基于文本量化分析的中国省级人工智能政策布局研究

杨佳雯　赵志耘　高芳　贾晓峰　李梦薇

摘要：[目的/意義]省级人工智能政策在落实国家规划、引导地方政策实施上发挥着重要作用。研究省级政策内容，有助于明晰省级政府的人工智能发展布局与重点，为后续政策制定提供参考。[方法/过程]构建政策工具—政策目标二维分析框架，以我国东、中、西、东北四大区域共40份省级人工智能政策为研究对象，进行政策内容量化分析。[结果/结论]从总体上看，工具维度，省级政策供给型使用最多，环境型使用不足，需求型内部分配不均。目标维度，具体领域融合受关注度最高，理论研究最少。工具—目标维度，存在明显的一对多，多对一关系，不同目标对工具的使用侧重存在差异。从各区域看，东、中、西、东北部在工具运用和目标部署上呈现一定的相似性和差异性。东部对科技源头创新的重视程度较高，中部以关键技术攻关和产业发展为重点，西部环境型工具整体使用最少但内部子工具占比均衡，东北部强调从金融和税收方面助推企业发展，但需要加强法规管制力度。

关键词：省级政府;人工智能政策;政策工具;政策目标;文本量化分析

DOI：10.3969/j.issn.1008-0821.2022.07.011

〔中图分类号〕F49〔文献标识码〕A〔文章编号〕1008-0821（2022）07-0125-11

Research on China's Provincial Artificial Intelligence Policy

Layout Based on Text Quantitative AnalysisYang JiawenZhao ZhiyunGao FangJia XiaofengLi Mengwei

（Institute of Scientific and Technical Information of China，Beijing 100038，China）

Abstract：[Purpose/Significance]Provincial AI policies play an important role in implementing national plans and guiding the implementation of local policies.Studying the content of provincial policies will help to clarify the layout and focus of artificial intelligence development of provincial governments，and provide reference for subsequent policy-making.[Method/Process]The paper constructed a policy tool-a two-dimensional analysis framework of policy objectives，taking a total of 23 provincial artificial intelligence policies in the four major regions of China's eastern，central，western，and northeastern regions as the research objects，and conducted quantitative analysis of policy content.[Result/Conclusion]On the whole，in the tool dimension，the provincial policy shows that the supply type is used the most，the environmental type is not used enough，and the internal distribution of demand type is uneven.In the target dimension，the integration of specific fields has attracted the highest attention and the least theoretical research.In the tool target dimension，there is an obvious one-to-many and many to one relationship.Different goals have different emphasis on the use of tools.From the perspective of each region，the East，middle，West and northeast show certain similarities and differences in tool application and target deployment.The East attaches great importance to the innovation of science and technology source.The central part focuses on promoting industrial development.The overall use ofenvironmental tools in the west is the least，but the proportion of internal sub tools is balanced.The Northeast emphasizes promoting the development of enterprises from the aspects of Finance and taxation，but it is necessary to strengthen the regulation of relevant laws and regulations.4833962D-5474-40CE-AEBC-4EC1F380DA3C

Key words：provincial government;artificial intelligence policy;policy tools;policy goals;text quantitative analysis

作为新一轮科技革新和产业变革的核心驱动力，人工智能已成为提升国家竞争力、维护国家安全的重要战略手段。美国、英国、日本等主要发达国家已纷纷出台人工智能相关计划战略文件，加快重点领域部署，抢占国际竞争主导权。2017年7月，国务院印发的《新一代人工智能发展规划》（以下简称《规划》）成为我国从国家层面部署人工智能发展的标志性政策。《规划》结合我国人工智能所处的战略态势，对未来发展作出总体要求，重点部署六大任务，助推我国人工智能的全面发展。在国家规划的推动下，地方政府陆续响应。截至2020年12月，已有北京、上海、安徽、浙江等多个省、自治区和直辖市出台人工智能相关政策，体现了地方政府基于自身资源特点和基础条件，对人工智能发展作出的任务安排和布局。基于此，为更深一步把握地方政策内容，明晰政策布局特点，本文尝试构建政策工具—政策目标二维框架，对省级政策进行量化分析，也希望为后续政策的制定与完善提供依据。

