2015年國(guó)務(wù)院印發(fā)《促進(jìn)大數(shù)據(jù)發(fā)展行動(dòng)綱要》，首次從國(guó)家信息化發(fā)展的戰(zhàn)略層面認(rèn)定數(shù)據(jù)是國(guó)家的基礎(chǔ)性戰(zhàn)略資源，大數(shù)據(jù)成為提升政府治理能力的新途徑。2016年生態(tài)環(huán)境部(原環(huán)境保護(hù)部)印發(fā)《生態(tài)環(huán)境大數(shù)據(jù)建設(shè)總體方案》，開啟“互聯(lián)網(wǎng)+生態(tài)環(huán)境”戰(zhàn)略，推動(dòng)政府環(huán)境治理創(chuàng)新。因此，大數(shù)據(jù)逐步成為環(huán)境治理的重要戰(zhàn)略資源和政府提升環(huán)境治理能力的重要手段，發(fā)展數(shù)字經(jīng)濟(jì)也成為可持續(xù)發(fā)展的重要方向，同時(shí)，對(duì)于推動(dòng)生態(tài)環(huán)境治理能力現(xiàn)代化和加快生態(tài)文明建設(shè)進(jìn)程具有重要意義。

近年來(lái)，隨著互聯(lián)網(wǎng)、計(jì)算機(jī)的飛速發(fā)展和技術(shù)進(jìn)步以及人工智能軟硬件技術(shù)的發(fā)展和廣泛應(yīng)用，數(shù)據(jù)作為記錄各種人類活動(dòng)的一種重要資源而呈現(xiàn)出爆發(fā)式增長(zhǎng)，而從海量的、非結(jié)構(gòu)化的數(shù)據(jù)中獲取、處理、分析、挖掘其中有價(jià)值的信息成為國(guó)內(nèi)外政府、企業(yè)以及學(xué)術(shù)界的關(guān)注焦點(diǎn)。其中，非結(jié)構(gòu)化的文本大數(shù)據(jù)作為一種新的數(shù)據(jù)源，也是最重要的信息載體之一，往往帶有明顯的領(lǐng)域特征和獨(dú)特的語(yǔ)言模式，也常常包含大量的專業(yè)詞匯，能夠?yàn)榄h(huán)境治理問題提供有效的信息和獨(dú)特的分析視角。例如，文本大數(shù)據(jù)可以用于測(cè)度環(huán)境政策的不確定性、量化媒體關(guān)注度以及輿論導(dǎo)向、不同環(huán)境治理主體的情緒對(duì)相應(yīng)問題解決方式的影響、基于新聞的隱含波動(dòng)因素等。

一、文本大數(shù)據(jù)的主要特征

傳統(tǒng)的數(shù)據(jù)收集往往借助于紙質(zhì)媒介，體量較小，數(shù)據(jù)獲取成本高，獲取時(shí)間相對(duì)滯后;而通過互聯(lián)網(wǎng)媒介進(jìn)行文本數(shù)據(jù)收集和處理，不僅成本大幅降低，數(shù)據(jù)的可得性大幅增加，數(shù)據(jù)的體量也呈現(xiàn)幾何級(jí)數(shù)增長(zhǎng)的特征。同時(shí)，隨著網(wǎng)絡(luò)平臺(tái)發(fā)布信息普及度的提高，除了傳統(tǒng)的政府職能部門和相關(guān)機(jī)構(gòu)發(fā)布信息之外，微博、微信公眾號(hào)、朋友圈、論壇帖子等新媒體形式也逐漸成為數(shù)據(jù)來(lái)源的重要渠道，文本大數(shù)據(jù)的發(fā)布主體從單一向多樣化進(jìn)行轉(zhuǎn)變，頻率變得更高。通過互聯(lián)網(wǎng)平臺(tái)積累起來(lái)的數(shù)據(jù)，就存儲(chǔ)在網(wǎng)絡(luò)空間中，文本信息即刻在網(wǎng)絡(luò)中留下痕跡，通過一定的方法和技術(shù)進(jìn)行提取，信息獲取更加及時(shí)，數(shù)據(jù)獲取的成本也相對(duì)降低。通過利用互聯(lián)網(wǎng)大數(shù)據(jù)信息，可以獲取接近全體的樣本信息，海量的樣本量支持下，避免了由于信息不全面導(dǎo)致的錯(cuò)覺以及判斷失誤，未來(lái)還將開拓更為豐富的數(shù)據(jù)源，如政府工作報(bào)告、規(guī)劃、書籍、檔案等。

