融合創新價值鏈和文本關聯挖掘的我國人工智能政策擴散特征研究

武楷彪 董瑜

關鍵詞：政策擴散：創新價值鏈：文本關聯挖掘；人工智能

政策擴散是政策過程理論的重要研究領域，研究內容主要包括特征、影響因素和機制等。隨著自然語言處理技術的不斷發展以及政府信息公開措施的逐步加強，政策擴散的路徑與活動得以被更好地記錄，從而為該項研究提供了新視角與更多的數據樣本。當前，越來越多的學者運用文本挖掘方法來分析政策擴散特征，并已在政策文本語義挖掘方面取得了較大進展。但從計算社會科學的視角來看，還需在政策擴散特征規律挖掘基礎上結合相關理論與方法探索其背后的影響因素和機制，即遵循先“大數據發現”后“小數據驗證”的邏輯。為實現這一目標，需要對政策文本挖掘方法進行改進，其中就包括增強政策文本挖掘結果的理論性，這是因為人們普遍認為大數據方法強調數據驅動和相關關系發現，而社會科學研究注重因果分析，而從相關關系走向因果關系需結合研究議題的領域知識和理論：回到基于文本挖掘的政策擴散研究中，以政策擴散的主題分布特征研究為例，現有研究大多集中在不同機構之間政策主題分布異同、演化趨勢的描述性分析，而較少探究主題分布特征背后所蘊含的政府行為邏輯、價值取向以及擴散機制。事實上，目前已有研究指出，在政策擴散特征研究基礎上尋找擴散的驅動因素和動力機制，既是未來研究的重要議題，同時也是計算社會科學快速發展背景下數據驅動方法和學科指導理論不斷融合交叉的必然要求。

當前，對政策擴散過程中政策主題挖掘大多是運用人工編碼或概率主題建模方法，其中，人工編碼方法可以根據需要選擇研究者關注的主題要點，但面臨效率低下的問題：而概率主題建模由于對主題的判斷并無統一的標準，因而結果難以復現，更重要的是，目前還尚未有較好結合主題模型和公共政策理論的政策擴散特征研究。而在政府醫療服務評價等領域，已有學者開始嘗試采用成熟的理論來輔助判斷主題聚類算法得到的主題含義。為此，本文嘗試建立文本挖掘主題與現有成熟理論分析框架之間的映射關系，以更好地揭示政策擴散過程中不同政府對同一政策議題不同方面的價值取向異同以及背后的潛在機制。本文以我國人工智能政策為分析對象，探討了如何有效結合文本挖掘方法和創新價值鏈理論測度政策擴散特征并探究其背后的擴散機制。在文本挖掘方法設計上，本文從文本相似度和主題分布比例兩方面揭示政策內容擴散程度和主題擴散分布特征。在基于創新價值鏈的政策主題分析框架構建上，由于我國人工智能政策布局是覆蓋人工智能理論研究到促進社會發展的全過程，而政策主題擴散（即由政府價值取向所反映的政策主題選擇性擴散）可以發生在創新價值鏈的各個階段。因而，本文選擇創新價值鏈理論構建文本分析框架，具體是通過建立政策文本詞匯與創新價值鏈理論的對應關系實現政策擴散主題傾向性分析。

在得到政策主題擴散分布計算結果后，本文進一步分析了政策擴散的潛在機制。已有大量研究表明，地方政府的經濟資源是影響政策采納主題傾向性的重要因素．而對于科技政策而言，某地科技資源存量會影響該地政策采納傾向性。不同于之前研究是采用因果推斷方法建立了地方政府的資源稟賦與政策采納與否（即二元變量）的關系，本文嘗試從文本數據挖掘角度試圖探索政府科技發展情況與政策主題傾向（即定序變量）的關系，最終發現政策主題擴散傾向性與政府資源稟賦之間存在相關性。從方法改進角度，通過探索基于成熟理論的政策文本主題確定方法，有助于彌補當前政策文本分析領域存在深層次方法創新欠缺而應用研究富余的不足。從政策擴散實踐角度，通過探索我國人工智能政策擴散實踐過程特征，可為我國人工智能政策試點示范推廣提供補充性的依據。