1文献综述

1.1政策量化研究

政策文本是政策思想的载体，是政策科学研究的重要工具。在政策信息开放与政策文本分析方法不断应用创新的双重作用下，政策文本量化成为政策研究的重要部分，引起了国内外众多学者的关注。目前，有关政策文本量化的国内外研究主要体现在政策文献计量、内容量化分析、文本语义分析3个方面。

政策文献计量融合了文献计量的理论和方法，侧重于对发布机构、发布时间、文种、主题词等政策外部属性的计量研究。如黄倩等[1]通过政策数量、主题词、发布时间构建分析框架，研究了276份基础研究政策的扩散特征;Kowalewski K等[2]在获取到加拿大医疗保健相关的政策并在政策类型等方面进行描述性统计分析，从而揭示出国家政策的布局重点。

文本语义分析通常将政策文本拆分为词、句、段，利用文本挖掘、机器学习、自然语言处理等技术，对大量政策文本数据深入分析，挖掘语义信息。如杨松令等[3]基于29项科创板政策文件，采用PMC模型评估政策效力，分析了各政策的优势与不足，并结合量化数据给出建议;赵洪等[4]通过公文的内容解构、主题标引、摘要生成等方法，构建了应用于大规模政府公文的知识发现与分析系统;Zhitomirsky M等[5]实现了无需任何人工标注的政治文本全自动分类;Arenal A等[6]通过文本挖掘和集群分析，确定了欧盟576份创业政策的周期曲线和主题演变;Proksch S O等[7]使用自动语音识别系统生成政治演讲文件，结合词袋模型等技术对大文本语料库进行分析。

内容量化是一种定性定量相结合的分析方法。在对政策内容进行系统编码分类的基础上，分析数据特点，从而发现政策内容背后的深层含义。其中，政策工具是内容量化的主要分析框架，并常与主体，作用场等角度结合分析。如赵筱媛等[8]结合科技活动特点和科技政策作用领域等因素，构建了公共科技政策分析的三维立体框架;黄新平等[9]结合科技金融政策的制定特点，从工具视角量化政策文本，明晰政策工具的使用特点并提出相应建议;游玎怡等[10]从生態系统视角分析了港深科创政策工具特点，分析政策合理性与改善方向。

1.2人工智能政策量化研究

结合现有政策量化方法，学者们对我国人工智能政策展开了大量分析：①政策文献计量。针对发布机构、发布时间、文种等政策外部属性的量化分析。例如金双龙等[11]分析了五大城市群人工智能政策的发布数量、发布时间、发布层级，描述了不同区域相关政策的布局现状，为后续政策的比较评价提供数据基础;单晓红等[12]比较了《规划》发布前后，京津冀、珠三角和长三角区域在人工智能政策数量、文种、主体属性上的变化，对区域自身及区域间的差异进行分析;②文本语义分析。结合自然语言处理、文本挖掘等方法深入文本内容。例如张涛等[13]通过文本相似度比较研究了我国的人工智能政策文本，分析各省份政策制定的特点和差异，并为不同地区的人工智能产业发展提出建议;袁野等[14]利用文本挖掘与可视化方法分析政策高频关键词，并对政策主体、布局和工具进行探索，明确了政策制定情况;宋伟等[15]通过语义网络分析与聚类分析研究了我国地方人工智能政策的主题分布特征与聚集特点;③政策内容量化。以政策工具为重点，构建多样理论分析框架，对政策内容进行系统编码分类。例如汤志伟等[16]以政策工具—创新价值链为框架分析了我国地方出台的人工智能政策，发现政策工具内部结构不合理等问题并提出相应解决方案;李良成等[17]从政策目标、政策工具和产业链3个维度构建政策分析框架，对地方颁布的30份人工智能政策进行内容定量研究，就人才引陪、环境面政策供给及产业链布局提出了相关建议;毛子骏等[18]以中、美、日、英、法五国人工智能政策文本为研究对象，从政策工具—创新价值链视角比较评价五国政策，指出我国人工智能政策应当重视需求型政策工具和成果转化价值环节，关注面向市场的政策内容。

