年”.2009年，國家啟動“十城千輛”工程，在公交、出租等城市公共領(lǐng)域大力推行新能源汽車，新能源汽車取得跨越式的發(fā)展.2010年6月，包括深圳在內(nèi)的5個城市成為全國首批為購買新能源汽車消費者提供優(yōu)惠補(bǔ)貼的城市.2011至2016年，新能源汽車及其配套產(chǎn)品與設(shè)施全面多領(lǐng)域發(fā)展，產(chǎn)業(yè)化雛形逐漸呈現(xiàn).中國汽車工業(yè)協(xié)會數(shù)據(jù)顯示，2018年我國新能源汽車產(chǎn)銷保持較快增長，產(chǎn)銷分別完成127.05萬輛和125.62萬輛，同比增長59.92%和61.74%.據(jù)中國汽車工業(yè)協(xié)會統(tǒng)計(1)中國證券網(wǎng)，2019-10-14， http://www.cnstock.com.，2019年1至9月，我國汽車產(chǎn)銷量達(dá)1 814.9萬輛和1 837.1萬輛，同比下降11.4%和10.3%，其中前三季度新能源汽車產(chǎn)銷量達(dá)88.8萬輛和87.2萬輛，同比增長20.9%和20.8%.十多年來，新能源汽車在國家產(chǎn)業(yè)政策的大力扶持下，正在跨越式發(fā)展.

1.2 理論分析

目前學(xué)術(shù)界對政策評估的方法不一，按照政策實施階段可以劃分為事前評估、事中評估和事后評估，本文聚焦于新能源汽車政策的事后評估，因此，如何及時、準(zhǔn)確地對新能源汽車政策實施的效率、效益和效果進(jìn)行測度，成為本文研究的重點.在對政策評估的概念范疇進(jìn)行界定后，學(xué)者們建立了諸多評估模型，如Vedung[2]歸納了10種政策評估模型，隨著研究的深入,事后政策評估逐漸演化為兩種評估標(biāo)準(zhǔn)，即基于目標(biāo)的評估(Goal-based evaluation)和基于需求的評估(Need-based evaluation)，前者延續(xù)了Vedung的思路，以所謂的“目標(biāo)達(dá)成模型”和“自由目標(biāo)評估模型”作為評估準(zhǔn)則，后者則聚焦于政策是否滿足于需求，使用“利益相關(guān)者模型”進(jìn)行測度.但是在實際的政策評估過程中，學(xué)者們發(fā)現(xiàn)以上方法過多地強(qiáng)調(diào)量化模型的選擇，而忽視了社會中價值的多元化，進(jìn)而導(dǎo)致了評估效用危機(jī)[3].20世紀(jì)70年代，隨著計算機(jī)產(chǎn)業(yè)的興起，各種互聯(lián)網(wǎng)媒體和交流平臺的出現(xiàn)，越來越多的人開始使用網(wǎng)絡(luò)發(fā)表個人觀點，網(wǎng)絡(luò)輿情成為群體智慧的產(chǎn)物，不僅揭示了社會對政策的態(tài)度，同時為政策的進(jìn)一步完善提供了思想寶庫.此時，政策評估技術(shù)進(jìn)入“第四代”，開始把輿情分析納入到政策評估中去，如林毓銘等[4]基于延遲退休年齡政策，以人民網(wǎng)線下調(diào)查的評論回復(fù)為樣本框，分析網(wǎng)友關(guān)于養(yǎng)老保險政策沉淀、就業(yè)擠出效應(yīng)、養(yǎng)老金可持續(xù)發(fā)展和政府形象等方面的認(rèn)知定勢.李綱等[5]使用輿情數(shù)據(jù)對北京市搖號購車政策的滿意度進(jìn)行測評，并提出了相應(yīng)的改進(jìn)方案.黃揚等[6]基于多源流理論視角，對網(wǎng)約車政策進(jìn)行評估，并提出了改進(jìn)意見.

