基于文本挖掘的可持續(xù)發(fā)展目標(biāo)特征分析模型的建立案例本文旨在挖掘互聯(lián)網(wǎng)企業(yè)披露的與實(shí)現(xiàn)可持續(xù)發(fā)展目標(biāo)相關(guān)的文本，對(duì)其進(jìn)行內(nèi)容分析。研究選擇百度、阿里巴巴、騰訊等互聯(lián)網(wǎng)企業(yè)披露的可持續(xù)發(fā)展目標(biāo)報(bào)告為研究目標(biāo)，因?yàn)檫@些公司是國內(nèi)規(guī)模較大的互聯(lián)網(wǎng)企業(yè)，其業(yè)務(wù)收入占中國互聯(lián)網(wǎng)百強(qiáng)企業(yè)總收入的25%以上，對(duì)經(jīng)濟(jì)的增長做出巨大貢獻(xiàn)，此外營業(yè)利潤占總體比重近60%，是行業(yè)中最具影響力的參與者，他們定期在企業(yè)官網(wǎng)披露公司的大事記、綜合報(bào)告以及可持續(xù)發(fā)展報(bào)告等，報(bào)告中的部分或全部內(nèi)容闡述企業(yè)關(guān)于《變革我們的世界：2030可持續(xù)發(fā)展議程》所作出的貢獻(xiàn)。1.1數(shù)據(jù)獲取首先利用互聯(lián)網(wǎng)獲取這些企業(yè)披露的與可持續(xù)發(fā)展目標(biāo)相關(guān)的報(bào)告，例如可持續(xù)發(fā)展報(bào)告、企業(yè)社會(huì)責(zé)任報(bào)告、ESG報(bào)告等，報(bào)告來自各企業(yè)的官方網(wǎng)站，這些報(bào)告記錄了企業(yè)在一個(gè)時(shí)間段內(nèi)的可持續(xù)發(fā)展實(shí)施成果，將獲取的報(bào)告時(shí)間設(shè)置在2016年至2020年，該時(shí)間段的報(bào)告中涵蓋了企業(yè)為響應(yīng)聯(lián)合國在2015年提出的可持續(xù)發(fā)展目標(biāo)做出努力和貢獻(xiàn)的相關(guān)內(nèi)容。獲取到的10份報(bào)告平均長度約為90頁，最長為127頁，最短為42頁，其中包含了豐富的文本信息。在獲得報(bào)告后，通過數(shù)據(jù)預(yù)處理和利用文本挖掘的方法進(jìn)行進(jìn)一步的分析。1.2數(shù)據(jù)預(yù)處理數(shù)據(jù)預(yù)處理主要分為三個(gè)階段，為文本格式轉(zhuǎn)換、文本分類和中文分詞及去停用詞。在信息披露監(jiān)管制度下，企業(yè)常以便攜式文檔格式（PortableDocudentFoemat，PDF）對(duì)利益相關(guān)方進(jìn)行公開信息的披露。PDF實(shí)現(xiàn)了方便閱讀的目的，但同時(shí)使得文本處理工具和軟件無法直接對(duì)PDF文檔中的內(nèi)容進(jìn)行處理和提取。因此，解析PDF文檔，即獲取文檔中的信息內(nèi)容成為數(shù)據(jù)預(yù)處理的第一步。通過光學(xué)字符識(shí)別技術(shù)（OpticalCharacterRecognition，OCR），本文把PDF文檔轉(zhuǎn)為TXT格式，以便進(jìn)行后續(xù)的處理。在獲取的信息中心，包括了大量的文本段落、圖片信息以及表格等多種類型的內(nèi)容，依據(jù)文本研究的需要，刪除字?jǐn)?shù)少于10的行以此來去除文本中的表格、標(biāo)題等信息，同時(shí)對(duì)文字中存在的少量錯(cuò)誤（如亂碼和錯(cuò)誤字符等）進(jìn)行人工修正。