梳理上述文献可知，学者们采用政策文本量化分析方法，从不同角度对国际、国内中央层、省市地方层的人工智能政策进行分析，形成了我国人工智能政策量化研究的初步成果。但现有研究仍存在以下不足：第一，在对政策内容量化分析时，已有研究多联合中央、省市级政策进行分析，鲜有学者基于单独省级政策展开探究。第二，在政策框架制定、不同区域地方政策的比较研究上有待进一步补充和丰富。因此，为探究省级政府在发展人工智能时，设立了哪些政策目标、使用了什么政策工具以及不同省份间政策各有何特点。本文以省级人工智能政策为研究对象，按东、中、西、东北部进行区域划分，构建政策工具—政策目标二维框架对政策内容进行量化分析，从而厘清我国省级政策的制定情况和不同区域间的政策异同，为后续政策的制定和完善提供参考。4833962D-5474-40CE-AEBC-4EC1F380DA3C

2政策分析框架

2.1政策工具

政策工具是政府为实现政策目标采取的行动和手段，也是有效的政策分析方式。相关理论研究兴起于20世纪80年代，并在后续经验性研究的积累下不断发展，形成了不同的工具分类框架。例如Rothwell R[19]提出的供给面、需求面、环境面工具;McDonnell L M等[20]根据政策工具使用的目的性，将其分为命令型、劝导型、能力建设型和系统变化工具;Howlett M等[21]主张的混合性、自愿性、强制性工具等。其中，Rothwell R的分类模型源于技术创新政策，能更好地反映出科技、产业、政策间的相互关系，且一定程度上弱化政策的强制性。因此，本文借鉴该方法，将政策工具分为供给型、环境型和需求型3类。

供给型政策工具体现为政策对人工智能发展的推动力，即政府扩大对人才、基础设施、资金等要素的供给力度，多方面促进人工智能的研发和成果转化;环境型政策工具指政府通过税收补助、法规管制等手段，为人工智能发展提供健康有序的发展环境;需求型政策工具体现为政策对人工智能发展的拉动力，通过示范应用、采购外包等方式减少市场阻力，激发市场需求和主体活力。综合考虑已有研究[13-15，22，23]，本文对3类政策工具的具体细分如表1所示。

2.2政策目标

本文结合人工智能创新过程，国家《规划》的任务安排及地方政策文本特点，对政策目标的划分如表2所示。在具体领域融合上，本文参考《规划》中的重点布局，将其细分为经济融合、社会应用两部分，并分别对这两部分进一步细分，具体如表3所示。

3数据收集与编码

3.1数据收集

本文以地方政府官网为主要数据来源，选取2017年7月《规划》发布以来，地方省份出台的人工智能政策为研究对象。政策筛选时遵循以下原则：①政策标题中必须含有“人工智能”“智能”关键词;②政策内容与《规划》内容有承接性;③政策以发展人工智能为主题，能体现全省人工智能发展的总体规划与整体布局，不包含聚焦于智能教育、智能制造、智能语音等单一领域的政策文本;④项目征集申请、专项资助、信息公布等类型不纳入数据范围;⑤政策文本完整。

最终，本文筛选出地方省份政策文件40份。其中，东部地区20份（北京、上海、天津、浙江、广东、福建、江苏、山东等），中部地区8份（湖北、湖南、河南、安徽等），西部地区9份（云南、陕西、甘肃、青海、广西、四川、贵州、重庆等），东北部地区3份（吉林、辽宁、黑龙江）。

3.2政策编码

本文采用内容量化分析方法研究政策文本。以具体政策条例为基本单元，对政策内容按“政策序号—章节号—条例号”规则进行编码，并将其对应到构建的二维框架中。如果某条政策同时对应多个分类，需如实记录。

为验证编码结果的合理性，本文从所有政策条例样本中随机抽取800条具体条例，请具有人工智能与政策工具研究经验的两位研究生独立编码。结果显示，两位研究生的编码结果与原编码的一致性分别为90.3%和85.4%，编码结果可信。

部分编码情况如表4所示。最终，本文统计处理了所选40份政策中的1 069条政策条例，得到1 548条统计结果。其中，东、中、西、东北部政策统计结果分别为766条、281条、374条、127条。编码结果如表5所示。

