巫誠(chéng)誠(chéng)，單 飛，蔣雨波，陳大偉，莫方旭

(1.東南大學(xué) 交通學(xué)院，江蘇 南京 211189；2.河南交通發(fā)展研究院有限公司，河南 鄭州 451162)

0 引言

“四好農(nóng)村路”即建好、管好、護(hù)好、運(yùn)營(yíng)好農(nóng)村公路，自2014年由中共中央總書記習(xí)近平提出，2015年交通運(yùn)輸部進(jìn)一步形成具體意見(jiàn)，并計(jì)劃于2020年實(shí)現(xiàn)這一總目標(biāo)，從而進(jìn)一步消除農(nóng)村發(fā)展瓶頸、推動(dòng)農(nóng)路管養(yǎng)運(yùn)協(xié)調(diào)發(fā)展。隨著全國(guó)各省市的建設(shè)推進(jìn)和目標(biāo)年的到來(lái)，定量化評(píng)估四好農(nóng)村路建設(shè)落實(shí)效果具有重要的現(xiàn)實(shí)意義。既有評(píng)估模型更多地依賴于地方上報(bào)數(shù)據(jù)及實(shí)際建設(shè)情況進(jìn)行評(píng)估，存在反饋時(shí)間長(zhǎng)、耗用人力物力大等問(wèn)題，且評(píng)估結(jié)果難以反映出廣大人民群眾的實(shí)際支持情況。此外，由于不同地區(qū)統(tǒng)計(jì)口徑不一，統(tǒng)計(jì)渠道存在差異，也使得不同地區(qū)間的評(píng)估對(duì)比存在困難。因此，隨著信息化技術(shù)的發(fā)展，從大數(shù)據(jù)角度進(jìn)行統(tǒng)一化的評(píng)估數(shù)據(jù)采集與評(píng)估方法建立，具有重要意義。

國(guó)內(nèi)外學(xué)者針對(duì)農(nóng)村公路的評(píng)估研究大多集中在農(nóng)村公路的安全性、技術(shù)性及發(fā)展水平等方面。安全性評(píng)估主要從道路設(shè)計(jì)、道路線性、路況等方面確定農(nóng)村道路安全性的評(píng)價(jià)指標(biāo)[1-4]。技術(shù)性評(píng)估從路網(wǎng)連通性、路網(wǎng)密度及服務(wù)水平等角度出發(fā)制定評(píng)估指標(biāo)體系[5-7]。農(nóng)村公路發(fā)展水平評(píng)估則側(cè)重考慮農(nóng)村公路建設(shè)、管理、養(yǎng)護(hù)、運(yùn)營(yíng)中某階段發(fā)展情況或建管養(yǎng)運(yùn)全方面的綜合評(píng)估[8-10],如朱雨晴[9]基于“values-objectives-criteria”的邏輯理論研究，引入因子分析方法確立了具有針對(duì)性的四好農(nóng)村路發(fā)展水平指標(biāo)體系。另外也有一些學(xué)者對(duì)建設(shè)農(nóng)村公路的社會(huì)經(jīng)濟(jì)效益展開(kāi)了研究[11-13]，如馮震宇[12]研究了農(nóng)村公路建設(shè)對(duì)于農(nóng)村區(qū)域生活水平、城鄉(xiāng)結(jié)構(gòu)改善等方面的影響，確定了農(nóng)村區(qū)域經(jīng)濟(jì)增長(zhǎng)表現(xiàn)的若干指標(biāo)。然而，目前對(duì)于農(nóng)村公路建設(shè)及運(yùn)營(yíng)的社會(huì)影響、社會(huì)評(píng)價(jià)的評(píng)估與對(duì)比的研究極少涉及。原因在于公路作為交通聯(lián)通承載者，其實(shí)際使用群體數(shù)量龐大且分布較廣，難以通過(guò)問(wèn)詢調(diào)查等方式開(kāi)展數(shù)據(jù)采集。單條公路作為網(wǎng)絡(luò)聯(lián)通的一部分，其社會(huì)評(píng)價(jià)也難以單獨(dú)評(píng)估。然而，四好農(nóng)村公路在道路網(wǎng)中承擔(dān)末端連接功能，其使用及收益群體相對(duì)穩(wěn)定，而其建設(shè)運(yùn)營(yíng)帶來(lái)的改善效用相對(duì)明確。因此，對(duì)四好農(nóng)村公路的社會(huì)評(píng)價(jià)進(jìn)行研究，兼具可行性與重要性。

