基于圖數(shù)據(jù)庫(kù)的貴州省大數(shù)據(jù)政策知識(shí)建模研究*

張維沖 王芳 黃毅

（1.南開(kāi)大學(xué)商學(xué)院，天津 300071；2.中電科大數(shù)據(jù)研究院有限公司，貴陽(yáng) 550081；3.南開(kāi)大學(xué)網(wǎng)絡(luò)社會(huì)治理研究中心，天津 300071）

國(guó)家治理現(xiàn)代化離不開(kāi)政府治理現(xiàn)代化，建設(shè)數(shù)字政府是推進(jìn)政府治理和國(guó)家治理現(xiàn)代化的重要途徑。當(dāng)前數(shù)字政府建設(shè)中，普遍存在政務(wù)數(shù)據(jù)“擁而難用、匯而不慧”的現(xiàn)象。雖然政務(wù)數(shù)據(jù)共享開(kāi)放工作不斷深入，跨部門數(shù)據(jù)流通渠道逐漸建立，但對(duì)海量政務(wù)數(shù)據(jù)仍然缺乏有效的整合分析，數(shù)據(jù)挖掘分析多停留在簡(jiǎn)單的相關(guān)性分析層面，碎片化政務(wù)數(shù)據(jù)難以轉(zhuǎn)化為可供決策使用的知識(shí)和智慧[1]。政府公文，作為政務(wù)數(shù)據(jù)的一種，既是政府部門日常辦公處理的重要內(nèi)容，也是重要的知識(shí)資源[2]。自然語(yǔ)言處理、知識(shí)圖譜與深度學(xué)習(xí)等技術(shù)的迅速發(fā)展，為政府公文的知識(shí)發(fā)現(xiàn)、管理與利用創(chuàng)造了基本條件。為實(shí)現(xiàn)新時(shí)期政策制定的科學(xué)化、智慧化、精準(zhǔn)化，持續(xù)推進(jìn)政府治理能力現(xiàn)代化，亟需將大規(guī)模、碎片化的政策性公文中的知識(shí)進(jìn)行關(guān)聯(lián)聚合，以實(shí)體為基本單位對(duì)政務(wù)數(shù)據(jù)進(jìn)行挖掘分析，揭示各實(shí)體間的復(fù)雜關(guān)系，實(shí)現(xiàn)知識(shí)層面的數(shù)據(jù)融合與集成，更大程度地釋放政策數(shù)據(jù)價(jià)值，進(jìn)而為政府、企業(yè)、組織、公眾提供知識(shí)服務(wù)。

然而在政策公文時(shí)空關(guān)聯(lián)研究上，現(xiàn)有成果主要集中于處理小規(guī)模數(shù)據(jù)的信息計(jì)量方法[3-4]，以及基于詞語(yǔ)、句子的淺層統(tǒng)計(jì)分析方法[5-7]等。趙洪等[8]基于卷積神經(jīng)網(wǎng)絡(luò)構(gòu)建基于大規(guī)模政府公文智能處理的算法，實(shí)驗(yàn)結(jié)果表明有較好的性能，但未對(duì)公文間的關(guān)聯(lián)關(guān)系進(jìn)行分析。鑒于政府公文智能處理研究對(duì)政策文本挖掘所具有的基礎(chǔ)指導(dǎo)及其應(yīng)用價(jià)值，本研究將在其基礎(chǔ)上進(jìn)一步研究公共政策間的關(guān)聯(lián)及聚合技術(shù)。

政策文本關(guān)聯(lián)聚合表現(xiàn)為多維關(guān)系和多粒度信息對(duì)象的組織、關(guān)聯(lián)、排序與呈現(xiàn)，是基于信息組織的多源信息單元融合與重組技術(shù)。在多維關(guān)系的文本關(guān)聯(lián)聚合研究上，已有研究開(kāi)展了基于語(yǔ)義關(guān)系的聚合[9]、基于引用關(guān)系的聚合[10]和基于社會(huì)關(guān)系網(wǎng)絡(luò)的聚合[11]等。同時(shí)，面向不同的文本信息粒度，依靠?jī)?nèi)容的相似度計(jì)算，進(jìn)行基于多粒度信息單元的聚合[12]及多源文本片段的信息融合[13]等。這些研究為關(guān)聯(lián)文本間關(guān)系的有效揭示提供了很有價(jià)值的研究參考，但在對(duì)不同類型信息資源的解構(gòu)與重組技術(shù)上也表現(xiàn)出較大差異，表明深度關(guān)聯(lián)聚合技術(shù)研究存在較大的領(lǐng)域特性和策略差異，在特定的文本對(duì)象上還需進(jìn)行更深入的研究。

大數(shù)據(jù)作為信息化發(fā)展的新階段，對(duì)人類社會(huì)生產(chǎn)生活都產(chǎn)生巨大影響。把握大數(shù)據(jù)發(fā)展方向，推動(dòng)大數(shù)據(jù)開(kāi)發(fā)應(yīng)用，發(fā)展大數(shù)據(jù)產(chǎn)業(yè)，對(duì)于地方經(jīng)濟(jì)社會(huì)發(fā)展具有十分重要的戰(zhàn)略意義和現(xiàn)實(shí)意義。2013年以來(lái)，貴州省深入實(shí)施大數(shù)據(jù)戰(zhàn)略行動(dòng)，持續(xù)推動(dòng)大數(shù)據(jù)探索實(shí)踐，取得了顯著成效，其政策制定的成功經(jīng)驗(yàn)值得借鑒。