1國內外文獻綜述

1.1基于文本挖掘的政策擴散特征研究

1.1.1政策擴散的概念

政策擴散（Policy Diffusion）通常是指政策創新的擴散，包括兩個角度：一是政策創新（Policy Inno-vation），二是創新擴散（Innovation Diffusion）。Walk-er J將政策創新定義為，某一政府首次采納的政策或項目（無論該政策或項目是否已經出現或已被其他政府采納）。Rogers E M將創新擴散定義為，“政策創新的傳播過程就是創新擴散”，即一種新的理念、思想或方法在社會系統中交流。上述兩個角度實際上都是對政府A的政策創新被政府B采納這一政策過程的觀察。通過文本挖掘分析政策擴散特征可分為政策內容擴散程度研究和政策主題擴散分布研究。

1.1.2政策內容擴散程度特征研究

政策內容擴散程度主要是通過文本相似度計算描述政策擴散過程中不同機構發布政策文本的相似性和差異性來衡量，其反映的是不同機構之間政策總體相似性。通常采用政策文本相似度計算，一般而言，文本相似度數值越高，就代表一項政策的擴散程度越低，即新政策對原型政策的細化更新較少。這類研究會將文本計算結果結合其他分析對象（如文本頒布的機構等）進行進一步特征規律的揭示。如Garrett K N等通過立法機構頒布文本和利益集團機構頒布文本之間的相似度構建政策擴散網絡，再運用社會網絡分析的方法研究利益集團在政策擴散網絡中扮演的角色地位。Hinkle R K通過對法律文本計算研究了聯邦法院在洲際政策擴散中的影響，具體是對比洲際政策文本與聯邦法院立法文本之間的相似性，反映各州立法者對聯邦法律政策學習和模仿的程度。Linder F等提出了一種可識別立法文本的相似序列以衡量文本之間相似性程度的算法，并進一步測算了政策傳播網絡中政策模仿狀態變化，最終得到由意識形態相似的發起人提出的法案具有很高的文本重用率等結論。Alschner W等對2100份IIA（International Investment Agree-ments，國際投資協議）的24 000篇文章從4個維度（國際維度、國家維度、擴條約水平以及個別條約）研究全球主要國家（地區）的投資條約文本中的一致性和創新性，從而發現各國（地區）投資政策內容變化。郁建興計算了“最多跑一次”政策擴散中浙江省出臺的政策文本與27個省份出臺的“最多跑一次”政策文本的相似度。王雪玲研究了各城市海外高層次人才市級核心政策的文本相似度以測度政策擴散程度。

1.1.3政策主題擴散分布特征研究

主題擴散分布研究主要通過政策文本主題來反映政策擴散過程中不同機構之間的政治理念傳遞、政令部署和政策議題采納等主題擴散傾向特征。通常是先計算文本主題分布，再分析這些主題在政策擴散過程中的變化。當前對主題分布的挖掘方法主要集中在主題模型。如王芳等從政策發布時間、布局數量、政策主題強度等維度提出了大數據政策擴散傾向性模型。政府機構的政策擴散傾向性分值越高，則代表越傾向于進行政令部署（如政治經濟布局和動員等），其中對政策主題擴散強度的刻畫便用到了LDA主題模型。段堯清等利用開源工具，提煉了政策文本的關鍵詞，接下來計算了政策主題擴散的繼承比、擴散比和創新比。裴雷等提出了針對信息政策主題擴散的漣漪效應與漏洞效應的5項指標：擴散比率、繼承比率、擴散加權比率、繼承加權比率與主題分布相似性。Gilardi F等研究了在政策擴散的問題定義階段引入Text-as-Data方法的可行性，具體使用了結構主題模型（Structural Topic Model，

