摘要：文章從微博情感分析視角出發(fā)，通過(guò)網(wǎng)絡(luò)爬蟲(chóng)抓取新浪微博評(píng)論數(shù)據(jù)，研究公眾對(duì)中國(guó)經(jīng)濟(jì)高質(zhì)量發(fā)展的社會(huì)評(píng)價(jià)。結(jié)果表明：從微博數(shù)據(jù)的情感值來(lái)看，公眾對(duì)經(jīng)濟(jì)高質(zhì)量發(fā)展持積極態(tài)度，對(duì)產(chǎn)業(yè)結(jié)構(gòu)的評(píng)價(jià)最高，對(duì)空氣質(zhì)量的評(píng)價(jià)最低，對(duì)GDP和創(chuàng)業(yè)持理性態(tài)度，而對(duì)社保和房?jī)r(jià)的滿意度有待提高;從詞云圖分析來(lái)看，高質(zhì)量發(fā)展、GDP增速、結(jié)構(gòu)調(diào)整、房?jī)r(jià)上漲、社保基金、空氣質(zhì)量指數(shù)、創(chuàng)業(yè)平臺(tái)等是公眾關(guān)注的熱門議題。據(jù)此，通過(guò)把互聯(lián)網(wǎng)的社情民意與政府的施政努力相結(jié)合，有針對(duì)性地改進(jìn)和提升社會(huì)公眾的滿意度，對(duì)政府制定相應(yīng)的政策具有重要作用。

　　關(guān)鍵詞：情感分析;經(jīng)濟(jì)高質(zhì)量發(fā)展;社會(huì)評(píng)價(jià);詞云圖

　　0引言

　　我國(guó)經(jīng)濟(jì)已由高速增長(zhǎng)階段轉(zhuǎn)向高質(zhì)量發(fā)展階段，探尋經(jīng)濟(jì)高質(zhì)量發(fā)展的實(shí)現(xiàn)路徑成為當(dāng)前重要的議題。從理論上來(lái)看，研究經(jīng)濟(jì)高質(zhì)量發(fā)展應(yīng)當(dāng)遵循兩條思路，第一條思路是通過(guò)經(jīng)濟(jì)發(fā)展的宏觀數(shù)據(jù)來(lái)考察經(jīng)濟(jì)發(fā)展質(zhì)量，第二條思路是通過(guò)微觀個(gè)體對(duì)于經(jīng)濟(jì)發(fā)展質(zhì)量的反饋評(píng)價(jià)來(lái)考察經(jīng)濟(jì)發(fā)展質(zhì)量。從實(shí)踐上來(lái)看，經(jīng)濟(jì)高質(zhì)量發(fā)展歸根結(jié)底要落實(shí)到社會(huì)公眾中去，那么社會(huì)公眾對(duì)經(jīng)濟(jì)高質(zhì)量發(fā)展的評(píng)價(jià)如何?微博作為公眾發(fā)表觀點(diǎn)、表達(dá)情緒、闡明態(tài)度的重要輿論場(chǎng)，經(jīng)濟(jì)發(fā)展質(zhì)量的諸多問(wèn)題均在微博評(píng)論中得以反映。

　　因此，本文從微博情感分析視角出發(fā)，通過(guò)網(wǎng)絡(luò)爬蟲(chóng)抓取新浪微博評(píng)論數(shù)據(jù)并進(jìn)行情感分析和詞云圖分析，以探尋當(dāng)前公眾對(duì)經(jīng)濟(jì)高質(zhì)量發(fā)展的社會(huì)評(píng)價(jià)，這對(duì)于建立公眾反饋機(jī)制、提高經(jīng)濟(jì)發(fā)展質(zhì)量具有重要的理論價(jià)值與現(xiàn)實(shí)意義。對(duì)于經(jīng)濟(jì)高質(zhì)量發(fā)展的研究，現(xiàn)有文獻(xiàn)主要從經(jīng)濟(jì)高質(zhì)量發(fā)展的內(nèi)涵[1—8]和測(cè)度[9—15]兩個(gè)方面展開(kāi)。本文在此基礎(chǔ)上從三個(gè)方面進(jìn)行拓展和完善：