本文即以貴州省大數(shù)據(jù)政策為樣本數(shù)據(jù)，對(duì)其涉及大數(shù)據(jù)的關(guān)鍵表述進(jìn)行建模分析，抽取細(xì)粒度知識(shí)元組，并基于圖數(shù)據(jù)庫(kù)Neo4j對(duì)Cypher語(yǔ)言的知識(shí)查詢、知識(shí)管理、知識(shí)推理等關(guān)鍵技術(shù)進(jìn)行研究，從而實(shí)現(xiàn)基于政策/政令多粒度知識(shí)發(fā)現(xiàn)的公文間關(guān)系分析與推理，為提升政策制定的系統(tǒng)性和科學(xué)性提供方法參考。

1 圖數(shù)據(jù)庫(kù)Neo4j簡(jiǎn)介

在面臨大規(guī)模知識(shí)管理需求時(shí)，需要考慮用數(shù)據(jù)庫(kù)管理系統(tǒng)（Database Management System，DBMS）對(duì)知識(shí)進(jìn)行存儲(chǔ)。常用的數(shù)據(jù)庫(kù)管理系統(tǒng)可分為關(guān)系型數(shù)據(jù)庫(kù)管理系統(tǒng)（Relational DBMS）、圖數(shù)據(jù)庫(kù)管理系統(tǒng)（Graph DBMS）、RDF存儲(chǔ)系統(tǒng)（RDF Stores）[14]。其中，圖數(shù)據(jù)庫(kù)（Graph Database）是基于圖論（Graph Theory）思想和算法而實(shí)現(xiàn)的高效處理復(fù)雜關(guān)系網(wǎng)絡(luò)的新型數(shù)據(jù)庫(kù)系統(tǒng)，善于高效處理大規(guī)模、復(fù)雜、互連、多變的數(shù)據(jù)，其計(jì)算效率遠(yuǎn)遠(yuǎn)高于傳統(tǒng)的關(guān)系型數(shù)據(jù)庫(kù)[15]，在社交網(wǎng)絡(luò)、實(shí)時(shí)推薦、征信系統(tǒng)、人工智能等領(lǐng)域被廣泛應(yīng)用。常見(jiàn)的圖數(shù)據(jù)庫(kù)有Neo4j、Microsoft Azure Cosmos DB、ArangoDB、OrientDB等，根據(jù)DB-Engines網(wǎng)站發(fā)布的圖數(shù)據(jù)庫(kù)使用熱度[16]，近年來(lái)Neo4j一直排名居首。

Neo4j是基于Java的高性能、高可靠性、可擴(kuò)展性強(qiáng)的開(kāi)源圖數(shù)據(jù)庫(kù)，完全兼容ACID，即原子性（atomicity）、一致性（consistency）、隔離性（isolation）、持久性（durability）。Neo4j目前應(yīng)用廣泛，社區(qū)活躍，生態(tài)成熟，企業(yè)版支持高可用集群。國(guó)外的ebay、Walmart和PitneyBowes等公司均選用Neo4j圖數(shù)據(jù)庫(kù)，實(shí)現(xiàn)對(duì)企業(yè)級(jí)大數(shù)據(jù)中關(guān)系的有效處理。Neo4j社區(qū)版具有英文版[17]和簡(jiǎn)體中文版[18]兩種。

基于Neo4j的圖數(shù)據(jù)庫(kù)模型如圖1所示，Neo4j的信息建模包括節(jié)點(diǎn)、邊和屬性3種構(gòu)造單元。數(shù)據(jù)庫(kù)圖形中的節(jié)點(diǎn)可以與其他任何節(jié)點(diǎn)建立關(guān)系，每個(gè)節(jié)點(diǎn)可以設(shè)置多個(gè)屬性。圖形中的每一個(gè)關(guān)系必須擁有一個(gè)開(kāi)始節(jié)點(diǎn)和一個(gè)終止節(jié)點(diǎn)，每個(gè)關(guān)系也可以設(shè)置多個(gè)屬性。

圖1 基于Neo4j的圖數(shù)據(jù)庫(kù)模型

Neo4j的數(shù)據(jù)導(dǎo)入有5種方式：①Cypher語(yǔ)句中的CREATE命令；②Cypher語(yǔ)句中的LOAD CSV命令，加載CSV數(shù)據(jù)；③官方提供的Java API—Batch Inserter；④官方提供的Neo4j-import工具；⑤第三方開(kāi)發(fā)的工具。Neo4j數(shù)據(jù)維護(hù)簡(jiǎn)單，每個(gè)節(jié)點(diǎn)對(duì)應(yīng)于關(guān)系數(shù)據(jù)庫(kù)中的一個(gè)記錄，節(jié)點(diǎn)和邊的屬性相當(dāng)于記錄中的字段，屬性內(nèi)容和個(gè)數(shù)可以動(dòng)態(tài)變化，節(jié)點(diǎn)之間的邊也可以自由刪減且不會(huì)影響已有數(shù)據(jù)結(jié)構(gòu)的邏輯。Neo4j數(shù)據(jù)查詢使用Cypher語(yǔ)言[19]，Cypher是一種聲明式、表達(dá)能力強(qiáng)的描述性圖形查詢語(yǔ)言，主要使用的關(guān)鍵字有create（主要用于創(chuàng)建圖形節(jié)點(diǎn)、關(guān)系及屬性）、match（在已有圖形數(shù)據(jù)庫(kù)中匹配目標(biāo)信息）、where（是match功能的條件）、return（完成匹配后，返回指定值）。