STM）對1996-2013年49份有關禁煙政策的報紙中共計52 675個段落文本數據進行分析，最終驗證了4項影響政策擴散框架因素的假設。

1.1.4小結

綜合已有研究發現，現有政策擴散特征研究在具體文本挖掘技術方法選擇上存在差異：國外學者傾向于使用文本相似度，而國內學者多基于引用關系和主題模型，而主題模型中主題含義通常是由主觀決定的，其理論性和可解釋性較弱。針對這一不足，已有研究開始討論如何通過構建詞典的方式來完成主題模型的詞匯聚類結果與現有理論主題的映射，這類通過理論驅動主題識別的方法對于社會科學研究人員而言，可有效提升主題結果解釋力和增加與理論對話的空間。在政策擴散研究中，政策文本是政府進行社會利益和價值分配的載體，而不同層級政府面臨的資源約束和預期目標也不相同。政府面對一項新政策時，通常會進行一定程度的調整，換言之是改變原有政府的價值排序。因此，應當嘗試從理論視角搭建政策擴散過程中的主題變化分析框架，以更好地挖掘不同政府之間的價值傳遞結果。

1.2基于創新價值鏈理論的人工智能政策研究

本文擬選擇人工智能政策作為實證分析對象，理由包含：人工智能技術是當前世界科技強國在新一輪國際科技競爭中爭奪的焦點；與其他國家（地區）政策相比，中國人工智能政策尤其注重頂層設計和引導功能，并強調應用端市場的牽引，在技術研發與應用、產業經濟發展和智能社會等方方面面主題均有布局。因此，從實證角度，可較充分說明政策文本詞匯與主題對照過程；從現實角度，就我國而言，在頒布《新一代人工智能發展規劃》后，“中央一地方”“地方一地方”之間形成了顯著的傳播、采納和借鑒現象，即我國人工智能政策擴散符合現實情況。

在政策文本主題研究方面，現有分析維度有政策工具、政策目標、政策主體以及針對政策對象特點構建的理論分析框架，具體在人工智能政策研究中，學者基于創新價值鏈理論構建了文本主題分析框架并取得一定進展。創新價值鏈（Innovation Val-ue Chain，IVC）是在價值鏈理論基礎上融人了技術創新理論，其包含從創新源到從創新源轉化為新產品、再到市場化的不斷增值過程，在產業政策文本分析中，由于創新價值鏈理論蘊含的技術價值實現過程與新興產業成長發展過程比較一致，學者已借助該理論分析科技成果轉化政策、5G技術發展政策等。

我國人工智能政策重點在于對人工智能產業鏈各個環節進行布局，包括基礎理論研究、技術研發、產業融合以及對社會整體福利的促進，現有研究在創新價值鏈的階段劃分上各有側重：如湯志偉等研究維度包括基礎理論研究、應用技術深化、學科人才建設、產業市場發展和服務智能社會5個方面。馬曉飛等則是從基礎層、技術層和應用層3個方面對文本內容進行分析編碼。呂文晶等從政策工具和創新過程兩個維度展開分析，其中創新過程維度被劃分為科學技術研究、產業化和商業化3個階段。宋偉等從基礎理論、核心關鍵技術、支撐平臺、產業化、融合應用和發展環境6個方面展開了各省政策的比較分析。張濤等主要關注人工智能政策的五大任務（科技創新體系、智能經濟、智能社會、央地融合以及科技項目）主題相似程度。

上述研究在方法上以人工編碼為主，在內容上主要關注政策中有關創新價值鏈的技術創新過程，而忽略了政策環境、創新主體以及支撐要素等在創新價值鏈中扮演的角色。因此，有必要進一步拓寬現有創新價值鏈分析框架的維度，同時構建更為自動化的從文本主題到創新價值鏈過程的政策文本挖掘方法，從而更好地描述各地政府所頒布的人工智能政策中政策議題的選擇傾向性。