　　第一，從研究?jī)?nèi)容來(lái)看，已有文獻(xiàn)多是針對(duì)經(jīng)濟(jì)高質(zhì)量發(fā)展內(nèi)涵和測(cè)度的研究，較少涉及經(jīng)濟(jì)高質(zhì)量發(fā)展的社會(huì)評(píng)價(jià);第二，從研究視角來(lái)看，已有文獻(xiàn)多是利用統(tǒng)計(jì)年鑒的客觀經(jīng)濟(jì)指標(biāo)來(lái)考察經(jīng)濟(jì)發(fā)展質(zhì)量，缺少站在公眾立場(chǎng)上利用微博評(píng)論數(shù)據(jù)對(duì)經(jīng)濟(jì)高質(zhì)量發(fā)展的社會(huì)評(píng)價(jià);第三，從研究方法來(lái)看，已有研究多采用熵權(quán)法、層次分析法、模糊數(shù)學(xué)法、主成分分析法或計(jì)量經(jīng)濟(jì)學(xué)方法等，少有運(yùn)用大數(shù)據(jù)爬取和Python語(yǔ)言將微博輿情文本分析用于經(jīng)濟(jì)高質(zhì)量發(fā)展的有益實(shí)踐。

　　鑒于社會(huì)公眾對(duì)經(jīng)濟(jì)發(fā)展質(zhì)量有著切膚體驗(yàn)并深刻影響著經(jīng)濟(jì)高質(zhì)量發(fā)展，本文利用新浪微博評(píng)論數(shù)據(jù)，采用情感分析和詞云圖分析方法歸納公眾對(duì)經(jīng)濟(jì)高質(zhì)量發(fā)展的社會(huì)評(píng)價(jià)，這有助于豐富經(jīng)濟(jì)發(fā)展質(zhì)量的微觀研究，為探尋我國(guó)經(jīng)濟(jì)高質(zhì)量發(fā)展的實(shí)現(xiàn)路徑提供理論借鑒與實(shí)踐參考。

　　1研究設(shè)計(jì)

　　本文以新浪微博平臺(tái)數(shù)據(jù)為基礎(chǔ)，借鑒任保平等(2019)[14]的研究，從經(jīng)濟(jì)效率、經(jīng)濟(jì)結(jié)構(gòu)、經(jīng)濟(jì)穩(wěn)定性、福利變化與成果分配、資源利用與生態(tài)環(huán)境和國(guó)民經(jīng)濟(jì)素質(zhì)六個(gè)維度來(lái)考察經(jīng)濟(jì)高質(zhì)量發(fā)展的評(píng)價(jià)指標(biāo)體系，研究社會(huì)公眾對(duì)經(jīng)濟(jì)高質(zhì)量發(fā)展分維度的情感態(tài)度。

　　1.1數(shù)據(jù)搜集

　　數(shù)據(jù)搜集分為關(guān)鍵詞選取和數(shù)據(jù)爬取，具體步驟如下：

　　第一，關(guān)鍵詞選取。本文數(shù)據(jù)來(lái)源于新浪微博用戶發(fā)表的微文，首先要確定微文話題，即關(guān)鍵詞。關(guān)鍵詞的選擇應(yīng)確保其準(zhǔn)確反映經(jīng)濟(jì)增長(zhǎng)質(zhì)量不同維度的特點(diǎn)，與每個(gè)維度相關(guān)的可選取關(guān)鍵詞。

　　發(fā)現(xiàn)部分關(guān)鍵詞存在學(xué)術(shù)門檻，如“勞動(dòng)效率”“城鄉(xiāng)二元結(jié)構(gòu)”等，導(dǎo)致話題討論度不高、發(fā)言用戶群體分布不均勻，不能保證樣本的充足性;部分關(guān)鍵詞囊括的范圍過(guò)廣，如搜索“環(huán)境”一詞會(huì)出現(xiàn)“園區(qū)環(huán)境”或“小區(qū)環(huán)境”等景點(diǎn)或住宅的廣告，搜索“霧霾”一詞會(huì)出現(xiàn)“霧霾藍(lán)”等淘寶商品的廣告，導(dǎo)致樣本純度不高，不具有針對(duì)性;還有部分關(guān)鍵詞囊括的范圍過(guò)窄，如“第三產(chǎn)業(yè)”“環(huán)保”等詞不能全面反映對(duì)應(yīng)的評(píng)價(jià)維度，不具有代表性。綜合來(lái)看，關(guān)于“GDP”“產(chǎn)業(yè)結(jié)構(gòu)”“房?jī)r(jià)”“社保”“空氣質(zhì)量”和“創(chuàng)業(yè)”的微文相對(duì)于其他關(guān)鍵詞的質(zhì)量和切題度更高，故選取其作為六個(gè)評(píng)價(jià)維度的關(guān)鍵詞，選取“經(jīng)濟(jì)質(zhì)量”作為經(jīng)濟(jì)高質(zhì)量發(fā)展整體評(píng)價(jià)的關(guān)鍵詞。