在農(nóng)村公路評(píng)估方法方面，國(guó)外學(xué)者提出了灰色評(píng)價(jià)法、模糊決策模型、多元回歸模型等方法[14-17]。而國(guó)內(nèi)學(xué)者常用的方法有模糊綜合評(píng)價(jià)法、層次分析法、物元法等[1,4,7],通過(guò)多級(jí)指標(biāo)的建立與量化評(píng)分，最終實(shí)現(xiàn)公路建設(shè)和運(yùn)營(yíng)評(píng)估，其評(píng)估數(shù)據(jù)主要來(lái)源于公路建設(shè)和運(yùn)管部門的實(shí)際采集數(shù)據(jù)。隨著信息化虛擬社交的不斷發(fā)展，微博等通過(guò)公開(kāi)社會(huì)信息締結(jié)交流的新型社交平臺(tái)愈發(fā)普及[18]，使得通過(guò)社交平臺(tái)采集四好農(nóng)村公路的社會(huì)評(píng)價(jià)及社會(huì)影響的相關(guān)量化指標(biāo)數(shù)據(jù)成為可能。目前已有相關(guān)研究通過(guò)公共社交平臺(tái)的信息采集及挖掘?qū)崿F(xiàn)網(wǎng)絡(luò)輿情社會(huì)影響力以及參與者情感評(píng)估[19-22]。如馮小東等[19]基于微博采集數(shù)據(jù)和文本挖掘方法，從公眾視角分析了政務(wù)微博的傳播效果，發(fā)現(xiàn)發(fā)布機(jī)構(gòu)的社會(huì)資本、社會(huì)信任和行為習(xí)慣對(duì)其傳播效果具有顯著影響；段堯清等[20]則通過(guò)對(duì)政府新聞的文本挖掘，構(gòu)建了政府態(tài)度快速識(shí)別評(píng)估方法。文本挖掘方法目前在交通領(lǐng)域主要用于交通參與者的情感挖掘，如崔健等[23]通過(guò)抓取并提取出交通主題相關(guān)微博，以分析交通狀況，評(píng)估交通參與人的情感狀態(tài)。盡管目前的相關(guān)研究較少涉及農(nóng)村公路建設(shè)的社會(huì)化評(píng)估，但采用微博社交平臺(tái)進(jìn)行社會(huì)效用的評(píng)估，可實(shí)現(xiàn)對(duì)多個(gè)地區(qū)的一致性評(píng)估，具有明顯的研究潛力。

為此，本研究通過(guò)采集微博平臺(tái)內(nèi)的四好農(nóng)村公路相關(guān)信息，在文本挖掘的基礎(chǔ)上實(shí)現(xiàn)2個(gè)目的：(1)構(gòu)建評(píng)估四好農(nóng)路建設(shè)社會(huì)反響的快速評(píng)估方法；(2)實(shí)現(xiàn)不同區(qū)域四好農(nóng)路建設(shè)特征的定量化橫向?qū)Ρ取Ｍ瑫r(shí)，以河南省四好農(nóng)村公路建設(shè)為例進(jìn)行相應(yīng)的案例應(yīng)用。本研究有助于從第三方角度便捷、快速地對(duì)四好農(nóng)村公路建設(shè)情況進(jìn)行定量化評(píng)估，進(jìn)而為反映社會(huì)大眾的群體化情感、推動(dòng)農(nóng)路建管養(yǎng)運(yùn)協(xié)調(diào)發(fā)展、消除農(nóng)村發(fā)展瓶頸提供定量化參考。