在文本分類的過程中，研究將報(bào)告中提及的一個(gè)事件、活動(dòng)或項(xiàng)目作為一個(gè)分析的單位，因?yàn)槠淇赡軙?huì)涉及到一個(gè)或多個(gè)與可持續(xù)發(fā)展目標(biāo)相關(guān)的關(guān)鍵主題。參考聯(lián)合國可持續(xù)發(fā)展目標(biāo)官方網(wǎng)站(https://sustainabledevelopment.UN.org)公布的材料，確定與每個(gè)可持續(xù)發(fā)展目標(biāo)相關(guān)的關(guān)鍵詞，將此作為對(duì)文本進(jìn)行分類的指標(biāo)，為每個(gè)分析單位分配可持續(xù)發(fā)展目標(biāo)的組別。例如，包含貧困、貧窮和低收入等關(guān)鍵詞的事件被分配給可持續(xù)發(fā)展目標(biāo)1；將含有教育、學(xué)生等關(guān)鍵詞的活動(dòng)分配給可持續(xù)發(fā)展目標(biāo)4。接下來，完整閱讀已分配好的事件，可以獲取更多更詳細(xì)的識(shí)別指標(biāo)，例如，生活困難、負(fù)擔(dān)不起和扶貧等關(guān)鍵詞可被添加為與可持續(xù)發(fā)展目標(biāo)1相關(guān)活動(dòng)的有效指標(biāo)，學(xué)校培養(yǎng)、教學(xué)培訓(xùn)等關(guān)鍵詞可被添加為可持續(xù)發(fā)展目標(biāo)4的識(shí)別指標(biāo)。通過分類，可以根據(jù)文本信息用可持續(xù)發(fā)展目標(biāo)分配事件、項(xiàng)目和活動(dòng)。從報(bào)告中共分類獲得919條文本信息，形成了進(jìn)一步可進(jìn)行處理的文本語料數(shù)據(jù)集。本文使用Python的jieba模塊實(shí)現(xiàn)中文分詞和去停用詞，對(duì)文本語料數(shù)據(jù)集進(jìn)行分詞，添加自定義詞語如“云計(jì)算”、“政務(wù)云”、“全球化”、“海綿城市”等等；文本信息包含許多無意義的詞匯，結(jié)合停用詞表去除無意義的詞匯，在通用停用詞表的基礎(chǔ)上，依據(jù)多次分詞的結(jié)果，對(duì)最初的停用詞表進(jìn)行擴(kuò)展，添加無意義的高頻詞匯如“百度”、“阿里巴巴”、“阿里”、“騰訊”等。分詞及去停用詞后，構(gòu)成文本矩陣，矩陣的行表示與可持續(xù)發(fā)展目標(biāo)相關(guān)的事件，矩陣的列內(nèi)容為詞或字。1.3文本挖掘具體實(shí)現(xiàn)本文應(yīng)用文本挖掘的方法對(duì)文本信息進(jìn)行進(jìn)一步的分析。研究使用weka軟件用于基于關(guān)聯(lián)規(guī)則的文本挖掘過程，Vosviewer工具用于可視化的聚類結(jié)果呈現(xiàn)。本文使用的是關(guān)聯(lián)規(guī)則中的FP_Growth算法，通過構(gòu)建FP-tree和遞歸挖掘頻繁項(xiàng)集進(jìn)行規(guī)則的挖掘。Vosviewer工具運(yùn)用概率論的思想，它可以作為獨(dú)立假設(shè)下觀測到的同現(xiàn)頻率偏差的測度，可視化結(jié)果可以直觀地展現(xiàn)網(wǎng)絡(luò)，具有很強(qiáng)的呈現(xiàn)能力。