2政策擴散特征測度方法構建

依照前文所述，政策擴散特征主要包含兩部分：一是內容擴散程度特征，直接通過已有文本關聯挖掘算法實現測度，該算法是通過對文本進行依存句法分析得到短語詞組的方式計算相似度，除了計算結果較為準確，還可識別文本之間具體關聯的短語結構，可直接利用該算法計算政策文本之間相似度來測度內容演化特征。二是主題擴散分布特征，核心包含兩個步驟，如圖1所示，分別是映射詞典的構建及驗證和政策主題擴散分布計算。

2.1映射詞典構建及驗證

2.1.1基于創新價值鏈的政策文本主題分析框架構建

在已有研究基礎上，為更細致地分析不同地方政府頒布政策的主題傾向性，借助采用映射詞典識別政策主題方法的優勢，本文進一步拓寬主題分析框架的維度，分別從發展階段、創新主體及合作組織、支持要素和政策保障4個維度構建基于創新價值鏈理論的文本主題分析框架。其中，發展階段維度構建了人工智能從基礎理論研究到技術研發應用再到最后人工智能產業發展以及促進社會整體智能化的過程：創新主體及組織合作維度主要關注參與創新價值鏈的實體，可能包括從事人工智能技術的研發機構、產品生成的相關企業以及創新主體之間形成的合作聯盟（如產業集群、創業園等）；支撐要素維度涉及人才、資本以及底層資源和服務平臺，最后是政策保障維度。

2.1.2關鍵短語抽取和映射詞典構建及驗證

本文利用依存句法分析和語義計算將政策文本拆成多個圍繞句子核心詞匯的兩類短語結構，一類是動賓短語結構，如“建設人工智能人才實訓基地”；一類是修飾短語結構，如“科研院所”“產業聯盟”等，上述短語結構可以較好涵蓋并傳達句子的核心內容。因此，本文將政策文本抽取后的高頻短語結構與上述主題分析框架建立一一映射關系，由此便可實現短語結構詞匯對應詞典的構建。具體在構建詞典過程中為了保證詞典構建的信度和效度，本文還涉及了多人多輪編碼與專家知識相結合的方式，并根據政策文本固有篇章結構構建了文本“內容一主題”的驗證集來進一步驗證詞典的準確性。

2.2政策主題擴散分布特征計算

在構建完成詞典之后，便可對政策文本主題分布進行測度。在具體實驗過程中，本文發現政策文本的章節標題往往是對所在章節內容的有效概括，可綜合章節標題和內容共同判斷文本主題以提高準確率。因此，本文在實際進行政策主題分布計算時，通過詞典分別得到文本篇章結構中標題與內容的主題，通過對比兩者結果（若一致，則根據結果得到主題維度；若不一致，則引人人工判讀）從而實現更加精準的主題分布計算。最后，在主題分布計算結果基礎上，通過比較不同省份在基于創新價值鏈理論構建的主題分析框架中的分布情況得到政策主題擴散分布特征。

3我國人工智能政策擴散特征的實證研究

3.1政策文本數據搜集和預處理

3.1.1數據搜集時間范圍

自2017年國務院頒布《新一代人工智能發展規劃》以來，我國人工智能相關政策進入深化階段，并開始強調在各行業領域的試點示范，因此，本文將數據搜集時間限定在2017年7月8日（《新一代人工智能發展規劃》頒布時間）-2021年12月31日。

3.1.2數據搜集過程

首先，在北大法寶、iPolicy政策分析系統以及各級政府官網根據關鍵詞“人工智能”進行標題檢索，獲得初始數據集；接下來，對初始數據進行人工篩選。鑒于本文主要從政策文本內容的角度分析人工智能政策擴散特征，為保證搜集得到的政策文件具有可比性且符合政策擴散實際情況，在人工篩選時保留了規劃類文本，如政策文本標題含“發展規劃”或“產業規劃”等詞匯，同時刪除人工智能創新發展試驗區的回復函等文本。此外，還有一些省份的人工智能政策規劃文本標題為“智能XX發展規劃”，如《智能貴州發展規劃（2017-2020年）》也一并納人數據集。在初步形成本文研究數據集后，對比現有人工智能政策研究中采用的數據集以查漏補缺，同時剔除掉已失效的政策文件，最終形成針對人工智能發展制定的規劃性或綱領性政策文件庫，共110份。其中，由國家級或省級政府機構頒布的政策文件57份，地級市及以下行政級別政府政策文件53份。