同時，本文認(rèn)為基于大數(shù)據(jù)的輿情分析較傳統(tǒng)數(shù)據(jù)在新能源汽車政策評估中具有以下優(yōu)勢：

(1)傳統(tǒng)新能源汽車數(shù)據(jù)以定期發(fā)布的季度、月度數(shù)據(jù)作為研究分析對象，樣本容量太小對分析預(yù)測結(jié)果有較大誤差性，更別提利用相關(guān)年度數(shù)據(jù).另外，不同地域新能源汽車統(tǒng)計時間參差不齊，削弱了橫向可比性.采用大數(shù)據(jù)①豐富了數(shù)據(jù)收集渠道，利用互聯(lián)網(wǎng)優(yōu)勢多渠道，突破了人工收集數(shù)據(jù)的局限；②豐富了數(shù)據(jù)來源和覆蓋面，不局限于本地區(qū)新能源汽車產(chǎn)銷發(fā)展數(shù)據(jù)，而是通過網(wǎng)絡(luò)“爬蟲”技術(shù)，以大量文本信息為基礎(chǔ)，通過詞頻統(tǒng)計和情感分析方法較為全面地收集整理了相關(guān)信息;③大數(shù)據(jù)延長了時間線，包含了新能源汽車投產(chǎn)前的相關(guān)數(shù)據(jù)，加強(qiáng)了橫向可比性.

(2)傳統(tǒng)數(shù)據(jù)的生產(chǎn)、存儲以及調(diào)用是分割的，很多數(shù)據(jù)在采集之前就已經(jīng)經(jīng)過了人腦有意識的處理，如市場調(diào)查產(chǎn)生的數(shù)據(jù).此外，官方數(shù)據(jù)統(tǒng)計發(fā)布周期較長，重點是關(guān)注、分析考察對象的歷史信息，離線的事后分析在時間上具有滯后性，這都影響了分析的準(zhǔn)確度.與傳統(tǒng)的專家打分評判體系相比，采用大數(shù)據(jù)構(gòu)建的政策評估體系在計算過程中幾乎不需要人工判斷，具有較強(qiáng)的客觀性；輿情數(shù)據(jù)實時性更強(qiáng)，可以獲取在線的、實時的互動數(shù)據(jù)，將歷史數(shù)據(jù)與實時數(shù)據(jù)結(jié)合分析，從而獲取實時性強(qiáng)、分析準(zhǔn)確的數(shù)據(jù).具體體現(xiàn)在兩方面：第一，網(wǎng)絡(luò)“爬蟲”系統(tǒng)實時獲取最新的輿情信息，及時發(fā)現(xiàn)熱點主題并進(jìn)行推送；第二，新能源汽車政策評估的計算過程大部分由計算機(jī)完成，可以在較短時間內(nèi)實現(xiàn)對相關(guān)數(shù)據(jù)的測算和公布.

(3)新能源汽車產(chǎn)業(yè)涉及國家發(fā)改委、工信部、財政部、環(huán)保部和科技部等5部委，在“五龍治水”的環(huán)境下各部門統(tǒng)計口徑不一，數(shù)據(jù)缺乏縱向可比性.盡管部分專業(yè)研究機(jī)構(gòu)開始著力于新能源汽車相關(guān)統(tǒng)計工作，但是起步時間較晚，目前數(shù)據(jù)時間長度嚴(yán)重不足.同時未解決全國不同地區(qū)新能源汽車政策縱向可比性問題.采用大數(shù)據(jù)對新能源汽車政策進(jìn)行評估，增加了縱向可比指標(biāo)，節(jié)約了統(tǒng)計口徑不一而增加的人力物力財力.同時，采用科學(xué)的方法進(jìn)行編制、測算,可以對新能源汽車政策的實施效果進(jìn)行長期績效比較，同時，各地區(qū)可以通過縱向比較，相互學(xué)習(xí)發(fā)展.

2 新能源汽車產(chǎn)業(yè)的輿情分析方法選擇

2.1 研究新能源汽車產(chǎn)業(yè)發(fā)展的各種觀點

現(xiàn)有的研究針對新能源汽車產(chǎn)業(yè)的培育方面主要從供求關(guān)系上考慮，將政策分為供給側(cè)和需求側(cè)，對政府、消費者、企業(yè)主要行為主體開展理論分析.