　　第二，數(shù)據(jù)的爬取。本文利用后羿采集器對(duì)微博網(wǎng)頁(yè)數(shù)據(jù)進(jìn)行爬取，具體爬取方法如下：在新浪微博上進(jìn)行高級(jí)搜索，輸入關(guān)鍵詞，時(shí)間定為2019年1月1日，復(fù)制網(wǎng)址到后羿采集器，按日期批量生成網(wǎng)址，得到2019年1月1日至2019年12月31日的所有網(wǎng)址，添加爬取字段并設(shè)置采集范圍。采集的字段包含用戶名、用戶鏈接、微文、發(fā)表時(shí)間、轉(zhuǎn)發(fā)量、評(píng)論量和點(diǎn)贊量。

　　1.2數(shù)據(jù)預(yù)處理

　　數(shù)據(jù)預(yù)處理具體步驟如下：第一，將爬取的數(shù)據(jù)從網(wǎng)頁(yè)采集器導(dǎo)入Excel表格;第二，數(shù)據(jù)清洗，包括刪除重復(fù)項(xiàng)和刪除無(wú)效微文，刪除重復(fù)項(xiàng)是指只保留同一用戶在同一天多次發(fā)表或轉(zhuǎn)發(fā)同一微文的唯一樣本，刪除無(wú)效微文是指刪除廣告等無(wú)關(guān)內(nèi)容;第三，依照停用詞表對(duì)停用詞進(jìn)行刪除;第四，中文分詞，由于中文沒(méi)有空格分隔的特征，因此當(dāng)前自然語(yǔ)言庫(kù)中針對(duì)中文分詞的較少，本文使用的是以Character-BasedGenerativeModel算法進(jìn)行中文分詞的SnowNLP文本分析庫(kù);第五，刪除多余字段，最后統(tǒng)一保留150個(gè)字段。

　　1.3情感分類

　　情感分類是針對(duì)非結(jié)構(gòu)化的網(wǎng)絡(luò)評(píng)論，判斷評(píng)論內(nèi)容為正面態(tài)度或負(fù)面態(tài)度，進(jìn)而得到整體的情感傾向。本文采用基于統(tǒng)計(jì)自然語(yǔ)言處理的方法，將文本信息表示成向量后通過(guò)機(jī)器學(xué)習(xí)來(lái)判斷情感類型，具體步驟包括特征選取、特征權(quán)重計(jì)算和文本情感分類。第一，特征選取。即選取語(yǔ)義單位作為特征項(xiàng)，用以反映文本信息。特征選取直接影響文本分類結(jié)果，所以要選取既能真實(shí)反映文本信息，又能區(qū)分不同文本特征的語(yǔ)義單位。第二步，特征權(quán)重計(jì)算。特征權(quán)重代表對(duì)應(yīng)特征對(duì)文本類型的影響程度，常用的計(jì)算方法有布爾權(quán)重、TF-IDF等。

　　第三步，文本情感分類。將以向量形式表示的文本信息，利用機(jī)器學(xué)習(xí)的方法按照不同的情感類別進(jìn)行分類。本文采用Python中的一個(gè)自然語(yǔ)言處理庫(kù)——SnowNLP庫(kù)，它可以快速且高效地處理中文文本內(nèi)容，并且自帶訓(xùn)練語(yǔ)料，可以直接使用SnowNLP庫(kù)預(yù)測(cè)文本情感分類。SnowNLP庫(kù)通過(guò)樸素貝葉斯分類器將文本分為積極和消極兩類，返回值越接近于1則表示文本內(nèi)容越積極，而越接近于0則表示文本內(nèi)容越消極。