4结果分析

4.1工具维度

从图1中可以看到，在政策工具使用上，无论是整体政策还是各区域政策，都表现为供给型最多，需求型其次，环境型最少。该结果表明省级政策均倾向于供给型工具，加大人、财、物相关要素的支持，从供给端推动人工智能发展，而对政策环境营造方面的关注有所欠缺。四大区域中，东、西、东北三地对供给型工具的使用占比均超过一半，分别为52.74%、52.14%和52.76%，中部更加强调需求型工具，使用比例达40.57%。此外，在供给、环境、需求型的细分政策工具使用上，四大区域也呈现出不同的特点，具体如图2～4所示。

供给型政策工具中，支撑平台在四大区域的使用占比均最多，说明各地区都将开源开发、数据分析、公共服务等开放创新平台的建设视为人工智能发展的重要支撑。此外，东部、中部地区对创新基地和科技支持的使用率较高，通过科学研究院、双创基地、技术产业园等基地建设，促进要素资源聚集，同时对理论研究与技术突破提供直接支持，增强源头创新动力，保持产业优势和竞争力，但中部在资金投入上占比仅为3.01%，后续还需加强关注，增强资金激励。西部地区对人才和智能基础设施的使用率在区域对比中较为突出，分别为13.85%和12.31%。人才上，西部地區从学科教育、联合培养、人才计划、激励资助等方面加大人才培养与引进力度，提升人力资源储备。基础设施上，贵州省凭借较强的大数据和网络通信基础，为人工智能发展提供了良好的智能信息基础支撑。东北在四地中科技支持工具占比最高，达22.39%，但创新基地工具占比只有7.46%，关注度较低。

环境型政策工具中，各地区使用最多的工具为标准与知识产权，鼓励各方参与人工智能行业、国际标准建设，提升标准化程度的同时强化知识产权保护，加强专利标准的关联互动，支撑引领人工智能产业发展。地方使用较多的还有金融支持工具，通过关注优化投融资体系，激发资本活力，从而为企业市场主体提供有效金融服务。此外，西部地区环境工具整体使用最少，但内部较为均衡，对5类细分工具的使用没有较大差别。东北对金融税收的使用较多，均为22.22%，强调以资金形式助推企业发展。法规管制使用最少，仅有5.56%，说明在人工智能的社会、法律问题上，东北地区需提高重视，加强管制力度与细度。

需求型工具中，示范应用工具的使用比例突出，反映出地方政府对人工智能成果转化及应用落地的高度关注，通过组织实施技术应用、试点示范、应用推广等工程，推动人工智能与各领域的融合创新，提升产业智能水平。其中，西部地区使用比例最高，达到78.52%。此外，东部使用交流合作的比例较高，为18.18%，鼓励企业、高校院所、联盟等多方主体加强合作，并与先进国家开展海外开放交流活动，积极引进技术经验和创新资源的同时，开拓我国企业机构的海外市场。在采购外包方面，只有上海、浙江、山东、安徽、广东五省提出相应的政策措施，通过建立政府运用和采购人工智能成果机制，支持企业购买，开展外包服务推动企业智能化发展，而西部和东北部在该方面未有提及。4833962D-5474-40CE-AEBC-4EC1F380DA3C

4.2目标维度

图5为政策目标的统计结果，图中数值表示政策工具作用于某一政策目标与作用于所有政策目标的百分比，数值越大，表明政府对该政策目标使用的工具数越多，则对该目标的关注度相对更高。可以看到，各地区关注最多的为具体领域融合（包括经济融合、社会应用两部分），其次为关键技术突破和产业发展，最后是全领域布局和基础理论研究。说明人工智能的场景应用落地仍是省级政府的重点关注方向。

在基础理论与关键技术两方面，东部地区的关注度均较高，数值分别为8.36%和18.67%，反映出东部地区对科技源头创新的支持和重视。例如，上海提出要达到国际主流水平的人工智能科技创新能力的目标，聚焦脑智能、人机混合增强智能、感知智能等理论技术研究。天津明确要构建智能科技创新策源地，抢占技术创新制高点，依托科研院所研究优势开展理论技术攻关。此外，中部地区对关键技术的布局在四地中占比最高，但基础理论的占比最低，仅3.56%，对理论源头创新仍需加大关注。