在政府方面，熊勇清等[7]認(rèn)為政府作為該產(chǎn)業(yè)的規(guī)劃及相關(guān)政策的制定方，應(yīng)充分激發(fā)和了解相關(guān)主體對于政策的理解與看法，謀求政策制定方(政府)與政策需求方(制造商和消費者)在新能源汽車產(chǎn)業(yè)培育過程中相關(guān)“政策意愿”的契合共鳴.在企業(yè)方面，姚明濤等[8]在對比歐盟汽車碳排放標(biāo)準(zhǔn)政策實施后，認(rèn)為汽車數(shù)量多、流動性大、單個排放量小、可控性弱，因此，降低汽車碳排放成為汽車行業(yè)轉(zhuǎn)型的重要選擇.在消費者方面，孫冰等[9]認(rèn)為新能源汽車產(chǎn)業(yè)正處于市場化前夜，應(yīng)進(jìn)一步加大對消費者的財政補(bǔ)貼力度.熊勇清等[7]認(rèn)為，要高度重視和刺激消費者的購買積極性從而拉動市場的持續(xù)發(fā)展能力.

2.2 新能源汽車產(chǎn)業(yè)發(fā)展的輿情分析

從國內(nèi)各方對新能源汽車產(chǎn)業(yè)研究的軌跡來看，政府、企業(yè)、消費者是新能源汽車產(chǎn)業(yè)培育的主要行為主體.政府政策報道是表達(dá)政府意愿的網(wǎng)絡(luò)輿情載體，媒體輿論報道是表達(dá)企業(yè)、消費者的情緒與政策傾向的網(wǎng)絡(luò)輿情載體.

2.2.1 輿情分析研究步驟

(1)借助“網(wǎng)絡(luò)爬蟲”技術(shù)，采集2016年1月至2017年11月政府、媒體在網(wǎng)絡(luò)中發(fā)布的與新能源汽車產(chǎn)業(yè)相關(guān)的全國地方政策文本、企業(yè)報道、媒體政策評價等熱點信息資料.

(2)將收集的新能源汽車相關(guān)文獻(xiàn)與媒體報導(dǎo)的文本內(nèi)容特質(zhì)，按政策文本和文本進(jìn)行分類歸納，劃分為基礎(chǔ)設(shè)施、應(yīng)用推廣、宏觀綜合、行業(yè)規(guī)范等四個話題內(nèi)容.以LDA算法對訓(xùn)練集生成文本──主題矩陣作為特征，通過SVM算法學(xué)習(xí)生成文本分類器，并利用F1值作為評價指標(biāo)，構(gòu)建模型并進(jìn)行分類效果評價.

(3)進(jìn)行一系列分析：①通過SVM分類模型對政策文本和媒體文本根據(jù)內(nèi)容進(jìn)行話題分類，發(fā)現(xiàn)新能源汽車的熱點話題.②以文本數(shù)量作為不同話題下的聲量評價指標(biāo)，對媒體文本和政策文本進(jìn)行聲量分析.③以TF-IDF作為關(guān)鍵詞關(guān)鍵度評價指標(biāo)，提取熱點話題下的關(guān)鍵詞.④從文本對象角度，對比同時期下政策文本和媒體文本在同一話題上的異同點，分析政府與大眾在同一時期對于某一話題的差異性.從時間角度，對比不同時期政策文本(或媒體文本)對于同一話題的關(guān)鍵詞變化，分析該話題隨時間變化政策文本(或媒體文本)對于該話題下的內(nèi)容遷移變化.新能源汽車輿情分析具體流程見圖1.

圖1 新能源汽車輿情分析流程

2.2.2 輿情分析數(shù)據(jù)來源

政府、企業(yè)、消費者是新能源汽車產(chǎn)業(yè)培育的主要行為主體.政府政策報道是表達(dá)政府意愿的網(wǎng)絡(luò)輿情載體，媒體輿論報道是表達(dá)企業(yè)、消費者情緒與政策傾向的網(wǎng)絡(luò)輿情載體.因此，本文根據(jù)新能源汽車相關(guān)文本屬性將其分成政策文本與媒體文本兩類輿情來源.

(1)政策文本數(shù)據(jù)來源：“中國節(jié)能與新能源汽車網(wǎng)”是目前中國新能源汽車政府政策媒體報道的知名網(wǎng)站，本文以該網(wǎng)站作為“政府”政策意愿的主要渠道.利用python爬蟲技術(shù)，共采集該網(wǎng)站2016年1月～2017年11月全國與地方政策報道2 794份，經(jīng)過篩選和整理得到具有一定研究價值的政策媒體報道2 546份.

(2)媒體文本數(shù)據(jù)來源：“Ofweek維科網(wǎng)”“中國節(jié)能與新能源汽車網(wǎng)”是新能源汽車新聞媒體報道信息的主要散集地.利用python爬蟲技術(shù)，共采集上述網(wǎng)站2016年1月至2017年11月新聞資訊頻道下的媒體報道13 430份.