　　1.4詞云圖分析

　　詞云圖是數(shù)據(jù)可視化的表達(dá)方式，是在分詞基礎(chǔ)上設(shè)計(jì)并實(shí)現(xiàn)的將文本數(shù)據(jù)中的高頻詞匯提取并以有趣、高效、新穎的方式呈現(xiàn)給閱讀者的一種數(shù)據(jù)可視化工具。詞云圖中文字的大小反映該詞組的詞頻，間接說(shuō)明公眾所關(guān)注的熱點(diǎn)和主題，是數(shù)據(jù)展示的重要方式。

　　2結(jié)果分析

　　本文利用后羿采集器爬取新浪微博用戶的微文數(shù)據(jù)，數(shù)據(jù)預(yù)處理后得到關(guān)于“經(jīng)濟(jì)質(zhì)量”話題的微文28623條、關(guān)于“GDP”話題的微文30089條、關(guān)于“產(chǎn)業(yè)結(jié)構(gòu)”話題的微文30865條、關(guān)于“房?jī)r(jià)”話題的微文32154條、關(guān)于“社保”話題的微文33991條、關(guān)于“空氣質(zhì)量”話題的微文34080條、關(guān)于“創(chuàng)業(yè)”話題的微文32274條，共計(jì)222076條。為了從情感值上更直觀地展示出正負(fù)情感類型，本文將SnowNLP算法計(jì)算出來(lái)的情感值減去0.5，這樣處理后的情感值就落在[-0.5,0.5]的對(duì)稱區(qū)間內(nèi)。

　　(1)經(jīng)濟(jì)質(zhì)量，公眾對(duì)于中國(guó)經(jīng)濟(jì)質(zhì)量的社會(huì)評(píng)價(jià)情感均值為0.4645，是非常積極的，中位數(shù)高達(dá)0.4787，說(shuō)明一半以上的發(fā)言用戶對(duì)經(jīng)濟(jì)質(zhì)量都持積極的態(tài)度，同時(shí)方差僅為0.0017，說(shuō)明整體變化幅度不大。

　　(2)GDP，公眾對(duì)GDP的情感均值為0.2748，表現(xiàn)為積極的態(tài)度，中位數(shù)為0.2873，說(shuō)明一半以上的發(fā)言用戶都是積極的態(tài)度，最小值為-0.1817，說(shuō)明仍存在消極情感傾向，方差為0.0081，表明情感傾向波動(dòng)較大。

　　(3)產(chǎn)業(yè)結(jié)構(gòu)，公眾對(duì)于產(chǎn)業(yè)結(jié)構(gòu)的情感均值為0.4108，是非常積極的，中位數(shù)為0.4182，說(shuō)明一半以上的發(fā)言用戶持非常積極的態(tài)度，方差為0.0016，說(shuō)明公眾對(duì)產(chǎn)業(yè)結(jié)構(gòu)的情感傾向變化較小。

　　(4)房?jī)r(jià)，公眾對(duì)于房?jī)r(jià)的情感均值為0.1884，持積極態(tài)度，最大值為0.4089，最小值為-0.1831，方差為0.0052，說(shuō)明情感值波動(dòng)幅度較大。(5)社保，公眾對(duì)于社保的情感均值為0.0364，屬于中性的情感類型，最大值為0.2632，最小值為-0.2731，25%分位數(shù)處的情感值為-0.0166，說(shuō)明超過(guò)25%的用戶對(duì)于社保的評(píng)價(jià)是消極的。

　　(6)空氣質(zhì)量，公眾對(duì)空氣質(zhì)量的情感均值是-0.1331，表現(xiàn)為消極情緒，是所有維度中最低的，最小值為-0.4572，最大值僅為0.2166，而中位數(shù)為-0.1000，說(shuō)明有一半以上的用戶的評(píng)論是消極的。空氣質(zhì)量情感值的方差為0.0258，是所有關(guān)鍵詞中最大的，主要是受季節(jié)變化和地區(qū)差異的影響。