1 數(shù)據(jù)來(lái)源與文本挖掘方法

1.1 數(shù)據(jù)來(lái)源

本研究分析數(shù)據(jù)來(lái)源為新浪微博平臺(tái)公開(kāi)信息。具體而言，以“四好農(nóng)村公路”為關(guān)鍵詞，通過(guò)對(duì)1段時(shí)間內(nèi)(不少于30 d)發(fā)布內(nèi)容及相關(guān)信息進(jìn)行采集，從而獲得評(píng)估的基礎(chǔ)數(shù)據(jù)。具體采集信息內(nèi)容包括：微博發(fā)布者、微博內(nèi)容、轉(zhuǎn)發(fā)數(shù)、評(píng)論數(shù)、點(diǎn)贊數(shù)、發(fā)布時(shí)間共計(jì)7個(gè)內(nèi)容。信息采集結(jié)果示例如表1所示。

表1 信息采集示例Tab.1 Example of information acquisition

1.2 文本挖掘方法

文本挖掘是一種分析非結(jié)構(gòu)化文本數(shù)據(jù)，并從中提取有用信息的數(shù)據(jù)分析方法，在描述分析、預(yù)測(cè)分析中均適用。文本挖掘的子任務(wù)包括：信息提取、詞頻分析、文本分類/聚類和關(guān)聯(lián)規(guī)則挖掘4部分，具體內(nèi)容如下。

(1)分詞與信息提?。簩?duì)非結(jié)構(gòu)化文本數(shù)據(jù)進(jìn)行分詞，并通過(guò)剔除詞庫(kù)中的無(wú)用詞匯(如“的”、“正在”、“和”等)及特殊字符、數(shù)字，從而自大量的文本信息中獲得相應(yīng)的關(guān)鍵詞。分詞結(jié)果的優(yōu)劣將直接影響到文本挖掘的準(zhǔn)確程度。

(2)詞頻分析與降維：對(duì)分詞獲得的關(guān)鍵詞進(jìn)行頻率統(tǒng)計(jì)分析。由于文本中信息繁多，提取的關(guān)鍵詞數(shù)量多，分析對(duì)象的特征維度也相對(duì)較高，運(yùn)用條形圖和詞云進(jìn)行詞頻分析是文本挖掘的基礎(chǔ)。經(jīng)過(guò)詞頻分析可對(duì)低頻、冗余詞進(jìn)行剔除，進(jìn)一步降低分析對(duì)象的特征維度。

(3)文本分類/聚類：文本分類即在事先定義主體類別的基礎(chǔ)上，通過(guò)機(jī)器學(xué)習(xí)的方法將未標(biāo)明類別的文本映射至1類或多類中的方法。常用的分類算法包括樸素貝葉斯分類、支持向量機(jī)、后向傳播分類等。相對(duì)文本分類，文本聚類方法不需要預(yù)先定義主題類別，而是通過(guò)聚類學(xué)習(xí)算法進(jìn)行自動(dòng)類別識(shí)別，是一種無(wú)指導(dǎo)的機(jī)器學(xué)習(xí)方法，常用的文本聚類方法包括層次凝聚法和K均值聚類方法。

(4)可視化：通過(guò)多類數(shù)據(jù)可視化方法，對(duì)文本挖掘的內(nèi)容進(jìn)行定量化內(nèi)容的圖像展示與分析。常用的可視化方法包括文字云、熱力圖、聚類圖、相關(guān)性分析圖等。

(5)特征識(shí)別：基于文本挖掘的定量化分析，對(duì)其反映出的特定對(duì)象的相關(guān)特征進(jìn)行歸類和識(shí)別。

文本挖掘方法內(nèi)容眾多，可廣泛應(yīng)用于各類研究。本研究主要采用文本挖掘進(jìn)行農(nóng)村公路社會(huì)化反響的定量化數(shù)據(jù)獲取，為評(píng)估模型的建立奠定數(shù)據(jù)基礎(chǔ)。

2 基于文本挖掘的評(píng)估模型建立

2.1 模型總體框架

在獲取模型文本定量化數(shù)據(jù)并借鑒綜合評(píng)估法思路的基礎(chǔ)上，建立多維度定量化指標(biāo)，并通過(guò)指標(biāo)權(quán)重的分配，實(shí)現(xiàn)對(duì)四好農(nóng)村公路建設(shè)工作的社會(huì)化反響評(píng)估。模型總體框架如圖1所示。