2.2.3 輿情分析方法選擇

(1)文本內(nèi)容分類方法

①文本內(nèi)容分類標(biāo)準(zhǔn).考慮文本的內(nèi)容特質(zhì)，將媒體文本、政策文本參考新能源汽車政策支持體系的政策劃分歸納方法，對文本劃分為基礎(chǔ)設(shè)施、應(yīng)用推廣、宏觀綜合、行業(yè)規(guī)范等四個話題內(nèi)容，其具體劃分方式如圖2所示.

圖2 文本分類標(biāo)準(zhǔn)

②文本內(nèi)容分類過程.本文通過LDA算法對文本進(jìn)行稀疏特征表示，然后利用SVM算法對文本進(jìn)行分類，其具體步驟如下：

第一，訓(xùn)練樣本獲取.通過對采集的文本人工標(biāo)注的方法篩選出基礎(chǔ)設(shè)施、應(yīng)用推廣、宏觀綜合、行業(yè)規(guī)范各50個樣本，共200個樣本作為訓(xùn)練集.

第二，文本預(yù)處理.主要作用在于降低分析文本的噪音，包括分詞、去停用詞、去低頻詞、過濾低質(zhì)量和重復(fù)文本，將字母轉(zhuǎn)化成小寫，去除特殊字符等基礎(chǔ)文本預(yù)處理操作.其中，為提高分詞的準(zhǔn)確率提高分類效果，從搜狗詞庫中搜索下載與汽車行業(yè)、新能源相關(guān)的法律和國家政策、條例等相關(guān)詞庫作為先驗知識導(dǎo)入分詞系統(tǒng)中.

第三，文本特征提取.特征空間的高緯度是文本分析中的一個重要問題，而特征提取是特征維度高和稀疏性的關(guān)鍵途徑，借鑒謝靜[10]“基于LDA與SVM的文本分類研究”的成果，通過LDA算法能夠有效地降低文本的特征空間.

LDA算法中識別文檔集中所隱含的主題信息的過程如下：

1)獲取文檔中主題分布參數(shù)θ～Dir(α)，其中α為狄利克雷分布參數(shù)；2)對每篇文檔生成文檔所有特征詞w；3)選擇一個隱含主題z，來自主題分布向量概率向量e的多項式分布Multionmal(θ)；4)選擇一個特征詞w，來自隱含主題z的多項式分布Multionmal(φ(z)).

通過以上的步驟可以推導(dǎo)出文檔d中第i個特征詞wi的生成概率P(wi)的計算公式如下：

(1)

文檔d中包含特征詞w的概率P(w│d)的公式如下:

(2)

然后進(jìn)行極大似然估計，根據(jù)參數(shù)α和β，建立起LDA模型式(3)：

(3)

式(3)中，p(di|α，β)表示文檔d生成的條件概率分布.

第四，分類模型學(xué)習(xí).支持向量機(jī)(Support Vector Machine)能夠處理高維數(shù)據(jù)，降低稀疏性的影響本文以LDA算法得到的文檔-主題矩陣作為特征，利用SVM對文本分類模型進(jìn)行學(xué)習(xí).

第五，訓(xùn)練模型的評價指標(biāo).查準(zhǔn)率P(Precision)、查全率R(Recall)、F1值(F-measure)是常用文本分類評價指標(biāo).其中查全率為類別C下正確分類文檔與C類測試文檔總數(shù)之比，查準(zhǔn)率為正確分類文檔數(shù)與分類器識別為C類的文檔數(shù)之比.F1值用于衡量查全率和查準(zhǔn)率的綜合，以及對它們的偏向程度.

(2)文本內(nèi)容聲量分析

網(wǎng)絡(luò)聲量是反映大眾對于某個話題關(guān)注度的一個重要衡量指標(biāo).本研究以媒體報道的數(shù)量作為新能源汽車網(wǎng)絡(luò)熱點話題的量化統(tǒng)計聲量指標(biāo).分析過程中，首先考慮文本的對象特質(zhì)，將通過爬蟲技術(shù)獲取的網(wǎng)絡(luò)文本分為政策文本和媒體文本.在考慮文本內(nèi)容特質(zhì)的前提下，參考新能源汽車政策支持體系的劃分方法，將采集的文本劃分為基礎(chǔ)設(shè)施、應(yīng)用推廣、宏觀綜合和行業(yè)規(guī)范等四個話題內(nèi)容.