在具体领域融合方面，地方关注度较高，尤其是经济融合布局，在四地的占比均为第一。说明人工智能与具体产业领域的融合应用是政府关注的一大重点。本文对这两方面的具体数据进行了统计，结果如表6所示，该表展示了四大区域在产业经济与社会融合中数值前三的细分领域。可以发现，智能制造、智能软硬件（包含基础软件、芯片、传感器等）是经济融合中关注度较高的两大领域，智慧医疗、智能交通则是社会应用中关注度较高的两大领域。

在产业发展方面，中部地区的数值最高，为21.35%，其次是东部地区，为18.80%。表明中、东部在成果转化、行业应用、产业培育上较为重视。例如湖北通过搭建行业对接交流平台，促进创新主体开展产学研用合作，推动重点行业应用落地;浙江通过加强政府社会资本合作，引导社会资本参与人工智能发展和成果转化应用。

全领域发展体现了省级政策对提升人工智能整体发展的关注。例如辽宁省政策中提出利用传统和新兴媒体宣传人工智能新发展、新成效，调动社会参与人工智能发展的积极性;湖南省政策强调加强人工智能高水平人才团队引进与培养;陕西省政策中提到落实智能发展中企业主体的税收优惠政策等。这些布局虽然着眼人工智能发展全局，但也在一定程度上存在政策目标宏观和表述模糊问题，可能不利于政策的现实落地。

4.3工具—目标二维

由表5的统计结果看到，虽然本文的研究对象有1 069条政策条例，但统计结果却达到1 548条，说明很多政策条款中都存在同一政策工具作用于多个目标，或某一目标同时使用多种政策工具的情况。结合图6，可以进一步了解工具与目标间的对应关系。图中结果表示某一政策目标下，各政策工具的使用比例。

理论研究和技术研发方面，以供给型工具使用为主。包括支持前沿技术攻关、建设实验室、机构院所等科研基地及开源开发创新平台，培育引进高端智能人才，以提升科技创新水平。同时在环境面加快技术标准制定与专利布局，在需求面通过多元交流、开放合作与科技专项布局，协同推进人工智能科技突破。

具体领域融合方面，以供给型和需求型工具使用为主。重点通过技术、模式、产品的研发应用和示范推广等方式推动人工智能在细分领域的融合应用，同时以信息共享平台、公共服务平台、通用创新平台等作为应用支撑。

产业发展方面，创新基地、支撑平台、标准与知识产权、金融支持的使用较多。依托基地和平台，探索开展人工智能成果转化和应用发展。在环境面，健全行业应用标准与产业专利的互动支撑机制，加强知识产权保护，助力技术产品市场化和产业化。通过逐步建立新型投融资机制，提供适合企业发展的金融环境。

全领域是涵盖内容较广的一个目标，以环境型工具使用为主。该结果与环境型工具本身属性有关（为人工智能整体发展提供环境保障），但在人工智能技术产业快速发展的背景趋势下，环境型工具的作用目标也应逐渐明晰，以形成更具可行性的政策指导方案。此外，人才培引、智能基础设施、交流合作的使用比例也较多，说明人才、数据和协同也是贯穿人工智能发展的重要工具。