圖1 評(píng)估模型總體框架Fig.1 Overall framework of evaluation model

2.2 多維度評(píng)估指標(biāo)及其量化

模型共包含社會(huì)響應(yīng)度、社會(huì)曝光度和農(nóng)路建設(shè)度3個(gè)維度共計(jì)11個(gè)指標(biāo)。具體各指標(biāo)含義及其挖掘結(jié)果的定量化方法如表2所示。

表2 多維度評(píng)估指標(biāo)及其量化Tab.2 Multidimensional evaluation indications and quantification

2.3 評(píng)估結(jié)果集計(jì)化

采用文本挖掘方法對(duì)11個(gè)評(píng)估指標(biāo)進(jìn)行定量數(shù)據(jù)挖掘后，采取加權(quán)平均方式對(duì)評(píng)估指標(biāo)集計(jì)化處理，以獲得最終的評(píng)估得分。為保障指標(biāo)權(quán)重的準(zhǔn)確性與公正性，借鑒綜合評(píng)估法，采取專家評(píng)分法形成相應(yīng)的權(quán)重矩陣，對(duì)若干名專家進(jìn)行調(diào)研，得到各個(gè)專家對(duì)指標(biāo)相對(duì)重要性評(píng)分結(jié)果，以獲得最終評(píng)估得分。

3 案例結(jié)果分析

3.1 案例概況

河南省作為重要的農(nóng)業(yè)大省，在四好農(nóng)村路的建設(shè)中成就卓然,其率先出臺(tái)了《推進(jìn)“四好農(nóng)村路”建設(shè)工作方案》等一系列文件，成功創(chuàng)建國(guó)家級(jí)四好農(nóng)村路示范縣6個(gè)，位居全國(guó)第1位。截至2019年底，河南省新建和改擴(kuò)建農(nóng)村道路10 200 km，全省1 806個(gè)鄉(xiāng)鎮(zhèn)和46 098個(gè)行政村通客車率達(dá)到100%，已有65個(gè)縣基本完成20戶以上自然村通硬化路任務(wù)，新增逾10 000個(gè)自然村實(shí)現(xiàn)通硬化路，全省自然村通硬化路率達(dá)到75%以上。2020年完成15 000個(gè)自然村通硬化路的目標(biāo)，全省20戶以上自然村通硬化路率達(dá)到85%以上。本研究以河南省為例，基于文本挖掘方法獲取新浪微博平臺(tái)中河南省四好農(nóng)路建設(shè)社會(huì)化反響的相關(guān)數(shù)據(jù)，以實(shí)現(xiàn)定量化評(píng)估與特征識(shí)別。同時(shí)，以相同方法挖掘江蘇省四好農(nóng)村路的相應(yīng)數(shù)據(jù)進(jìn)行評(píng)估，以實(shí)現(xiàn)案例間的橫向?qū)Ρ取?/p>

3.2 基于文本挖掘下四好農(nóng)村公路的評(píng)估

在新浪微博平臺(tái)的公開(kāi)信息中，分別以河南省、江蘇省及其各自下屬地區(qū)與四好農(nóng)村路建設(shè)相關(guān)的詞匯作為關(guān)鍵詞，對(duì)平臺(tái)中2020-04-01至2020- 06-01間的相應(yīng)微博內(nèi)容和數(shù)據(jù)進(jìn)行采集，并剔除無(wú)地名微博內(nèi)容、重復(fù)內(nèi)容及廣告內(nèi)容。

3.2.1 數(shù)據(jù)采集量及關(guān)鍵詞的統(tǒng)計(jì)性描述

2個(gè)月的時(shí)間段內(nèi)累計(jì)共采集相關(guān)微博278條，通過(guò)地名映射進(jìn)行地區(qū)劃分，得到河南省相關(guān)微博91條，江蘇省相關(guān)微博187條，其具體特征情況如下。