分類后，通過對政策文本和媒體文本分別進(jìn)行文本數(shù)量統(tǒng)計，得出媒體文本和政策文本的數(shù)量與發(fā)布時間關(guān)系.分析這兩類文本關(guān)注度隨時間的變化，對比發(fā)現(xiàn)媒體文本和政策文本輿論爆發(fā)的時期.通過對基礎(chǔ)設(shè)施、應(yīng)用推廣、宏觀綜合和行業(yè)規(guī)范等四個話題的文本數(shù)量統(tǒng)計，對比分析引起媒體文本和政策文本輿論爆發(fā)時期的主要原因，得出熱點話題.

(3)文本內(nèi)容熱點話題對比分析

為進(jìn)一步對比分析媒體文本和政策文本在不同話題下內(nèi)容的焦點對比，首先對熱門話題同時期下媒體文本和政策文本進(jìn)行對比，從關(guān)注程度上，以該話題文本數(shù)量占該時期所有文本的占比作為關(guān)注度的評價指標(biāo).從文本內(nèi)容上，根據(jù)TF-IDF值提煉雙方關(guān)鍵詞，通過內(nèi)容分析法，對比關(guān)鍵詞，了解雙方對于熱點話題的觀點.

對于提取的熱點話題觀點，選取以下角度進(jìn)行分析對比：從文本對象角度上，對比同時期下政策文本和媒體文本在同一話題上的異同點，分析政府與大眾在同一時期對于某一話題的差異性；從時間角度上，對比不同時期政策文本(或媒體文本)對于同一話題的關(guān)鍵詞變化，分析該話題隨時間變化時政策文本(或媒體文本)對于該話題下的內(nèi)容遷移變化.

3 新能源汽車產(chǎn)業(yè)的輿情分析結(jié)果

3.1 新能源汽車產(chǎn)業(yè)輿情聲量分析

對爬取文本進(jìn)行篩選和文本預(yù)處理后，考慮文本的內(nèi)容特質(zhì)，將獲取到的網(wǎng)絡(luò)文本類型分為媒體文本與政策文本.其中轉(zhuǎn)發(fā)政府政策類文本的視為一類，由媒體進(jìn)行評論改寫報道的視為一類.分類后，媒體文本數(shù)量和政策文本數(shù)量與發(fā)布時間關(guān)系見圖3.

圖3 媒體文本和政策文本與時間的關(guān)系

Fig.3 The relationship between media text (policy text) and time

3.1.1 媒體文本與政策文本的內(nèi)容總體輿情變化趨勢

由圖3可見媒體文本與政策文本的趨勢變化是一致的.2016年3月～2016年7月，有大量地方與全國政策的發(fā)布以及媒體文本類信息的后續(xù)發(fā)聲，對政策輿論起到推波助瀾的作用.2017年4月～2017年8月間，政策文本的數(shù)量并沒有集中式發(fā)布，但卻引起了媒體的輿論爆發(fā)，這其中的輿情原因值得深入挖掘.

3.1.2 媒體文本與政策文本的話題輿情數(shù)量與時間變化

為更好地分析引起輿論爆發(fā)的具體話題，參考新能源汽車政策支持體系的政策劃分歸納方法，將文本劃分為基礎(chǔ)設(shè)施、應(yīng)用推廣、宏觀綜合、行業(yè)規(guī)范等四個話題內(nèi)容，通過人工標(biāo)注方法生成訓(xùn)練集，利用SVM算法生成文本分類模型.其中媒體文本和政策文本不同話題文本數(shù)量與時間變化關(guān)系，分別見圖4和圖5.