圍繞Neo4j的配套應(yīng)用開(kāi)發(fā)也日趨成熟。例如，Neo4j Bloom可視化工具能夠?qū)崿F(xiàn)Neo4j中數(shù)據(jù)集的導(dǎo)航和編輯，性能上可以輕松、平滑地在普通個(gè)人電腦上顯示數(shù)萬(wàn)節(jié)點(diǎn)和它們之間的關(guān)系；Neo4j函數(shù)存儲(chǔ)包APOC（Awesome Procedure On Cypher），包含豐富的函數(shù)和存儲(chǔ)過(guò)程，涵蓋各種圖論算法，是Cypher的有力補(bǔ)充。

2 基于Neo4j的科技政策知識(shí)建模

2.1 政策公文的知識(shí)建構(gòu)

簡(jiǎn)單而言，知識(shí)是人類通過(guò)觀察、學(xué)習(xí)和思考有關(guān)客觀世界的各種現(xiàn)象而獲得和總結(jié)出的所有事實(shí)、概念、規(guī)則或原則的集合[20]。知識(shí)世界是意義世界的鏡像。通觀知識(shí)的復(fù)雜性，從微觀的知識(shí)元、知識(shí)結(jié)構(gòu)，到宏觀的知識(shí)體系，知識(shí)世界的建構(gòu)模型必然是一個(gè)多建模實(shí)施主體、多層次、多類型、多視角構(gòu)成的“知識(shí)聯(lián)結(jié)網(wǎng)”。政府公文領(lǐng)域的知識(shí)建構(gòu)也是如此，由文獻(xiàn)單元向知識(shí)單元的深入必然是一個(gè)復(fù)雜的過(guò)程。

關(guān)于知識(shí)基本構(gòu)成單元的形式和概念還沒(méi)有形成統(tǒng)一認(rèn)識(shí)，知識(shí)元[21]、知識(shí)單元[22]、知識(shí)因子[23]和知識(shí)基因[24]等是主要的代表性觀點(diǎn)。圖書(shū)情報(bào)學(xué)和計(jì)算機(jī)科學(xué)是知識(shí)構(gòu)成單元的主要研究領(lǐng)域。盡管觀點(diǎn)不一致，但多數(shù)學(xué)者認(rèn)同知識(shí)元是知識(shí)控制與處理的基本單位，是知識(shí)結(jié)構(gòu)的基元。具有如下特點(diǎn)[25]：①知識(shí)元具有語(yǔ)義相對(duì)完整性，即有實(shí)際意義和相對(duì)獨(dú)立性；②知識(shí)元用于表達(dá)特定的知識(shí)，如一個(gè)科學(xué)概念或一條基本原理；③知識(shí)元相對(duì)于它所表達(dá)的特定知識(shí)而言，應(yīng)該是最小的、不可再拆分的；④知識(shí)元表現(xiàn)為具體的知識(shí)內(nèi)容，在文獻(xiàn)中表現(xiàn)為概念、原理、方法、定理、定律、結(jié)論等形式。宋艷輝等[26]通過(guò)重點(diǎn)分析知識(shí)單元研究中有爭(zhēng)議或者理解不一致的問(wèn)題后認(rèn)為，知識(shí)元可以按照一定的知識(shí)關(guān)聯(lián)進(jìn)行自由組合，組合而成新的知識(shí)體，稱為知識(shí)單元；知識(shí)單元通過(guò)知識(shí)關(guān)聯(lián)組合而成新的知識(shí)單元，或者更高層級(jí)、宏觀意義上的知識(shí)體系。關(guān)于知識(shí)體系如何分類，陳洪瀾[27]列舉了知識(shí)分類的10種方式，分別是按照知識(shí)效用分類、按照研究對(duì)象分類、按照知識(shí)屬性分類、按照知識(shí)形態(tài)分類、按事物運(yùn)動(dòng)形式分類、按照思維特征分類、按照自然現(xiàn)象和社會(huì)現(xiàn)象分類、按照知識(shí)研究方法分類、按照知識(shí)的內(nèi)在聯(lián)系分類、按照學(xué)科發(fā)展趨勢(shì)分類。這些方法各有長(zhǎng)短，需要根據(jù)客觀條件和主觀需求靈活應(yīng)用。