5总结与建议

5.1总结

本文以政策工具—政策目标为量化框架，分析了我国省级人工智能政策的布局规划特征，并比较了东、中、西、东北四大区域政策工具使用与目标部署的异同，得出以下结论：

总体来看，在工具方面，省级人工智能政策表现为供给型使用最多，环境型使用不足，需求型内部分配不均。其中，支撑平台、创新基地、科技支持在供给型中占比较多，标准与知识产权在环境型中使用最多。需求型内部，示范应用使用频率明显过高，而采购外包缺失严重，只有上海、浙江、山东、安徽和广东五省提出相应政策措施。在目标方面，省级政策对人工智能与具体领域融合应用的关注度最高，其次为技术研发和产业发展，再次为全领域，理论研究关注度最低。说明地方政府在人工智能发展上更多聚焦于成果转化、技术应用、产业培育等产品化产业化方面，而在理论研究、基础创新上重视程度较低，需要政府继续加大支持力度和研究引導。在工具—目标匹配方面，省级政策中存在明显的一对多，多对一关系。各政策工具在不同政策目标下的使用程度均有不同。理论、技术上以供给型工具为主。具体领域融合方面，主要使用工具有科技支持，支撑平台和示范应用。产业发展方面，创新基地、支撑平台、标准与知识产权、金融支持使用较多。全领域发展以环境型工具使用为主。

从区域来看，东、中、西、东北部在工具运用和目标部署上呈现一定的相似性和差异性。

首先，四地在3类工具的使用比例上较为相近且各工具中占比最高的细分工具相同，分别为支撑平台、标准与知识产权和示范应用。在政策目标方面，四地均关注具体领域融合且各地区的布局重点高度相似，大多集中在智能制造、软硬件、医疗、交通四大领域。除此之外，四大区域的政策布局也呈现出不同特点：东部地区主要从基地、科技支持方面推动人工智能发展，从国际国内及多元主体交流合作上拉动人工智能发展需求，同时在环境面鼓励对相关企业的金融支持。政策目标方面，东部对理论技术研发的关注度在四地中较高，体现其对科技源头创新支持和重视;中部地区对基地建设最为重视，通过相关要素资源聚集，推动研发与应用创新，但需要进一步加大资金投入力度。此外，在目标布局方面，中部相对更关注关键技术突破与产业发展促进;西部地区在供给型工具中更多使用人才培引和基础设施，其环境型工具整体使用最少，但内部子工具的占比较为均衡。拉动需求方面，西部对示范应用的使用在四地中最高，而采购外包却未有使用，需进一步改善需求型工具使用的合理性和协调性。政策目标方面，西部的具体领域应用占比超过一半，关注人工智能的具体场景应用;东北地区除科技支持工具占比突出外，其他供给型工具使用较均衡，其在环境面强调从金融和税收方面助推企业发展，但需要加强相关法规管制力度，在需求面关注交流合作和专项设立，但也同样缺少采购外包。各政策目标关注方面，东北部与西部较为相似。4833962D-5474-40CE-AEBC-4EC1F380DA3C

5.2建议

结合具体量化分析和上述总结，本文提出以下几点建议：

第一，调整政策工具使用比例及内部均衡性。首先，加强环境型政策工具使用。在关注标准与专利机制完善的同时，重视人工智能发展中面临的伦理、安全、风险、规范等问题，加快法规保障和监测评估并注重金融财政工具的配套使用，加大对企业的支持力度，激发其主体活力。其次，优化需求型工具内部结构。随着智能技术的突破和平台基础设施的完善，人工智能产业将逐渐发展成熟，应用场景将愈加丰富，政府采购将在拉动市场发展方面起到更重要的作用，因此需要根据产业发展情况，逐渐加强政府对人工智能产品及服务的采购力度。

第二，重视基础理论研究。结合各地区科研条件和特点，在应用基础理论、前沿基础理论和跨学科探索3个方面进行针对性部署。充分发挥各地高校院所、重点实验室、研发中心的科研资源优势，鼓励相关人才团队开展成果交流与国际合作，初步建立人工智能基础理论体系，实现人工智能源头创新，突破技术局限，推动创新应用。

第三，统筹协调与特色发展同步。目前，智能制造、智能机器人、智慧医疗等已成为地方争先发展的重点领域，但盲目跟风发展容易出现资源浪费、产业重合等问题。因此，在相关技术、产业发展中，地方应明确发展重点，推进区域协同交流，加强集体统筹管理，合理配置资源，以避免重复建设与恶性竞争，提升产业发展效率。此外，地方应结合自身基础条件与优势领域，部署重点研发项目，探索特色发展方式，丰富人工智能应用场景。例如安徽重点发展智能语音相关技术与产业，以建设国际一流发展基地，四川提出发展智能机场，智能跨媒体系统，辽宁、陕西在智慧能源领域开展布局，为地方差异化发展起到良好示范作用。

参考文献

[1]黄倩，陈朝月.基础研究政策扩散的文献量化研究[J].中国科技论坛，2019，（12）：12-22.