圖4 媒體文本不同話題下的文章數(shù)量與時間關(guān)系

Fig.4 The relationship between the number of articles and time in differenct topic of media texts

圖5 政策文本不同話題下的文章數(shù)量與時間關(guān)系

Fig.5 The relationship between the number of articles and time in differenct topic of policy texts

縱觀采集的網(wǎng)絡(luò)新能源汽車相關(guān)文本數(shù)據(jù)，從2016年至2017年間，媒體文本和政策文本皆以基礎(chǔ)設(shè)施和應(yīng)用推廣類話題為焦點.結(jié)合圖4和圖5進(jìn)一步進(jìn)行分解分析，2016年3月～7月，媒體文本信息波動是由應(yīng)用推廣類話題和基礎(chǔ)設(shè)施類話題引起.為了解相關(guān)話題主要內(nèi)容，調(diào)閱相關(guān)話題的媒體文本和政策文本.在應(yīng)用推廣話題上，2016《新能源汽車應(yīng)用推廣推薦車型目錄》的頒布實施與“騙補(bǔ)”相關(guān)時事熱點是引起輿論的源頭.在基礎(chǔ)設(shè)施話題上，多地發(fā)布的充電樁建設(shè)方案和企業(yè)補(bǔ)貼是政策文本和媒體文本熱議內(nèi)容.

2017年4月～8月，媒體文本針對應(yīng)用推廣類話題和基礎(chǔ)設(shè)施類話題進(jìn)行了又一輪熱議，而政策文本在應(yīng)用推廣話題上有小幅度上升.調(diào)閱相關(guān)文本進(jìn)行查看后，在應(yīng)用推廣話題上，雙積分政策的頒布和消費者稅收優(yōu)惠政策是引發(fā)媒體爆發(fā)式討論的焦點.而基礎(chǔ)設(shè)施話題上，多地的充電樁建設(shè)企業(yè)補(bǔ)貼方案受到媒體熱議.

3.2 新能源汽車產(chǎn)業(yè)話題內(nèi)容對比輿情分析

為深入考察理解媒體文本和政策文本在兩個較為明顯波動的時間段內(nèi)細(xì)節(jié)內(nèi)容上的差異，本研究設(shè)計兩個步驟進(jìn)一步分析：

第一，提取熱點輿論基礎(chǔ)設(shè)施和應(yīng)用推廣話題的關(guān)鍵詞，對采集關(guān)鍵詞按照TF-IDF值進(jìn)行排序，結(jié)果如表1所示.

表1 不同文本在不同時間段的關(guān)鍵詞與文本比例

第二，將輿情關(guān)鍵詞按不同角度進(jìn)行易于分析的可視化，分別為按同一時間段內(nèi)政策與媒體文本對比話題差異的角度和按同一話題關(guān)鍵詞焦點政策及媒體文本隨時間所發(fā)生的比重遷移情況的角度.

通過以上兩步處理，本文對近兩年內(nèi)新能源汽車相關(guān)互聯(lián)網(wǎng)輿情文本變化總結(jié)如下：

3.2.1 基礎(chǔ)設(shè)施關(guān)鍵詞對比分析

(1)2016年政策文本和媒體文本基礎(chǔ)設(shè)施話題對比分析

2016年政策文本基礎(chǔ)設(shè)施文本占比76.7%，媒體文本基礎(chǔ)設(shè)施文本占比52.3%，說明基礎(chǔ)設(shè)施是2016年的主要熱議話題，見圖6.而“充電”是媒體文本和政策文本的第一關(guān)鍵詞，說明充電難是當(dāng)時期新能源汽車的主要問題.對于充電問題，在政府層面，從“設(shè)施建設(shè)”“充電樁”“充換電站”等基礎(chǔ)設(shè)施的建設(shè)相關(guān)關(guān)鍵詞以及“建設(shè)”“補(bǔ)貼”等基礎(chǔ)設(shè)施的企業(yè)補(bǔ)貼扶持相關(guān)關(guān)鍵詞可見，充電樁的建設(shè)和補(bǔ)貼支持是當(dāng)前政府主要的實施手段.在媒體方面，從“續(xù)航”“技術(shù)”“創(chuàng)新”等充電技術(shù)的相關(guān)關(guān)鍵詞可見，在充電問題上，大眾更加關(guān)注與電池技術(shù)的續(xù)航問題以及技術(shù)創(chuàng)新等內(nèi)容，相信這也是目前政策大力推動，但實際行動上制約消費者購買的主要原因.