由以上看來(lái)，政府公文作為一種知識(shí)資源，通過(guò)知識(shí)體系建構(gòu)的方式對(duì)內(nèi)容進(jìn)行解構(gòu)是可行的，并且公文中知識(shí)建構(gòu)所達(dá)到的廣度、深度和精度決定了對(duì)政策知識(shí)建模的效果。本文嘗試基于知識(shí)元理論構(gòu)建知識(shí)表示體系，進(jìn)而運(yùn)用知識(shí)抽?。▽?shí)體識(shí)別、關(guān)系抽?。?、知識(shí)融合（知識(shí)異構(gòu)、實(shí)體匹配）、知識(shí)存儲(chǔ)（圖數(shù)據(jù)庫(kù)管理系統(tǒng)）等知識(shí)挖掘技術(shù)，對(duì)政策/政令中主體、對(duì)象、事項(xiàng)等知識(shí)進(jìn)行關(guān)系推理。

2.2 構(gòu)建過(guò)程

為實(shí)現(xiàn)對(duì)科技政策文本的知識(shí)建模、知識(shí)獲取、知識(shí)存儲(chǔ)與可視化圖譜展示，本文基于已有數(shù)據(jù)和算法研究，構(gòu)建貴州大數(shù)據(jù)政策知識(shí)圖譜，具體過(guò)程如下。

（1）數(shù)據(jù)收集。在自建大規(guī)模公文數(shù)據(jù)庫(kù)中以全文包含“大數(shù)據(jù)”為檢索條件，以“發(fā)布機(jī)關(guān)代碼=202 or 204”為限定條件（貴州省級(jí)政府及下轄部門），總計(jì)獲得貴州省各級(jí)單位發(fā)布的全文中包含“大數(shù)據(jù)”的政策性公文716篇，保存為數(shù)據(jù)集data.json。該數(shù)據(jù)也可通過(guò)網(wǎng)絡(luò)公開(kāi)數(shù)據(jù)獲得。

（2）“大數(shù)據(jù)”關(guān)鍵表述抽取。即抽取每篇公文中包含“大數(shù)據(jù)”的句子，結(jié)果保存為數(shù)據(jù)集data_keysentence.txt，核心程序段如表1所示。政策性公文是一類主題復(fù)合型文本，幾乎每篇公文包含的主題都不止一項(xiàng)。如《省人民政府辦公廳關(guān)于支持貴安新區(qū)發(fā)展若干政策措施的意見(jiàn)》中僅有部分語(yǔ)段涉及“大數(shù)據(jù)”，這時(shí)候就需要將全部這些語(yǔ)段抽取出來(lái)，剔除非相關(guān)的冗余語(yǔ)句。該步驟也是對(duì)知識(shí)粒度的第一次細(xì)化。

（3）實(shí)體抽取。Python環(huán)境下調(diào)用hanlp模塊對(duì)形成的關(guān)鍵表述語(yǔ)料進(jìn)行實(shí)體抽取，并人工校對(duì)，結(jié)果保存為數(shù)據(jù)集data_entity.txt。該步驟是對(duì)知識(shí)粒度的第二次細(xì)化。經(jīng)過(guò)實(shí)驗(yàn)對(duì)比，研究發(fā)現(xiàn)，基于pyhanlp的enableOrganizationRecognize模塊較基于pyltp的NamedEntityRecognizer模塊和基于StanfordCoreNLP的ner模塊，在機(jī)構(gòu)識(shí)別、命名實(shí)體抽取方面的效果更優(yōu)，更適合于新詞發(fā)現(xiàn)。將抽取結(jié)果同原始數(shù)據(jù)合并，得到的數(shù)據(jù)結(jié)果樣例如圖2所示。

（4）關(guān)系構(gòu)建。基于對(duì)實(shí)體抽取結(jié)果的內(nèi)容分析，制定實(shí)體類別標(biāo)簽體系，同時(shí)將實(shí)體與發(fā)布機(jī)關(guān)、公文標(biāo)題進(jìn)行關(guān)聯(lián)，構(gòu)建實(shí)體、關(guān)系標(biāo)簽體系，標(biāo)簽類別如表2所示。依據(jù)標(biāo)簽體系分別對(duì)實(shí)體和關(guān)系進(jìn)行標(biāo)注，并補(bǔ)全實(shí)體標(biāo)注信息（實(shí)體名稱、實(shí)體標(biāo)簽）和關(guān)系標(biāo)注信息（實(shí)體1標(biāo)簽、實(shí)體1名稱、關(guān)系、實(shí)體2標(biāo)簽、實(shí)體2名稱）。至此，貴州省大數(shù)據(jù)政策的知識(shí)獲取工作完成，得到細(xì)粒度知識(shí)元組與關(guān)系對(duì)。

（5）知識(shí)存儲(chǔ)。將上述步驟形成的實(shí)體和關(guān)系數(shù)據(jù)轉(zhuǎn)化為圖數(shù)據(jù)庫(kù)Neo4j需要的格式[28]，并進(jìn)行數(shù)據(jù)批量導(dǎo)入。本文采用的Neo4j版本為微云數(shù)聚研制的Neo4j簡(jiǎn)體中文版，支持?jǐn)?shù)據(jù)驅(qū)動(dòng)節(jié)點(diǎn)、連線的顏色、節(jié)點(diǎn)的大小、連線的粗細(xì)等不同顯示，支持批量執(zhí)行Cypher語(yǔ)句。