關(guān)鍵詞詞頻分析結(jié)果如圖2所示。直觀可見(jiàn)，河南省最高頻關(guān)鍵詞為“示范”，其更著重于示范縣建設(shè)情況的展示，而江蘇省最高頻關(guān)鍵詞為“小康”，更強(qiáng)調(diào)于四好農(nóng)村路建設(shè)的成效。從高頻關(guān)鍵詞分析可知，河南省發(fā)文內(nèi)容著重于建設(shè)成果與經(jīng)濟(jì)拉動(dòng)，而江蘇省發(fā)文內(nèi)容則更重視建設(shè)目的及經(jīng)濟(jì)建設(shè)類型(如旅游、生態(tài)、產(chǎn)業(yè)、品牌等)。在發(fā)文主體上，“江蘇”詞頻位居第二，“河南”詞頻位居第六，可見(jiàn)河南省發(fā)文內(nèi)容更強(qiáng)調(diào)示范縣及其他城鄉(xiāng)的成果，而江蘇省更突出其省份的整體面貌。

圖2 關(guān)鍵詞詞頻分析結(jié)果Fig.2 Analysis result of frequencies of key words

圖3 發(fā)文數(shù)、點(diǎn)贊數(shù)、評(píng)論數(shù)的趨勢(shì)Fig.3 Trends of document issuing, approval and comment numbers

對(duì)2020-04-01至2020-05-27的發(fā)文反饋情況(點(diǎn)贊、評(píng)論及轉(zhuǎn)發(fā))，以周為單位進(jìn)行統(tǒng)計(jì)，得到2個(gè)省發(fā)文反饋情況的時(shí)間趨勢(shì)圖，如圖3所示?？傮w可見(jiàn)，2個(gè)省的發(fā)文點(diǎn)贊數(shù)基本高于轉(zhuǎn)發(fā)及評(píng)論數(shù)，且隨著時(shí)間的推移呈現(xiàn)上升趨勢(shì)。上升趨勢(shì)可能與新冠疫情的影響與復(fù)工進(jìn)度存在關(guān)聯(lián)性。江蘇省3類反饋數(shù)均高于河南省，可見(jiàn)江蘇省社會(huì)反饋度更高，但江蘇省反饋趨勢(shì)相對(duì)平緩，而河南省則呈現(xiàn)更為明顯的上升趨勢(shì)。由于微博平臺(tái)的社會(huì)反饋存在一定的教育經(jīng)濟(jì)門檻，即經(jīng)濟(jì)發(fā)達(dá)、受教育程度更高的地區(qū)可能具有更高的微博參與度，因此可能影響了河南省與江蘇省的總體頻率差異。

圖4 內(nèi)容分類Fig.4 Content classification

通過(guò)對(duì)發(fā)文關(guān)鍵詞進(jìn)行文本分類，分別統(tǒng)計(jì)3類文本的出現(xiàn)頻率：(1)政績(jī)類，即涉及體現(xiàn)政績(jī)的文本內(nèi)容，如“示范、試點(diǎn)、領(lǐng)先、第一、XX率等”；(2)建設(shè)類，即涉及農(nóng)路建設(shè)情況的文本內(nèi)容，如“建成、開(kāi)工、硬化、通車等”；(3)經(jīng)濟(jì)類，即涉及經(jīng)濟(jì)建設(shè)類文本內(nèi)容，如“產(chǎn)業(yè)、GDP、拉動(dòng)、種植、養(yǎng)殖等”,最終統(tǒng)計(jì)結(jié)果如圖4所示。分析3類文本的占比可知，河南省發(fā)布的建設(shè)類文本最多，占總文本量的44%；江蘇省發(fā)布的文本內(nèi)容則以經(jīng)濟(jì)類為主，占總量的43%。通過(guò)文本內(nèi)容也可印證河南省四好農(nóng)村路更著重于工程建設(shè)進(jìn)展，而江蘇省更側(cè)重于經(jīng)濟(jì)建設(shè)進(jìn)展，這也同它們當(dāng)前的經(jīng)濟(jì)發(fā)展及農(nóng)村建設(shè)進(jìn)度相匹配：河南省當(dāng)前的重點(diǎn)工作在于建設(shè)，實(shí)現(xiàn)村村硬化路通達(dá)；江蘇省則在于農(nóng)路的運(yùn)營(yíng)、養(yǎng)護(hù)及借助較為完善的交通設(shè)施，進(jìn)一步通過(guò)產(chǎn)業(yè)化拉動(dòng)村級(jí)經(jīng)濟(jì)的發(fā)展。