二、文本大數(shù)據(jù)提取的重點(diǎn)和難點(diǎn)

文本數(shù)據(jù)是信息的抽象提煉，正是由于海量文本數(shù)據(jù)信息的存在，獲取、處理和分析文本大數(shù)據(jù)方面仍然存在一些問題，其中最重要的是如何準(zhǔn)確并且有效率地從海量文本中提取出所需要的核心信息，并考察其對(duì)相應(yīng)問題的解釋或預(yù)測(cè)能力。提取文本數(shù)據(jù)信息需要綜合考慮文本數(shù)據(jù)的來(lái)源、語(yǔ)言環(huán)境、內(nèi)容長(zhǎng)短、句式結(jié)構(gòu)以及需提取信息的特征等因素，同時(shí)也要考慮信息提取的成本和收益。在條件允許的情況下，可以采用相對(duì)復(fù)雜的統(tǒng)計(jì)學(xué)習(xí)和深度學(xué)習(xí)相結(jié)合的信息提取方法來(lái)提高信息提取的準(zhǔn)確性，優(yōu)化人機(jī)合作成為解決困難的重要方式。使用復(fù)雜方法時(shí)還需要保證這些方法的透明性和可復(fù)制性。最后還要注意的是，數(shù)據(jù)的結(jié)構(gòu)化轉(zhuǎn)換和文本數(shù)據(jù)信息提取這兩步的執(zhí)行順序需要依靠具體問題來(lái)決定，有時(shí)需要經(jīng)過多次嘗試才能找到最佳方案。

三、文本大數(shù)據(jù)在環(huán)境治理方面的應(yīng)用

現(xiàn)有環(huán)境領(lǐng)域文本相關(guān)分析的問題主要有兩大類，一是區(qū)分文本顯示的公民的情緒正負(fù)、新聞或者文件語(yǔ)調(diào)正負(fù)等聚類問題，二是對(duì)情緒、不確定性、恐慌程度、意見分歧程度的度量以及相應(yīng)的回歸問題。

1.文本情緒

因?yàn)榍榫w的變化可能會(huì)導(dǎo)致問題處理的結(jié)果不同，度量情緒并預(yù)測(cè)風(fēng)險(xiǎn)是文本大數(shù)據(jù)在環(huán)境治理領(lǐng)域的重要應(yīng)用方向，典型的例子是鄰避效應(yīng)。通常用“語(yǔ)調(diào)”來(lái)表示“情緒”，語(yǔ)調(diào)的不同表示了情緒的正面和負(fù)面、樂觀和悲觀、積極和消極等。根據(jù)情緒的不同主題，文本情緒的研究對(duì)象主要包括媒體語(yǔ)調(diào)(媒體新聞)、管理層語(yǔ)調(diào)(當(dāng)事公司管理層討論與分析、環(huán)評(píng)報(bào)告以及其他公開披露的信息文件)、公民情緒(網(wǎng)絡(luò)論壇發(fā)帖)等。

媒體情緒度量媒體報(bào)道內(nèi)容中包含的樂觀與悲觀情緒。通常來(lái)看，媒體負(fù)面語(yǔ)氣能夠解釋鄰避問題的風(fēng)險(xiǎn)和解決方案，但正面語(yǔ)氣卻沒有解釋能力。

管理層的信息披露往往能反映管理層的決策和意圖，信息公開不全面、甚至相關(guān)信息空白，環(huán)評(píng)報(bào)告獨(dú)立性存疑，相當(dāng)于利益集團(tuán)放大了鄰避效應(yīng)，無(wú)助于問題的解決。