（6）知識(shí)分析?；贑ypher語(yǔ)言進(jìn)行圖數(shù)據(jù)庫(kù)分析。

如圖3所示，Neo4j類似于一個(gè)基于網(wǎng)頁(yè)的外殼環(huán)境，其應(yīng)用界面分為3個(gè)部分。①左側(cè)功能列表，可收起為邊框擴(kuò)展欄。邊欄擴(kuò)展顯示不同的功能面板，用于常見(jiàn)的查詢和信息。研究通過(guò)構(gòu)建“貴州大數(shù)據(jù)”專項(xiàng)選欄和下拉菜單，可實(shí)現(xiàn)快捷查看“戰(zhàn)略定位”“政策支持產(chǎn)業(yè)”“政策支持項(xiàng)目”“政策支持應(yīng)用平臺(tái)”“政策支持示范區(qū)”等知識(shí)圖譜。②右上方區(qū)域?yàn)榫庉嬈?。編輯器是輸入和運(yùn)行命令的主要接口，通過(guò)輸入Cypher查詢來(lái)處理圖數(shù)據(jù)。③右下方區(qū)域?yàn)榉治鼋Y(jié)果區(qū)，按操作順序滾動(dòng)呈現(xiàn)，點(diǎn)擊圖譜中任意節(jié)點(diǎn)即可查看節(jié)點(diǎn)信息，圖查詢后可導(dǎo)出表格結(jié)果和可視化結(jié)果。

表1 “大數(shù)據(jù)”關(guān)鍵表述抽取及實(shí)體抽取算法核心程序段

圖2 數(shù)據(jù)處理結(jié)果樣例

表2 知識(shí)抽取標(biāo)簽體系

3 建模實(shí)例

前述對(duì)貴州大數(shù)據(jù)政策/政令中的知識(shí)進(jìn)行了表示、抽取與鏈接，本節(jié)對(duì)該建模方法進(jìn)行實(shí)例驗(yàn)證，基于Neo4j圖數(shù)據(jù)查詢實(shí)現(xiàn)知識(shí)圖譜生成和知識(shí)發(fā)現(xiàn)，包括單一關(guān)系分析、復(fù)雜關(guān)系分析和公文引文分析。

圖3 Neo4j應(yīng)用界面

3.1 單一關(guān)系分析

圖4為9種單一關(guān)系分析實(shí)現(xiàn)的效果樣例。實(shí)現(xiàn)方法為，編輯器輸入Cypher查詢語(yǔ)言“MATCH（）-[r:`戰(zhàn)略定位|政策支持產(chǎn)業(yè)|涉及行業(yè)|鼓勵(lì)重要開(kāi)放窗口|鼓勵(lì)發(fā)展基地|政策涉及組織機(jī)構(gòu)|政策涉及研發(fā)組織機(jī)構(gòu)|鼓勵(lì)發(fā)展產(chǎn)業(yè)園|政策支持應(yīng)用平臺(tái)`]->（）RETURN r LIMIT 100”。其中，“（）”為節(jié)點(diǎn)信息，“[]”內(nèi)為關(guān)系信息，通過(guò)LIMIT后面的數(shù)字可限制節(jié)點(diǎn)的數(shù)量。研究還對(duì)大數(shù)據(jù)政策涉及的基地、資金支持、活動(dòng)、重要發(fā)展平臺(tái)、機(jī)制、工程、大數(shù)據(jù)應(yīng)用、項(xiàng)目、領(lǐng)域、集聚區(qū)、示范區(qū)、第三方權(quán)威組織機(jī)構(gòu)、大數(shù)據(jù)產(chǎn)業(yè)空間布局、專項(xiàng)規(guī)劃、試驗(yàn)區(qū)、基礎(chǔ)設(shè)施、專項(xiàng)行動(dòng)等單一映射關(guān)系進(jìn)行了分析。

從政策關(guān)聯(lián)結(jié)果來(lái)看，貴州省各級(jí)政府高度重視大數(shù)據(jù)發(fā)展，發(fā)布的各類政策疊加效應(yīng)明顯，為加速資源集聚、推動(dòng)大數(shù)據(jù)產(chǎn)業(yè)發(fā)展提供了充分保障。各政府部門結(jié)合當(dāng)?shù)貙?shí)情與發(fā)展需要，深入推進(jìn)大數(shù)據(jù)、大扶貧、大生態(tài)、大健康、大旅游、大文化、大招商、大生態(tài)文創(chuàng)等戰(zhàn)略行動(dòng)（關(guān)聯(lián)關(guān)系如圖4a），優(yōu)化資源配置、強(qiáng)化技術(shù)支撐、創(chuàng)新發(fā)展模式，大力發(fā)展電子信息、電子商務(wù)大數(shù)據(jù)云計(jì)算、互聯(lián)網(wǎng)金融、移動(dòng)電子商務(wù)、大數(shù)據(jù)網(wǎng)絡(luò)信息安全等大數(shù)據(jù)重點(diǎn)產(chǎn)業(yè)，以及中藥材、食用菌、吊瓜、消費(fèi)品工業(yè)、林業(yè)、煤炭、石材、現(xiàn)代高效農(nóng)業(yè)、呼叫中心、白酒等地方性產(chǎn)業(yè)，通過(guò)大數(shù)據(jù)的發(fā)展支持航空、生態(tài)農(nóng)業(yè)、醫(yī)藥制造業(yè)、旅游業(yè)、民族藥材、磷化工、新型建筑材料、電子元器件、有機(jī)農(nóng)產(chǎn)品、高端裝備、新能源化工等相關(guān)產(chǎn)業(yè)發(fā)展，形成完整的大數(shù)據(jù)相關(guān)產(chǎn)業(yè)體系（見(jiàn)圖4b和圖4c）。