具體來說，第一，運(yùn)用weka軟件中的關(guān)聯(lián)規(guī)則分析模塊對(duì)文本進(jìn)行挖掘，對(duì)每個(gè)可持續(xù)發(fā)展目標(biāo)下的文本矩陣進(jìn)行轉(zhuǎn)換，將關(guān)鍵字以及關(guān)鍵詞作為列屬性，若行中出現(xiàn)該關(guān)鍵詞或關(guān)鍵字則在矩陣中相應(yīng)位置標(biāo)1，沒有則標(biāo)0，通過轉(zhuǎn)換，文本矩陣變成01矩陣，將生成的矩陣導(dǎo)入weka，通過屬性類型轉(zhuǎn)換和數(shù)據(jù)稀疏化后進(jìn)行關(guān)聯(lián)規(guī)則的分析，分析的結(jié)果一般以規(guī)則的形式給出，為了保證挖掘出的關(guān)聯(lián)規(guī)則的可靠性，研究將支持度的閾值設(shè)在0.1，將置信度的閾值設(shè)在0.8，得到的部分關(guān)聯(lián)規(guī)則結(jié)果如表1所示，每行表示一個(gè)可持續(xù)發(fā)展目標(biāo)，一條規(guī)則中的關(guān)鍵詞置于一個(gè)單元格內(nèi)，本文的研究不考慮關(guān)鍵詞的方向性。本文對(duì)文本數(shù)量大于5的可持續(xù)發(fā)展目標(biāo)文本集進(jìn)行研究，得到的可持續(xù)發(fā)展目標(biāo)2（零饑餓）文本數(shù)量過少，因此不展開關(guān)聯(lián)規(guī)則與文本聚類的實(shí)現(xiàn)。第二，將生成的結(jié)果輸入到Vosviewer中形成聚類可視化結(jié)果，根據(jù)挖掘出的關(guān)聯(lián)規(guī)則的結(jié)果，將出現(xiàn)在同一條關(guān)聯(lián)規(guī)則中的關(guān)鍵詞兩兩相連，構(gòu)建出關(guān)鍵詞網(wǎng)絡(luò)，標(biāo)簽和關(guān)鍵詞的大小反映了關(guān)鍵詞之間建立連接的次數(shù)，曲線的粗細(xì)反映了兩個(gè)相關(guān)關(guān)鍵詞之間的鏈接強(qiáng)度。表SEQ表\*ARABIC1部分關(guān)聯(lián)規(guī)則結(jié)果可持續(xù)發(fā)展目標(biāo)關(guān)聯(lián)規(guī)則中的關(guān)鍵詞目標(biāo)1鄉(xiāng)村，振興（1）脫貧，鄉(xiāng)村，發(fā)展（1）社會(huì)，脫貧（0.88）目標(biāo)3員工，公益（0.94）發(fā)起，公益（0.83）組織，公益（0.81）目標(biāo)4數(shù)字，教育（1）扶貧，教育（1）教育，創(chuàng)新（0.88）目標(biāo)5鄉(xiāng)村，女性（1）保障，女性（1）困境，女性，平臺(tái)（0.86）目標(biāo)6環(huán)保，數(shù)據(jù)（1）公眾，環(huán)保，項(xiàng)目（0.86）公益，基金會(huì)，環(huán)保（0.8）目標(biāo)7排放，數(shù)據(jù)中心，碳（1）效率，數(shù)據(jù)中心（0.88）能源，綠色（0.82）目標(biāo)8公司，管理，員工（1）文化，員工（0.9）員工，體系（0.83）目標(biāo)9服務(wù)，互聯(lián)網(wǎng)，技術(shù)（1）數(shù)據(jù)，基礎(chǔ)設(shè)施，技術(shù)（0.89）數(shù)據(jù)，人工智能，計(jì)算（0.88）目標(biāo)10產(chǎn)品，信息無障礙，人群（1）信息無障礙，技術(shù)（0.86）技術(shù)，人群，互聯(lián)網(wǎng)（0.83）目標(biāo)11城市，技術(shù)，數(shù)據(jù)（1）資源，融合，平臺(tái)（0.83）平臺(tái)，參與，公益（0.83）目標(biāo)12消費(fèi)，綠色（1）平臺(tái)，碳，綠色（1）互聯(lián)網(wǎng)，平臺(tái)（0.91）目標(biāo)13公眾，環(huán)境（1）環(huán)保，發(fā)展（1）環(huán)境，公眾，互聯(lián)網(wǎng)（1）目標(biāo)14自然，保護(hù)（1）守護(hù)，公益（1）公益，活動(dòng)，守