　　(7)創(chuàng)業(yè)，公眾對(duì)于創(chuàng)業(yè)的情感均值為0.3591，屬于積極的情感類型，方差為0.0025，最小值為0.1577，說(shuō)明公眾對(duì)創(chuàng)業(yè)不存在消極的評(píng)論。總體來(lái)看，微博用戶對(duì)于產(chǎn)業(yè)結(jié)構(gòu)的評(píng)價(jià)最高，而對(duì)于空氣質(zhì)量的評(píng)價(jià)最低，對(duì)GDP和創(chuàng)業(yè)持理性態(tài)度，而對(duì)社保和房?jī)r(jià)的滿意度有待提高。且六個(gè)經(jīng)濟(jì)維度的評(píng)價(jià)差異十分明顯，存在著很大的進(jìn)步空間。為了更直觀地顯示情感值的變化趨勢(shì)，繪制“經(jīng)濟(jì)質(zhì)量”總體及不同維度的日情感均值變化圖，并結(jié)合代表性微文分析各個(gè)關(guān)鍵詞的情感趨勢(shì)及詞云圖。

　　公眾對(duì)“經(jīng)濟(jì)質(zhì)量”的日情感均值一直維持在一個(gè)很高的水平，且整體變化幅度不大，說(shuō)明微博用戶對(duì)于我國(guó)經(jīng)濟(jì)質(zhì)量持積極態(tài)度。當(dāng)然，也存在一定數(shù)量的負(fù)面評(píng)價(jià)，但是日情感均值都屬于積極評(píng)價(jià)。具體來(lái)看，公眾對(duì)于我國(guó)經(jīng)濟(jì)質(zhì)量的積極評(píng)價(jià)集中表現(xiàn)在對(duì)經(jīng)濟(jì)迅猛增長(zhǎng)的喜悅以及對(duì)經(jīng)濟(jì)轉(zhuǎn)向高質(zhì)量發(fā)展的支持，消極評(píng)價(jià)集中表現(xiàn)在對(duì)我國(guó)經(jīng)濟(jì)現(xiàn)存問(wèn)題的擔(dān)憂。情感均值在10月的變化相對(duì)劇烈，在10月中旬和11月初的兩次短暫驟跌均是受健康貓“龐式詐騙”事件的影響，除了幾次劇烈波動(dòng)以外，情感值還是相對(duì)穩(wěn)定的。

　　具體來(lái)看，持積極情緒的微博用戶表達(dá)了對(duì)GDP快速增長(zhǎng)的贊嘆，對(duì)國(guó)家繁榮的自豪。持消極情緒的微博用戶表達(dá)了以下幾個(gè)方面的觀點(diǎn)：一是對(duì)用GDP總值反映區(qū)域經(jīng)濟(jì)增長(zhǎng)表示懷疑，認(rèn)為人均GDP能更好地說(shuō)明真實(shí)國(guó)民收入水平;二是對(duì)城鄉(xiāng)差異和地區(qū)差異的不滿;三是對(duì)地方政府一味地追求經(jīng)濟(jì)增長(zhǎng)率而忽視增長(zhǎng)質(zhì)量的不滿，呼吁在追求經(jīng)濟(jì)增長(zhǎng)的同時(shí)，也要關(guān)注經(jīng)濟(jì)與社會(huì)、城市與農(nóng)村、發(fā)展與資源、投資與消費(fèi)的平衡。

　　3結(jié)論與啟示

　　隨著中國(guó)特色社會(huì)主義進(jìn)入新時(shí)代，社會(huì)公眾對(duì)于經(jīng)濟(jì)高質(zhì)量發(fā)展的訴求和愿望與日俱增，為了讓人民群眾擁有更多的獲得感，就要搜集好人民群眾對(duì)經(jīng)濟(jì)高質(zhì)量發(fā)展的需求和反饋，更好地了解社會(huì)公眾對(duì)經(jīng)濟(jì)高質(zhì)量發(fā)展的所想、所需及困惑，從而有利于發(fā)現(xiàn)經(jīng)濟(jì)高質(zhì)量發(fā)展存在的問(wèn)題和不足，有針對(duì)性地改進(jìn)和提升社會(huì)公眾的滿意度。因此，本文從微博情感分析視角出發(fā)，從經(jīng)濟(jì)效率、經(jīng)濟(jì)結(jié)構(gòu)、經(jīng)濟(jì)穩(wěn)定性、福利變化與成果分配、資源利用與生態(tài)環(huán)境、國(guó)民經(jīng)濟(jì)素質(zhì)六個(gè)方面通過(guò)網(wǎng)絡(luò)爬蟲(chóng)抓取新浪微博評(píng)論數(shù)據(jù)并進(jìn)行情感分析和詞云圖分析,歸納當(dāng)前社會(huì)公眾對(duì)經(jīng)濟(jì)高質(zhì)量發(fā)展的情感傾向與話題關(guān)注度，主要結(jié)論如下：