貴州省充分利用生態(tài)文明貴陽(yáng)國(guó)際論壇、云上貴州·大數(shù)據(jù)國(guó)際年會(huì)、大數(shù)據(jù)博覽會(huì)、大數(shù)據(jù)商業(yè)模式大賽、中國(guó)電子商務(wù)創(chuàng)新發(fā)展大會(huì)、貴州省旅游發(fā)展大會(huì)等重要開(kāi)放窗口的作用（關(guān)聯(lián)關(guān)系見(jiàn)圖4d），舉辦形式多樣的交流、展覽、招商等活動(dòng)，聚集優(yōu)質(zhì)發(fā)展要素，推進(jìn)國(guó)際化進(jìn)程。支持鼓勵(lì)發(fā)展大數(shù)據(jù)發(fā)展基地，包括大數(shù)據(jù)產(chǎn)業(yè)基地、國(guó)家級(jí)大數(shù)據(jù)基地、國(guó)家級(jí)文化和科技融合示范基地、中關(guān)村貴陽(yáng)科技園大數(shù)據(jù)基地、教育實(shí)踐和培訓(xùn)基地、貴安新區(qū)大數(shù)據(jù)存儲(chǔ)基地、貴陽(yáng)高新云平臺(tái)應(yīng)用基地、貴州大數(shù)據(jù)綜合試驗(yàn)區(qū)實(shí)驗(yàn)基地、惠普·貴州國(guó)際金貿(mào)云基地、貴陽(yáng)高新云計(jì)算基地、貴陽(yáng)云計(jì)算大數(shù)據(jù)創(chuàng)新孵化基地、貴安大數(shù)據(jù)中心、貴安新區(qū)數(shù)據(jù)中心等（關(guān)聯(lián)關(guān)系見(jiàn)圖4e）；支持發(fā)展大數(shù)據(jù)飛地產(chǎn)業(yè)園區(qū)、凱里物聯(lián)網(wǎng)科教產(chǎn)業(yè)園、貴安新區(qū)電子信息產(chǎn)業(yè)園、富士康產(chǎn)業(yè)園、三大運(yùn)營(yíng)商數(shù)據(jù)中心、貴安新區(qū)節(jié)能環(huán)保產(chǎn)業(yè)園、貴陽(yáng)跨境電子商務(wù)產(chǎn)業(yè)園等大數(shù)據(jù)產(chǎn)業(yè)園（關(guān)聯(lián)關(guān)系見(jiàn)圖4h）。作為貴州省會(huì)，貴陽(yáng)市重點(diǎn)規(guī)劃建立了“一軸兩基地多園”的大數(shù)據(jù)產(chǎn)業(yè)空間布局。貴州省不斷完善大數(shù)據(jù)系統(tǒng)應(yīng)用，深入推進(jìn)應(yīng)用平臺(tái)建設(shè)，包括數(shù)據(jù)鐵籠、社會(huì)和云、數(shù)據(jù)民生、城市交通大數(shù)據(jù)、農(nóng)業(yè)大數(shù)據(jù)信息管理、支撐數(shù)據(jù)采集系統(tǒng)、數(shù)據(jù)共享開(kāi)放平臺(tái)、數(shù)據(jù)增值應(yīng)用平臺(tái)、互聯(lián)網(wǎng)+醫(yī)療健康數(shù)據(jù)、“云上貴州”系統(tǒng)、旅游塊數(shù)據(jù)、互聯(lián)網(wǎng)數(shù)據(jù)交換、互聯(lián)網(wǎng)數(shù)據(jù)中心、電子政務(wù)網(wǎng)絡(luò)、綜合治稅應(yīng)用平臺(tái)等（關(guān)聯(lián)關(guān)系見(jiàn)圖4i）。

圖4 單一關(guān)系分析實(shí)現(xiàn)效果樣例

3.2 復(fù)雜關(guān)系分析

常規(guī)關(guān)系分析方法有聚類分析、多維尺度分析、中心度分析等，但這些方法不足以展現(xiàn)大規(guī)模實(shí)體間的復(fù)雜關(guān)系，且不具備推理功能、因果關(guān)系分析功能。而圖數(shù)據(jù)庫(kù)有望彌補(bǔ)這些不足。Neo4j不僅能實(shí)現(xiàn)對(duì)眾多客觀實(shí)體的管理，還可以進(jìn)行實(shí)體間復(fù)雜關(guān)系的查詢與推理，支持邏輯語(yǔ)言查詢與面向約束的推理。圖5為4種復(fù)雜關(guān)系分析的實(shí)現(xiàn)效果樣例。