圖6 政策文本和媒體文本基礎(chǔ)設(shè)施話題關(guān)鍵詞對比

Fig.6 Comparison of key words of policy text and media text infrastructure

(2)2017年政策文本和媒體文本基礎(chǔ)設(shè)施話題對比分析

2017年政策文本基礎(chǔ)設(shè)施文本占比54.5%，媒體文本基礎(chǔ)設(shè)施文本占比62.0%，說明基礎(chǔ)實施仍然是新能源汽車產(chǎn)業(yè)的熱議話題，見圖6.從時間角度進(jìn)行對比，政策文本2016年和2017年的基礎(chǔ)實施關(guān)鍵詞變化不大，說明“充電”問題仍然是政府正在主要解決的問題.對比媒體文本2016年和2017年基礎(chǔ)設(shè)施話題的關(guān)鍵詞，發(fā)現(xiàn)相比于2016年的“技術(shù)創(chuàng)新”，2017年大眾更關(guān)心“充電樁”“建設(shè)”“企業(yè)”“公共”“運營”等基礎(chǔ)設(shè)施建設(shè)企業(yè)相關(guān)關(guān)鍵詞.由此可見，自2016年至2017年開展基礎(chǔ)設(shè)施建設(shè)過程，充電技術(shù)有所進(jìn)步，大眾關(guān)注聚焦度相對有所減少，但企業(yè)在基礎(chǔ)設(shè)施公共建設(shè)網(wǎng)點的選取和企業(yè)充電樁運營上，令大眾感到擔(dān)憂.

(3)基礎(chǔ)設(shè)施話題啟示

政府、企業(yè)、消費者是新能源汽車產(chǎn)業(yè)培育的主要行為主體，政府在持續(xù)刺激企業(yè)對新能源汽車基礎(chǔ)設(shè)施建設(shè)積極性的同時，應(yīng)減少大眾對于財政補(bǔ)助企業(yè)的擔(dān)憂疑慮，如2016年反映的對企業(yè)技術(shù)能力擔(dān)憂，2017年對企業(yè)運營能力擔(dān)憂等，這樣才能刺激消費者的購買積極性，拉動市場的持續(xù)發(fā)展能力.

3.2.2 應(yīng)用推廣關(guān)鍵詞對比分析

(1)2016年政策文本和媒體文本應(yīng)用推廣話題對比分析

2016年政策文本應(yīng)用推廣文本占比10.1%，媒體文本基礎(chǔ)設(shè)施文本占比20.1%，是2016年政府和媒體的第二熱議話題，見圖7.從政策文本的“補(bǔ)貼”“標(biāo)準(zhǔn)”“企業(yè)”“規(guī)劃”“對象”等財政支持相關(guān)關(guān)鍵詞可見，財政支持的法規(guī)完善是2016年政府在新能源汽車應(yīng)用推廣的主要方向.從媒體文本中，除了大眾直接關(guān)心的“購置稅”調(diào)整外，“騙補(bǔ)”“售后”在2016年應(yīng)用推廣的關(guān)鍵詞中出現(xiàn)，說明企業(yè)“騙補(bǔ)”事件在大眾中產(chǎn)生了較大的負(fù)面影響，并引起大眾對于企業(yè)售后問題的擔(dān)憂.

(2)2016年至2017年政策文本應(yīng)用推廣話題對比分析

2017年政策文本中應(yīng)用推廣話題文本占比17.5%，同比2016年，文本占比上升了7.4%，說明政府部門對于新能源汽車應(yīng)用推廣的關(guān)注度有所提升，見圖7.從時間角度對政策文本進(jìn)行對比，2017年政策文本關(guān)鍵詞為“示范”“示范城市”等推廣方面的關(guān)鍵詞及“資金”“補(bǔ)助”“采購”“公交車”等政策實施相關(guān)關(guān)鍵詞.對比2016應(yīng)用推廣的法規(guī)完善，說明財政補(bǔ)助政策正從2016年的法規(guī)完善走向2017年的應(yīng)用實施上，并以公交車等公共設(shè)施的采購形成一定的示范效應(yīng).

(3)2016年至2017年媒體文本應(yīng)用推廣話題對比分析

2017年媒體文本在應(yīng)用推廣中關(guān)鍵詞為“補(bǔ)貼”“稅收”“車船稅”“購車稅”“價格”等稅收相關(guān)關(guān)鍵詞，說明消費者對于稅收優(yōu)惠政策較為敏感，有一定的購買欲望，但價格仍是影響大眾選擇的關(guān)鍵因素，見圖7.“騙補(bǔ)”關(guān)鍵詞在2017年中沒有出現(xiàn)，說明在騙補(bǔ)事件后，政府對違法企業(yè)的查處和政策法規(guī)的完善有一定成效，進(jìn)而減少了媒體大眾關(guān)于此類事件的負(fù)面輿論，同時也說明媒體大眾對騙補(bǔ)關(guān)鍵詞內(nèi)容的關(guān)注并無持續(xù)興趣.

