[论文解读] Decision Support for e-Governance: A Text Mining Approach

G. Koteswara Rao, Shubhamoy Dey|arXiv (Cornell University)|Aug 31, 2011

E-Government and Public Services参考文献 3被引用 4

一句话总结

本文提出了一种基于文本挖掘的电子政务决策支持架构，从论坛和博客等非结构化数字来源中提取政策-公民意见关系。通过应用先进的文本挖掘技术——包括实体识别、情感分析和关系抽取——该架构使政策制定者能够识别相关法规和公众情绪，从而提升基于证据的政策制定，尤其适用于印度背景。

ABSTRACT

Information and communication technology has the capability to improve the process by which governments involve citizens in formulating public policy and public projects. Even though much of government regulations may now be in digital form (and often available online), due to their complexity and diversity, identifying the ones relevant to a particular context is a non-trivial task. Similarly, with the advent of a number of electronic online forums, social networking sites and blogs, the opportunity of gathering citizens' petitions and stakeholders' views on government policy and proposals has increased greatly, but the volume and the complexity of analyzing unstructured data makes this difficult. On the other hand, text mining has come a long way from simple keyword search, and matured into a discipline capable of dealing with much more complex tasks. In this paper we discuss how text-mining techniques can help in retrieval of information and relationships from textual data sources, thereby assisting policy makers in discovering associations between policies and citizens' opinions expressed in electronic public forums and blogs etc. We also present here, an integrated text mining based architecture for e-governance decision support along with a discussion on the Indian scenario.

研究动机与目标

• 为解决在复杂多样的数字文档中识别相关政府法规的挑战。
• 克服从在线论坛、博客和社交媒体中分析大规模非结构化公众意见的困难。
• 开发一种集成的文本挖掘架构，以支持电子政务中的基于证据的政策决策。
• 在印度电子政务背景下展示该方法的适用性。
• 通过自动化文本分析弥合公民反馈与政策制定之间的差距。

提出的方法

• 利用文本挖掘技术从非结构化文本数据源中提取实体（例如：政策、议题、利益相关方）。
• 应用自然语言处理（NLP）进行情感分析，以衡量公众对政府政策的看法。
• 采用关系抽取技术识别特定政策与公众情绪或关注点之间的关联。
• 将信息检索与数据挖掘组件整合到统一的决策支持架构中。
• 根据印度电子政务环境进行框架适配，考虑本地法规和语言多样性。
• 采用多阶段处理流程：数据收集、预处理、实体与关系抽取、情感分类，以及用于决策支持的可视化。

实验结果

研究问题

• RQ1 如何有效应用文本挖掘技术从非结构化数字来源中提取与政策相关的信息？
• RQ2 政府法规与在线论坛和博客中表达的公众意见之间存在何种关系？
• RQ3 自动化文本分析如何提升电子政务中政策决策制定的效率与准确性？
• RQ4 集成文本挖掘到可扩展的电子政务决策支持系统中，需要哪些架构组件？
• RQ5 所提出的框架在现实世界电子政务场景中表现如何，特别是在印度等发展中国家？

主要发现

• 所提出的文本挖掘架构能够根据上下文查询和公众情绪，高效检索相关法规。
• 对在线论坛中公民意见的情感分析揭示了特定政策领域中显著的公众关切。
• 关系抽取成功识别了政策文件与利益相关方反馈之间的关联，支持基于证据的政策调整。
• 该框架在印度电子政务背景下展现出实际适用性，有效应对语言多样性与文档复杂性的挑战。
• 将文本挖掘集成到决策支持系统中，提升了公共政策制定的透明度与响应性。
• 该系统减少了在大规模非结构化数据中进行人工分析的工作量，提高了政策评估的速度与准确性。