圖5a為機(jī)構(gòu)-機(jī)構(gòu)關(guān)聯(lián)分析，查詢貴州省人民政府和安順市人民政府有哪些政策相互關(guān)聯(lián)。實(shí)現(xiàn)語(yǔ)句為“MATCH p =（：政策發(fā)布機(jī)關(guān) {名稱：‘貴州省人民政府’}）-[*..3]-（：政策發(fā)布機(jī)關(guān) {名稱：‘安順市人民政府’}）RETURN p”。其中，“[*..3]”限定關(guān)系不超過(guò)3階。

圖5b為機(jī)構(gòu)-事項(xiàng)關(guān)聯(lián)分析，查詢貴州省人民政府的戰(zhàn)略定位和支持的產(chǎn)業(yè)。實(shí)現(xiàn)語(yǔ)句為“MATCH（：政策發(fā)布機(jī)關(guān) {名稱：‘貴州省人民政府’}）-[r：‘政策支持產(chǎn)業(yè)’|：‘戰(zhàn)略定位’]->（）RETURN r LIMIT 100”。

圖5 復(fù)雜關(guān)系分析實(shí)現(xiàn)效果樣例

圖5c為模糊匹配，檢索名稱中包含“貴陽(yáng)”或“貴州”的政策發(fā)布機(jī)關(guān)。實(shí)現(xiàn)語(yǔ)句為“MATCH（n：‘政策發(fā)布機(jī)關(guān)’）WHERE REDUCE（hit=false，name in [n.‘姓名’，n.‘名稱’，n.‘name’，n.‘title’] | hit or name=～‘.*（?i）貴陽(yáng).*’）with n MATCH（m）WHERE REDUCE（hit=false，name in [m.‘姓名’，m.‘名稱’，m.‘name’，m.‘title’] | hit or name=～‘.*（?i）貴州.*’）with n，m MATCH r=allShortestPaths（（n）-[*]-（m））RETURN r LIMIT 100”。

圖5d為多階復(fù)合關(guān)系分析，即檢索連續(xù)3階以上的關(guān)聯(lián)關(guān)系。實(shí)現(xiàn)語(yǔ)句為“MATCH r=（）-[：‘引用’]->（）<-[：‘發(fā)布政策’]-（）RETURN r LIMIT 50”。

通過(guò)對(duì)以上復(fù)雜關(guān)系的實(shí)驗(yàn)研究表明，基于Neo4j的政策多粒度知識(shí)關(guān)聯(lián)聚合具有以下優(yōu)勢(shì)：①高效的信息檢索能力；②能夠通過(guò)節(jié)點(diǎn)、關(guān)系、屬性值的設(shè)定實(shí)現(xiàn)很好的聚類性能和分類精度；③比傳統(tǒng)的關(guān)系型數(shù)據(jù)庫(kù)更適合處理大規(guī)模關(guān)聯(lián)數(shù)據(jù)，特別適合多跳查詢、計(jì)算最短路徑、推理分析等特殊網(wǎng)絡(luò)分析需求；④圖數(shù)據(jù)庫(kù)基于圖論基礎(chǔ)，支持路徑搜索、中心性、社群發(fā)現(xiàn)等圖論算法，對(duì)社會(huì)網(wǎng)絡(luò)分析（SNA）的相關(guān)研究視角和方法依然適用，包括中心性分析，二元組分析、三元組分析，塊模型分析、社群分析，凝聚子群分析，結(jié)構(gòu)均衡分析，網(wǎng)絡(luò)同質(zhì)性分析，動(dòng)態(tài)演化分析，統(tǒng)計(jì)網(wǎng)絡(luò)分析等；⑤有望通過(guò)關(guān)聯(lián)網(wǎng)絡(luò)探究因果集群，進(jìn)而探究多要素的因果關(guān)系；⑥性能上，實(shí)時(shí)速度每秒達(dá)數(shù)以百萬(wàn)跳，能夠滿足大規(guī)模圖數(shù)據(jù)的運(yùn)算[29]。

3.3 公文引文分析

政策性公文同學(xué)術(shù)論文一樣，也存在廣泛的援引、引用情況。公文引文分析通過(guò)公文的引用和被引等流動(dòng)過(guò)程，揭示政策的引用現(xiàn)象、過(guò)程和規(guī)律，具有較強(qiáng)的實(shí)踐價(jià)值和方法論意義。目前相關(guān)研究多為定性描述，缺少量化依據(jù)。李江等[30]深入探討了適用于量化評(píng)價(jià)政策主題變遷、政策主體合作模式、政策體系的結(jié)構(gòu)與演進(jìn)的“政策文獻(xiàn)計(jì)量”方法。劉曉光等[31]以“中央一號(hào)文件”為案例進(jìn)行了引文量化分析，進(jìn)一步指出公共政策研究在解決綜合、復(fù)雜的現(xiàn)實(shí)問(wèn)題時(shí)，仍面臨不小的挑戰(zhàn)。隨著政策資源庫(kù)的建設(shè)和語(yǔ)義解析技術(shù)的提升，大規(guī)模政府公文的引文關(guān)系自動(dòng)解析成為可能，為通過(guò)公文引文關(guān)系探究政策演化變遷、政策擴(kuò)散規(guī)律、政策影響力、府際關(guān)系等提供了新路徑。