3.2政策擴散的時空分布特征

3.2.1時間分布特征

統計隨時間推移累計出臺人工智能政策的省級政府數量如圖2所示，其擴散趨勢符合S型經典累積分布曲線。圖2表明截至2021年年底，我國共有24個省份（不含港、澳、臺地區）頒布了人工智能政策，其累計分布曲線反映我國人工智能政策呈現早期快速擴散、中期逐步放緩的特征。

3.2.2空間層級特征

使用Gephi繪制2017-2021年我國人工智能政策擴散網絡，具體是以各個省份出臺的政策文本為節點，政策之間的參照關系為節點之間的連邊，將演化過程以年為單位進行切片，再從網絡密度、網絡平均模塊化指數和網絡平均路徑長度分析我國人工智能政策擴散網絡演化特征和趨勢，如圖3所示。

可以發現，隨時間推移，我國人工智能政策擴散網絡密度逐步降低，這表明網絡節點之間連接緊密程度呈下降趨勢，即“地方一地方”之間的政策擴散現象逐步增多；平均度先上升、后下降。在2018年、2019年我國密集出臺了大量人工智能政策，隨后年份出臺數量減少。模塊化指數不斷上升，即各省份出臺的人工智能規劃政策與配套政策之間逐步形成模塊。網絡平均路徑長度不斷上升，這是因為人工智能政策正不斷從中央向地方省市區進行擴散，網絡層級結構不斷增加。整體而言，我國人工智能政策擴散網絡的核心節點始終是中央出臺的兩項政策，呈現出“由點到面”的特征。

3.3政策內容擴散程度特征

以中央文件為對比對象，對24個省份的人工智能領域政策文本進行相似度計算，為保證各省之間納入計算的政策文本具有可比性，只考慮省級政府層面頒布的政策文本。在計算之前，還需對文本進行預處理：刪除文本中與人工智能規劃部署無直接關聯的內容（如戰略態勢、指導思想等），僅保留對人工智能發展規劃做出詳細部署的內容（如重點目標、保障措施等），此外還刪除政策內容中的專欄部分內容。同時，若該省份發布的人工智能領域政策數量超過1份時，對該省份進行標記，最終得到各省份相對于中央政策文件的相似度數值如圖4所示（按相似度從高至低展示）。

由圖4可知，這24個省份和直轄市的平均相似度為0.704，其中，頒布文本數量為1份的省份平均相似度（0.726）高于政策文本數量大于1的省份平均相似度（0.679）。因此，從數據反映的特征可以發現，中國人工智能政策在擴散過程中，各個省份首先會學習模仿中央出臺的政策規劃，然后再根據本省的實際情況出臺其他配套政策，因而出臺政策較少的省份與中央政策相似度越高，因為出臺政策較少的省份尚處于政策擴散早期，因此會傾向于先模仿中央政策迅速出臺相關政策文件。然而，文本相似度數值對政策擴散過程內容變化程度揭示的粒度仍較粗，因此，有必要進一步探究各省政策文本主題擴散情況。