　　(1)從微博數(shù)據(jù)的情感值來(lái)看，整體上微博用戶對(duì)我國(guó)經(jīng)濟(jì)高質(zhì)量發(fā)展持積極態(tài)度，且波動(dòng)幅度不大;從六個(gè)評(píng)價(jià)維度來(lái)看，微博用戶對(duì)產(chǎn)業(yè)結(jié)構(gòu)的評(píng)價(jià)最高，對(duì)空氣質(zhì)量的評(píng)價(jià)最低，對(duì)GDP和創(chuàng)業(yè)持理性態(tài)度，而對(duì)社保和房?jī)r(jià)的滿意度有待提高;空氣質(zhì)量受季節(jié)變化和地區(qū)差異的影響，情感值波動(dòng)最大，而產(chǎn)業(yè)結(jié)構(gòu)的情感值波動(dòng)最小。

　　(2)從微博數(shù)據(jù)的微文分析來(lái)看，微博用戶類型主要分為個(gè)人用戶、政府用戶和媒體用戶，其中關(guān)于“產(chǎn)業(yè)結(jié)構(gòu)”話題的政府用戶和媒體用戶發(fā)言較多，而關(guān)于“創(chuàng)業(yè)話題”的個(gè)人用戶發(fā)言較多;從詞云圖分析來(lái)看，高質(zhì)量發(fā)展、GDP增速、結(jié)構(gòu)調(diào)整、房?jī)r(jià)上漲、社保基金、空氣質(zhì)量指數(shù)、創(chuàng)業(yè)平臺(tái)等都是微博關(guān)注的熱門議題;從微文內(nèi)容來(lái)看，正面情緒的微文主要是新聞報(bào)道、公眾對(duì)政策的回應(yīng)及積極情緒的個(gè)人經(jīng)歷或感悟，負(fù)面情緒的微文主要是對(duì)現(xiàn)存問(wèn)題的反映，如城鄉(xiāng)差異、買房難、社保體系不完善、空氣污染和創(chuàng)業(yè)艱辛等。

　　以上研究結(jié)論對(duì)于我國(guó)經(jīng)濟(jì)高質(zhì)量發(fā)展具有如下政策啟示：

　　(1)對(duì)于社會(huì)公眾的正面評(píng)價(jià)，要積極主動(dòng)地推進(jìn)政務(wù)公開(kāi)，凈化網(wǎng)絡(luò)環(huán)境，傳播正能量;對(duì)于社會(huì)公眾的負(fù)面評(píng)價(jià)，特別是涉及群眾切身利益和實(shí)際困難的事情，堅(jiān)持第一時(shí)間、公開(kāi)透明、尊重事實(shí)、正面應(yīng)對(duì)、積極處置的原則，有針對(duì)性地改進(jìn)和提升社會(huì)公眾的滿意度，使廣大群眾切實(shí)感受到社會(huì)的公平正義。