本文基于貴州大數(shù)據(jù)政策數(shù)據(jù)，按照被引用公文的類別，對(duì)引用關(guān)系進(jìn)行了細(xì)分。生成的政府公文引用關(guān)系圖譜如圖6所示。實(shí)現(xiàn)語(yǔ)句為“MATCH（）-[r：‘引用-意見(jiàn)’|：‘引用-優(yōu)惠政策’|：‘引用-辦法’|：‘引用-規(guī)劃’|：‘引用-行動(dòng)計(jì)劃’|：‘引用-決定’|：‘引用-實(shí)施方案’|：‘引用-標(biāo)準(zhǔn)’|：‘引用-規(guī)范’|：‘引用-函’|：‘引用-通知’|：‘引用-工作要點(diǎn)’|：‘引用-規(guī)定’|：‘引用-標(biāo)準(zhǔn)規(guī)范’|：‘引用-工作制度’|：‘引用-制度’|：‘引用-計(jì)劃’|：‘引用-預(yù)案’|：‘引用-指南’|：‘引用-通告’|：‘引用-批復(fù)’|：‘引用-公告’|：‘引用-法律’|：‘引用-工作規(guī)則’|：‘引用-意見(jiàn)辦法’|：‘引用-決定規(guī)范’|：‘引用-行動(dòng)計(jì)劃規(guī)范’]->（）RETURN r LIMIT 100”。其中，各種引用類別可以任意組合。

圖6 公文引文分析實(shí)現(xiàn)效果樣例

從方法的實(shí)現(xiàn)效果來(lái)看，基于知識(shí)建模的公文引文分析能夠較好實(shí)現(xiàn)引文網(wǎng)絡(luò)圖譜的構(gòu)建，通過(guò)Neo4j可視化圖譜可以按照實(shí)際需求動(dòng)態(tài)、清晰地呈現(xiàn)公文間的引用關(guān)系、關(guān)聯(lián)網(wǎng)絡(luò)，適合輔助探究綜合、復(fù)雜問(wèn)題。如根據(jù)圖6樣例分析可知，貴州省人民政府印發(fā)《關(guān)于加快大數(shù)據(jù)產(chǎn)業(yè)發(fā)展應(yīng)用若干政策的意見(jiàn)》《貴州省大數(shù)據(jù)產(chǎn)業(yè)發(fā)展應(yīng)用規(guī)劃綱要（2014—2020年）》《省人民政府辦公廳關(guān)于印發(fā)貴州省醫(yī)藥產(chǎn)業(yè) 健康養(yǎng)生產(chǎn)業(yè)發(fā)展任務(wù)清單的通知》等公文被引用率明顯較高，與其他公文的關(guān)聯(lián)關(guān)系較多，并且公文間的引用關(guān)系錯(cuò)綜復(fù)雜，并非單純的上下級(jí)公文引用。

文獻(xiàn)的引用是文獻(xiàn)價(jià)值、重要性及影響力的指標(biāo)，而政策性公文作為一類由黨政機(jī)關(guān)在行使職權(quán)或?qū)嵤┕芾磉^(guò)程中形成的具有法定效用的文件材料，其相互引用必然具有更多的現(xiàn)實(shí)意義。文獻(xiàn)計(jì)量學(xué)中的影響力評(píng)價(jià)（影響因子）、文獻(xiàn)老化規(guī)律（半衰期）、共被引分析、引文耦合分析等理論與方法對(duì)于公文引文分析是否適合有待進(jìn)一步驗(yàn)證，能否指導(dǎo)公文引文分析需要繼續(xù)探索。未來(lái)公文引文分析有望不斷豐富政策文獻(xiàn)計(jì)量方法體系。

4 結(jié)語(yǔ)

本文通過(guò)對(duì)716篇貴州省大數(shù)據(jù)政策的知識(shí)建模，抽取細(xì)粒度知識(shí)元組，并基于圖數(shù)據(jù)庫(kù)Neo4j實(shí)現(xiàn)對(duì)政策/政令的多粒度知識(shí)發(fā)現(xiàn)和關(guān)聯(lián)聚合，經(jīng)過(guò)單一關(guān)系分析、復(fù)雜關(guān)系分析、公文引文分析3類實(shí)例驗(yàn)證，結(jié)果表明，Neo4j可較好地實(shí)現(xiàn)基于政策/政令多粒度知識(shí)發(fā)現(xiàn)的公文間關(guān)系分析與推理，本文所提方法為提升政策制定的系統(tǒng)性和科學(xué)性提供參考。基于圖數(shù)據(jù)庫(kù)Neo4j的政策多粒度知識(shí)關(guān)聯(lián)聚合具有高效的檢索能力、大規(guī)模關(guān)聯(lián)數(shù)據(jù)處理能力、較好的聚類性能和分類精度、滿足網(wǎng)絡(luò)分析需求等優(yōu)勢(shì)，在探究公共政策的知識(shí)發(fā)現(xiàn)、演化變遷、擴(kuò)散規(guī)律、府際關(guān)系等方面具有廣闊的應(yīng)用前景。