3.2.2 評(píng)估結(jié)果

基于文本挖掘的數(shù)據(jù)結(jié)果，應(yīng)用本研究所建立的評(píng)估模型，可分別得到河南省、江蘇省四好農(nóng)路建設(shè)的社會(huì)化反響評(píng)估結(jié)果，如表3所示。其中，各指標(biāo)權(quán)重的確定運(yùn)用專家打分法通過(guò)依托項(xiàng)目在前期的調(diào)研會(huì)中咨詢相關(guān)建設(shè)規(guī)劃人員進(jìn)行打分統(tǒng)計(jì)獲得。由于標(biāo)準(zhǔn)化后指標(biāo)值的理論最大值為1.0，同時(shí)各權(quán)重加總值為1.0，因此其集計(jì)化總分應(yīng)在[0,1]區(qū)間內(nèi)。為提升評(píng)估結(jié)果的直觀性，本研究采用百分制評(píng)分，即評(píng)估所得的總分直接乘以100，從而保障各評(píng)估對(duì)象的得分位于[0.100]區(qū)間。

表3 社會(huì)化評(píng)估指標(biāo)計(jì)算值及評(píng)估結(jié)果Tab.3 values and evaluation result of socialization evaluation indicators

總體上看，江蘇省社會(huì)化評(píng)估得分高于河南省，其四好農(nóng)村路建設(shè)工作中，具有更良性的“開(kāi)展工作-媒體曝光-社會(huì)反饋”循環(huán)。從單項(xiàng)得分來(lái)看，河南省四好農(nóng)村路建設(shè)最大的優(yōu)勢(shì)在于建設(shè)度較高，其建設(shè)穩(wěn)定度、持續(xù)度、離散度均高于江蘇省，能夠更為持續(xù)、穩(wěn)定地通過(guò)媒體反映出建設(shè)工作的進(jìn)展。但河南省對(duì)其建設(shè)進(jìn)展的反映更多地集中于關(guān)鍵性的地區(qū)(洛陽(yáng)市、南陽(yáng)市、安陽(yáng)市、焦作市、平頂山市、漯河市等)，導(dǎo)致其媒體反映出的建設(shè)密度低于江蘇省。相對(duì)而言，由于江蘇省經(jīng)濟(jì)發(fā)展水平更高，其四好農(nóng)村路工作傾向于管理、養(yǎng)護(hù)、運(yùn)營(yíng)，因此在農(nóng)路建設(shè)工作的媒體反映上低于河南省，但由于江蘇省管養(yǎng)運(yùn)的經(jīng)濟(jì)投入相對(duì)高于建設(shè)，因此其工作更多地體現(xiàn)出“遍地開(kāi)花”的局面，反映出的建設(shè)密度更高。

在社會(huì)曝光維度上，河南省與江蘇省評(píng)估結(jié)果相對(duì)接近。具體而言，河南省四好農(nóng)村路建設(shè)的媒體曝光度具有更高的穩(wěn)定度、集中度和持續(xù)度；江蘇省的媒體曝光度具有更好的信息展示率與接受率。這同樣反映出它們因建設(shè)階段差異性導(dǎo)致的社會(huì)宣傳、反饋差異。河南省的工作重點(diǎn)在于通過(guò)自然村硬化路建設(shè)及改造升級(jí)，提升偏僻村落通達(dá)度、促進(jìn)城鄉(xiāng)一體化格局基本形成；江蘇省的工作重點(diǎn)在于已建成農(nóng)村路的管養(yǎng)運(yùn)，并依托更為便捷的交通服務(wù)拉動(dòng)相關(guān)村鎮(zhèn)的產(chǎn)業(yè)化發(fā)展、提升村鎮(zhèn)的小康化水平。建設(shè)階段的差異性也使得河南省媒體發(fā)布內(nèi)容更為穩(wěn)定、集中，而江蘇省的發(fā)布內(nèi)容有著更高的社會(huì)傳播力。