2.媒體關(guān)注和傾向

傳統(tǒng)的數(shù)據(jù)指標(biāo)和環(huán)境問題治理之間的關(guān)系不穩(wěn)定，且只能反映部分信息，與傳統(tǒng)數(shù)據(jù)相比，文本數(shù)據(jù)覆蓋領(lǐng)域廣泛、信息可以被很多個(gè)體所獲取、并且新聞內(nèi)容可能與當(dāng)前和未來(lái)狀態(tài)密切相關(guān)。利用文本數(shù)據(jù)度量公民關(guān)注的環(huán)境問題采用的主要指標(biāo)有搜索指數(shù)、閱讀頻率數(shù)據(jù)和論壇發(fā)帖量等。作為信息的制造者和傳播者，媒體的關(guān)注和傾向一方面可以影響普通公民對(duì)環(huán)境問題治理的關(guān)注，另一方面也影響信息的傳播效率和模式。

媒體對(duì)環(huán)境政策的變動(dòng)和未來(lái)趨勢(shì)可能產(chǎn)生很重要的影響，比較典型的例子是“PM2.5”、“霧霾”等關(guān)鍵詞在一段時(shí)間內(nèi)在媒體中頻繁出現(xiàn)，推動(dòng)了PM2.5的數(shù)據(jù)公開以及《大氣污染防治行動(dòng)計(jì)劃》等一系列治理大氣污染改善空氣質(zhì)量政策措施的出臺(tái)與實(shí)施。相比而言，傳統(tǒng)的自上而下的政策頒布實(shí)施時(shí)間跨度較長(zhǎng)，而主流新聞媒體的新聞文本、網(wǎng)絡(luò)搜索短時(shí)間內(nèi)同一關(guān)鍵詞頻繁出現(xiàn)，對(duì)新的環(huán)境政策的實(shí)施具有明顯的促進(jìn)作用。

四、推動(dòng)文本大數(shù)據(jù)應(yīng)用的保障措施

統(tǒng)籌規(guī)劃，協(xié)同推進(jìn)文本數(shù)據(jù)資源整合，建設(shè)現(xiàn)代化高技術(shù)的數(shù)據(jù)中心，加強(qiáng)內(nèi)部共享和動(dòng)態(tài)更新;整合信息平臺(tái)，逐漸形成統(tǒng)一的互聯(lián)網(wǎng)文本數(shù)據(jù)平臺(tái)，實(shí)現(xiàn)信息的有效共享和開放交換;建立文本數(shù)據(jù)正負(fù)面清單，完善健全文本數(shù)據(jù)開放制度和機(jī)制，提高各政府部門和社會(huì)機(jī)構(gòu)的文本數(shù)據(jù)開放熱情。

文本大數(shù)據(jù)為度量公民情緒提供了新的數(shù)據(jù)源。一方面，由于公民越來(lái)越傾向于選擇在網(wǎng)絡(luò)論壇上發(fā)布相關(guān)的評(píng)論帖子或者做出相關(guān)搜索，這些文本數(shù)據(jù)能直接反映他們對(duì)鄰避事件的看法、對(duì)當(dāng)前狀態(tài)的解讀以及與自身決策相關(guān)的信息。另一方面，這些數(shù)據(jù)易獲得且覆蓋群體范圍廣，滿足了從不同頻率、不同層面研究情緒與鄰避風(fēng)險(xiǎn)關(guān)系的需求。加強(qiáng)文本大數(shù)據(jù)處理和分析的技術(shù)創(chuàng)新、建立一體化的大數(shù)據(jù)平臺(tái)和完善的數(shù)據(jù)管理體系，通過對(duì)文本大數(shù)據(jù)的高效采集、有效整合，加強(qiáng)對(duì)政府?dāng)?shù)據(jù)的共享開放和社會(huì)數(shù)據(jù)的挖掘應(yīng)用，提升環(huán)境問題決策能力，提高風(fēng)險(xiǎn)防范水平，進(jìn)一步深化環(huán)境治理的精準(zhǔn)性和有效性。