圖7 政策文本和媒體文本應(yīng)用推廣話題關(guān)鍵詞對比

Fig.7 Comparison of key words of application and promotion of policy text and media text

(4)應(yīng)用推廣話題啟示

政府、企業(yè)、媒體的意愿、觀點、情緒需要通過相關(guān)渠道予以釋放，互聯(lián)網(wǎng)作為信息交流平臺存在即時、便捷的溝通優(yōu)勢，通過對互聯(lián)網(wǎng)信息平臺的輿情進(jìn)行合理把控，了解各方需求、關(guān)注點，有助于減少政策執(zhí)行偏差和事件負(fù)面影響.在2016年“騙補(bǔ)”事件中，大眾對于該事件的關(guān)注程度較高，造成了一定的負(fù)面影響，而從2017年的關(guān)鍵詞中可見，在這段時間政府對違法企業(yè)的查處和政策法規(guī)的完善，具有一定成效，減少了負(fù)面輿論.

4 建議與對策

輿情是對問題不同看法的表述，是社會輿論的一種表現(xiàn)形式，是一種有價值的智慧結(jié)晶，是基于社會環(huán)境中以事件為核心，廣大民眾情感、態(tài)度、意見、觀點的表達(dá)、傳播與互動及后續(xù)影響力的集合信息.其呈現(xiàn)的形式雖然多元化，但本質(zhì)上都具備創(chuàng)造附加價值的效果.對新能源汽車行業(yè)來說，正面積極的輿情能夠輔助推進(jìn)其健康發(fā)展，能夠影響國家層面政策的實施以及長遠(yuǎn)的生產(chǎn)和消費市場.因此建議，無論是政府、企業(yè)、消費者群體都必須重視輿情、善用輿情，推動新能源汽車產(chǎn)業(yè)的健康發(fā)展.

對策一，重視新能源汽車的基礎(chǔ)設(shè)施建設(shè)

研究政策文本輿情發(fā)現(xiàn)，政府近兩年堅持以充電樁等基礎(chǔ)設(shè)施建設(shè)為主，企業(yè)基礎(chǔ)設(shè)施建設(shè)補(bǔ)貼為輔，正著重解決大眾充電難問題；媒體文本輿情發(fā)現(xiàn)，大眾的關(guān)注焦點從2016年的基礎(chǔ)設(shè)施充電技術(shù)問題正逐漸轉(zhuǎn)向2017年的企業(yè)基礎(chǔ)設(shè)施建設(shè)選址和充電樁運營問題.故此，重視基礎(chǔ)設(shè)施建設(shè)能夠推進(jìn)新能源汽車產(chǎn)業(yè)的健康發(fā)展.

對策二,推廣新能源汽車應(yīng)用話題的正向作用

研究政策文本輿情發(fā)現(xiàn)，政府正由2016年財政補(bǔ)貼的完善法規(guī)，走向2017年的示范城市建設(shè)實施；媒體文本輿情發(fā)現(xiàn)，大眾關(guān)注焦點已由2016年騙補(bǔ)事件的輿論關(guān)注，轉(zhuǎn)向2017年和自身密切相關(guān)的稅收優(yōu)惠政策上.故此，推廣新能源汽車應(yīng)用話題的正向作用和完善法律法規(guī)的建設(shè)，可以促進(jìn)新能源汽車的銷售市場，活躍汽車產(chǎn)業(yè).

5 結(jié)束語

通過基于LDA算法的新能源汽車政策輿情分析，發(fā)現(xiàn)若要減少政府政策執(zhí)行的偏差，必須及時定向發(fā)揮互聯(lián)網(wǎng)作為信息交流平臺即時、便捷的溝通優(yōu)勢，對新能源汽車產(chǎn)業(yè)的網(wǎng)絡(luò)輿情進(jìn)行關(guān)注與監(jiān)控，對基礎(chǔ)設(shè)施、應(yīng)用推廣等輿情話題反映出的問題實時跟蹤了解，積極調(diào)整與其相適應(yīng)的政策方法，使得作為政策的制定方，能充分激發(fā)企業(yè)、消費者的積極性，實現(xiàn)公共利益最大化.