3.4政策主題擴散分布特征

3.4.1主題映射詞典構建及驗證

首先構建文本短語結構與主題分析框架映射關系的詞典，具體從實際分析的政策文本（字數約351844字）中分別抽取兩類短語結構，其中動賓短語結構13437個，修飾短語結構8328個，依據短語的依存關系，從這些短語結構中抽取主要成分關系（動賓結構和修飾語結構等），再剔除掉結構中不能表達文本主題的詞匯（如動詞、介詞等），得到7572個不同詞組。在建立映射關系詞典時，主要考慮高頻短語詞組，這是因為高頻短語詞組往往也是政策文本內容關聯的詞組結構。高頻詞組的選取過程參考了學界對高頻詞的選取方法，研究表明，借助二八定律的思想來確定高頻詞閾值是比較合理的。具體到本研究，以累計詞頻為20%的詞組結構作為高頻詞組，則應選取頻率大于或等于13的詞組作為待分析高頻詞組，考慮到并非所有高頻詞組都能一一對應至主題分析框架，因此適當拓寬詞組，最終選取詞頻大于等于12的詞組，得到154個高頻短語詞組。通過回溯政策文本內容，結合上下文語境，將這些詞組對應到文本主題分析框架不同維度，形成最終高頻短語詞典，如表1所示。

本文還進一步驗證了所提主題分布算法的有效性，由于政策文本標題可在一定程度上概括章節內容，因而可將部分段落作為算法測試驗證集。本文從原始文本數據集中提取了105個政策文本段落，人工標記文本主題標簽用于測試算法有效性，在分別計算不納入和納入章節標題后，發現算法準確率由72.54%上升至82.35%。由此可見，本文算法可較好地輔助人工主題識別和判讀，且考慮章節標題主題的算法，有效提升了主題識別準確率。

3.4.2政策主題擴散分布結果

央地政策主題分布計算如圖5所示，可發現央地政策在創新價值鏈各環節上均有所布局，但側重點有所不同。

上述主題擴散分布計算結果表明，從整體上，在發展階段維度，中央和地方都更關注“技術研發與應用”，可見當前我國人工智能發展規劃更為人工智能技術的研發及具體應用，具體體現在對人工智能相關產品針對性展開布局：在創新主體及組織合作維度，中央和地方都更注重強調發展人工智能企業；在支撐要素維度，中央和地方都較少對資金資本進行規劃，而更強調人才建設和資源平臺在人工智能發展中起到的作用。在央地政策細分主題對比上，計算相較于中央而言各省頒布政策主題的側重點。計算結果表明，發展階段維度，北京市、上海市、福建省、天津市、廣東省、浙江省、江蘇省和安徽省更注重在創新價值鏈的前端進行布局：陜西省、山東省、河南省、吉林省、貴州省、山西省、江西省、廣西壯族自治區、甘肅省、黑龍江省和云南省則更注重在創新價值鏈的后端進行布局：創新主體維度，除企業以外，相較于中央政策而言，安徽省、北京市、福建省、廣東省、上海市和江蘇省更強調科研機構作為創新價值鏈主體發揮的作用：支撐要素維度，中央當前發布的政策更強調人才建設，具體表現在教育部出臺了兩項有關加強人工智能人才培養和學科建設的政策文件。而各省份有的更強調加快人才培養，有的則更強調建設資源平臺。其中，安徽省、重慶市、廣東省、甘肅省、貴州省、黑龍江省、湖北省、吉林省、江蘇省、江西省、遼寧省、四川省、山東省、上海市、陜西省、山西省和浙江省這17個省份更強調對資源平臺建設的布局，而北京市、福建省、廣西壯族自治區、河南省、天津市和湖南省這6個省份更強調人才建設；政策保障維度，中央與地方政策這一部分內容占比相較于其他維度較少，與中央政策相比，有7個省份有關政策保障的內容占比較高，表明這些省份更強調人工智能發展規劃中軟環境的營造，分別是重慶市、廣東省、甘肅省、廣西壯族自治區、黑龍江省、遼寧省和山西省。

3.4.3政策擴散潛在機制探因

為進一步考察政策擴散潛在機制，本文建立各省份人工智能發展階段與政策主題擴散傾向性的關系。其中，各省按人工智能的發展程度劃分3個梯度，劃分方式參考了國家工業信息安全發展研究中心發布的《中國人工智能產業發展指數（2019）》、中國互聯網協會和中國信息通信研究院發布的《中國“智能+”社會發展指數報告（2019）》和呂榮杰等對中國人工智能區域發展水平的動態測度，結合政策主題擴散分布計算結果得到各省在創新價值鏈各環節主題側重如表2所示。