[2]Kowalewski K，Lavis J N，Wilson M，et al.Supporting Evidence-informed Health Policy Making：The Development and Contents of an Online Repository of Policy-relevant Documents Addressing Healthcare Renewal in Canada[J].Healthcare Policy，2014，10（2）：27-37.

[3]杨松令，张雄，李付彩.基于PMC指数模型的科创板政策量化评价研究[J].管理现代化，2021，41（3）：11-15.

[4]赵洪，王芳，王晓宇，等.基于大规模政府公文智能處理的知识发现及应用研究[J].情报学报，2018，37（8）：805-812.

[5]Zhitomirsky M，David E，Koppel M.Utilizing Overtly Political Texts for Fully Automatic Evaluation of Political Leaning of Online News Websites[J].Online Information Review，2016，40（3）：362-379.

[6]Arenal A，Feijoo C，Moreno A.Entrepreneurship Policy Agenda in the European Union：A Text Mining Perspective[J].Review Of Policy Research，2021，38（2）：243-271.

[7]Proksch S O，Wratil C，Wckerle J.Testing the Validity of Automatic Speech Recognition for Political Text Analysis[J]，2019，27（3）：339-359.

[8]赵筱媛，苏竣.基于政策工具的公共科技政策分析框架研究[J].科学学研究，2007，25（1）：52-56.

[9]黄新平，黄萃，苏竣.基于政策工具的我国科技金融发展政策文本量化研究[J].情报杂志，2020，39（1）：130-137.

[10]游玎怡，李芝兰.粤港澳大湾区港深科技创新政策的现状与优化策略——创新生态系统视角的分析[J].华中师范大学学报：人文社会科学版，2020，59（4）：43-52.

[11]金双龙，隆云滔，陈立松，等.基于文本分析的区域人工智能产业政策研究[J].改革与战略，2020，36（3）：44-53.

[12]单晓红，何强，刘晓燕，等.“政策属性—政策结构”框架下人工智能产业政策区域比较研究[J].情报理论与实践，2021，44（3）：194-202.

[13]张涛，马海群.基于文本相似度计算的我国人工智能政策比较研究[J].情报杂志，2021，40（1）：39-47，24.

[14]袁野，于敏敏，陶于祥，等.基于文本挖掘的我国人工智能产业政策量化研究[J].中国电子科学研究院学报，2018，13（6）：663-668.

[15]宋伟，夏辉.地方政府人工智能产业政策文本量化研究[J].科技管理研究，2019，39（10）：192-199.

[16]汤志伟，雷鸿竹，郭雨晖.政策工具-创新价值链视角下的我国地方政府人工智能产业政策研究[J].情报杂志，2019，38（5）：49-56.

[17]李良成，李莲玉.目标—工具—产业链三维框架下人工智能政策研究[J].自然辩证法研究，2019，35（10）：112-118.

[18]毛子骏，梅宏.政策工具视角下的国内外人工智能政策比较分析[J].情报杂志，2020，39（4）：74-81，59.

[19]Rothwell R.Government Innovation Policy：Some Past Problems and Recent Trends[J].Technological Forecasting & Social Change，1982，22（1）：3-30.

[20]McDonnell L M，Elmore R F.Getting the Job Done：Alternative Policy Instruments[J].Educational Evaluation and Policy Analysis，1987，9（2）：133-152.

[21]Howlett M，Ramesh M.Studying Public Policy：Policy Cycles and Policy Subsystems[M].Oxford：Oxford University Press，1995：80-98.

[22]袁野，马彦超，陶于祥，等.基于内容分析法的中国人工智能产业政策分析——供给、需求、环境框架视角[J].重庆大学学报：社会科学版，2021，27（2）：109-121.

[23]吕文晶，陈劲，刘进.政策工具视角的中国人工智能产业政策量化分析[J].科学学研究，2019，37（10）：1765-1774.

（责任编辑：陈媛）4833962D-5474-40CE-AEBC-4EC1F380DA3C