此外，河南省四好農(nóng)村路建設(shè)的社會(huì)響應(yīng)維度的評(píng)估得分遠(yuǎn)低于江蘇省。河南省農(nóng)路建設(shè)相關(guān)內(nèi)容的發(fā)布數(shù)量、社會(huì)群眾對(duì)其的關(guān)注度均低于江蘇省(點(diǎn)贊數(shù)、評(píng)論數(shù))，其自發(fā)傳播力更低(轉(zhuǎn)發(fā)數(shù)更低)，造成河南省四好農(nóng)村路建設(shè)的公眾的關(guān)注度及支持度評(píng)估得分遠(yuǎn)低于江蘇省。

4 結(jié)論

本研究基于新浪微博社交平臺(tái)的文本挖掘數(shù)據(jù)，建立了定量化的評(píng)估方法，以反映在四好農(nóng)村路建設(shè)中的政府工作特征和社會(huì)反映。以河南省、江蘇省為例進(jìn)行了案例分析，得到如下結(jié)論。

(1)文本挖掘下的定量化評(píng)估模型有助于更為便捷、客觀地反映出評(píng)估對(duì)象在四好農(nóng)村路建設(shè)工作中的工作重點(diǎn)、建設(shè)特征及公眾響應(yīng)情況。這既可為目標(biāo)年(2020年)各省市的工作成果評(píng)估提供定量化參考，也有助于各省市四好農(nóng)村路工作推進(jìn)的日常評(píng)估，實(shí)時(shí)反饋社會(huì)群眾反響，從而查漏補(bǔ)缺提升工作水平。

(2)通過(guò)案例分析可知，河南省、江蘇省四好農(nóng)村路建設(shè)階段不同，其社會(huì)宣傳、反饋具有差異化特征：河南省的工作重點(diǎn)在于建設(shè)(自然村硬化農(nóng)路建設(shè)及改造升級(jí))，而其宣傳更側(cè)重于實(shí)際政績(jī)，以提升偏僻村落通達(dá)度、促進(jìn)城鄉(xiāng)一體化格局基本形成為工作目標(biāo)；江蘇省的工作重點(diǎn)在于管養(yǎng)運(yùn)，核心思路在于依托更為便捷的交通服務(wù)拉動(dòng)相關(guān)村鎮(zhèn)的產(chǎn)業(yè)化發(fā)展、提升村鎮(zhèn)的小康化水平。

本研究及評(píng)估模型仍具有一定的局限性和優(yōu)化空間：(1)由于2020年新冠疫情的影響，使得前期政府工作更集中于疫情防控，加之復(fù)工復(fù)產(chǎn)存在時(shí)間需求，使得數(shù)據(jù)采集時(shí)間(2020-04-01至2020-06-01)的四好農(nóng)村路相關(guān)內(nèi)容也存在“復(fù)工”特征，呈現(xiàn)逐步上升趨勢(shì)，且河南省、江蘇省復(fù)工進(jìn)度不一，所采用的非結(jié)構(gòu)化文本數(shù)據(jù)挖掘分析具有一定隨機(jī)性。這些問(wèn)題使得文本挖掘采集到的案例數(shù)據(jù)具有一定的誤差，因此本研究的實(shí)證分析結(jié)論僅供參考。(2)社會(huì)化評(píng)估可進(jìn)一步采集評(píng)論內(nèi)容，從而識(shí)別出社會(huì)化反饋的情感傾向(支持或反對(duì))，使得評(píng)估結(jié)論可進(jìn)一步細(xì)化。(3)不同省份的人工基數(shù)不一、微博注冊(cè)用戶數(shù)量差異，采用微博內(nèi)容的轉(zhuǎn)發(fā)、評(píng)論、點(diǎn)贊數(shù)進(jìn)行指標(biāo)計(jì)算，也存在一定的誤差。后期可考慮對(duì)該指標(biāo)除以注冊(cè)省份活躍用戶數(shù)，從而提升指標(biāo)的準(zhǔn)確性。