將省份所在梯隊階段和政策主題擴散傾向性分別作為定序變量并賦值，并計算兩者的Spearman等級相關系數。結果表明，在0.01的置信水平區間上，兩者相關性為0.6636，由此發現，地方政府在面對中央政府政策文件時，當前人工智能發展狀況較好、具有較多科技資源的省份會相對更注重對創新價值鏈的前端進行布局，反之亦成立。對于這一現象，行政指令機制可作為潛在解釋機制。在我國人工智能政策發展過程中，中央頒布了《國家新一代人工智能創新發展試驗區建設》（以下簡稱“試驗區”）的相關文件，指出要在2023年建成20個試驗區，通過先行先試的方式探索人工智能技術與經濟社會的融合路徑，探索適應人工智能創新發展的制度環境和智能時代政府治理的方法，以及強化人工智能發展的基礎設施建設，并重點依托人工智能創新資源較為豐富的城市作為探索載體，發揮引領作用。在試驗區的建設過程中，科技部對各城市發展試驗區的致函中體現了對不同城市發揮示范引領作用的要求，如對北京市強調“打造全球人工智能技術創新策源地”、對杭州市強調“打造人工智能產業聚集高地”、對濟南市強調“推動人工智能在重大場景中的創新應用”等。由此可見，上級政府及部門通過直接介入政策內容，以行政指令方式推動了人工智能政策的廣泛擴散和實施，對于各省市的要求貼合該省市的資源稟賦，由此影響了各省政策規劃布局重點的傾向性和價值取向。在未來，為進一步增強我國人工智能產業發展的推動力，可適當采用政治和經濟手段混合激勵方式。

4結論和討論

本文構建了融合創新價值鏈理論和文本關聯挖掘方法的政策擴散特征測度方法，并以人工智能政策為例說明了這一過程。研究結果表明，相較于中央政策，各省人工智能政策主題擴散各有側重，其中，人工智能發展狀況較好、具有較多科技資源的省份相對更注重對創新價值鏈的前端（即基礎理論）進行布局，反之亦成立。此外，在日寸間上，呈現早期快速擴散、中期逐步放緩特征；在空間上，形成了圍繞中央頒布政策的擴散網絡，且地方政策正逐步形成模塊化效應；在內容上，各省政府先“學習模仿中央政策”后“因地制宜創新細化”。

與現有研究相比，本文部分結論與前人研究一致，如宋偉等提出，央地政策均更強調人工智能技術應用。單曉紅等比較了人工智能產業區域（京津冀、長三角、珠三角）政策，指出這些區域政策主題均側重于基礎理論與技術研究以及相關產業智能化升級。在內容擴散程度研究方面，有學者的計算結果也同樣表明，遼寧省人工智能政策文本與中央政策文本相似度最高。但需要特別說明的是，上述關于政策主題擴散研究對特定主題的識別采用的是人工編碼方式，而本文是通過建立詞典的方式，考慮到政策文本用詞的穩定性以及構建的主題分析框架不僅僅適用于人工智能政策，也同樣適用于其他對貫穿創新價值鏈各環節進行政策指引的科技政策。因此，本文構建的詞典和分析框架具有一定的拓展性，可重復利用在其他相關領域政策。

除了上述提到的優勢，得益于基于成熟理論構建的政策文本主題分析框架，本文核心貢獻在于在政策主題擴散分布特征基礎上，進一步探討了各級政府主題傾向與其資源稟賦關系以及潛在擴散機制，這將有助于更細粒度揭示政府創新行為。當然，本文目前還處于相關性關系探索階段，未來可以在本文結果基礎上，將內容擴散程度數值作為因變量，將潛在影響因素（如科技資源）作為自變量，建立回歸方程進行因果推斷研究。