　　具體來(lái)說(shuō)，在經(jīng)濟(jì)效率方面，要通過(guò)改革和創(chuàng)新不斷挖掘增長(zhǎng)潛力，實(shí)現(xiàn)經(jīng)濟(jì)數(shù)量增長(zhǎng)和質(zhì)量提升的統(tǒng)一;在經(jīng)濟(jì)結(jié)構(gòu)方面，進(jìn)一步積極推動(dòng)供給側(cè)改革，促進(jìn)產(chǎn)業(yè)結(jié)構(gòu)優(yōu)化升級(jí)，培育戰(zhàn)略性新興產(chǎn)業(yè)，統(tǒng)籌城鄉(xiāng)協(xié)調(diào)發(fā)展;在經(jīng)濟(jì)穩(wěn)定性方面，要整治房地產(chǎn)市場(chǎng)秩序，建立促進(jìn)房地產(chǎn)市場(chǎng)平穩(wěn)健康發(fā)展的長(zhǎng)效機(jī)制，保證物價(jià)總水平處于合理區(qū)間;在福利變化與成果分配方面，要加大對(duì)教育醫(yī)療衛(wèi)生事業(yè)的投入，穩(wěn)步提高社會(huì)保障統(tǒng)籌層次和水平;在資源利用與生態(tài)環(huán)境方面，要鼓勵(lì)采用無(wú)污染能源，加大綠化建設(shè)和環(huán)境治理力度，改善群眾居住環(huán)境和生態(tài)環(huán)境質(zhì)量;在國(guó)民經(jīng)濟(jì)素質(zhì)方面，要深入實(shí)施創(chuàng)新驅(qū)動(dòng)發(fā)展戰(zhàn)略，協(xié)同推進(jìn)管理創(chuàng)新、模式創(chuàng)新、制度創(chuàng)新等各領(lǐng)域的全面創(chuàng)新。

　　(2)重視對(duì)網(wǎng)絡(luò)平臺(tái)熱點(diǎn)詞的監(jiān)控預(yù)警，深入分析熱點(diǎn)議題的發(fā)展趨勢(shì)、輿論傾向和情感態(tài)度，利用傳播中的首因效應(yīng)、關(guān)聯(lián)效應(yīng)和共振效應(yīng)，抓住改變輿情意見(jiàn)流向和正負(fù)態(tài)勢(shì)的良好時(shí)機(jī)，從而避免刻板效應(yīng)和暈輪效應(yīng)。同時(shí)，政府部門要傾聽(tīng)民聲、關(guān)注民情，適當(dāng)以輿情研判數(shù)據(jù)為依據(jù)、以公眾需求為導(dǎo)向提高執(zhí)政能力，將互聯(lián)網(wǎng)上的社情民意與政府的施政努力相結(jié)合，把百姓的關(guān)切作為實(shí)現(xiàn)經(jīng)濟(jì)高質(zhì)量發(fā)展的工作重點(diǎn)，科學(xué)利用輿情數(shù)據(jù)為政府深入了解民情、制定順應(yīng)民意的政策作鋪墊，不斷提升人民群眾的獲得感、幸福感和安全感。

　　參考文獻(xiàn)：

　　[1]DeakinM,ReidA.SustainableUrbanDevelopment:UseoftheEnvi⁃ronmentalAssessmentMethods[J].SustainableCitiesandSociety,2014,(10).

　　[2]FritzM,KochM.EconomicDevelopmentandProsperityPatternsAroundtheWorld:StructuralChallengesforaGlobalSteady-stateEconomy[J].GlobalEnvironmentalChange,2016,(38).

　　[3]任保平,文豐安.新時(shí)代中國(guó)高質(zhì)量發(fā)展的判斷標(biāo)準(zhǔn)、決定因素與實(shí)現(xiàn)途徑[J].改革,2018,(4).

　　[4]金碚.關(guān)于“高質(zhì)量發(fā)展”的經(jīng)濟(jì)學(xué)研究[J].中國(guó)工業(yè)經(jīng)濟(jì),2018(4).

　　[5]張永恒,郝壽義.高質(zhì)量發(fā)展階段新舊動(dòng)力轉(zhuǎn)換的產(chǎn)業(yè)優(yōu)化升級(jí)路徑[J].改革,2018,(11).

　　[6]任保平,李禹墨.新時(shí)代我國(guó)高質(zhì)量發(fā)展評(píng)判體系的構(gòu)建及其轉(zhuǎn)型路徑[J].陜西師范大學(xué)學(xué)報(bào)(哲學(xué)社會(huì)科學(xué)版),2018,47(3).

　　[7]趙劍波,史丹,鄧洲.高質(zhì)量發(fā)展的內(nèi)涵研究[J].經(jīng)濟(jì)與管理研究,2019,40(11).

　　[8]馬茹,羅暉,王宏偉,等.中國(guó)區(qū)域經(jīng)濟(jì)高質(zhì)量發(fā)展評(píng)價(jià)指標(biāo)體系及測(cè)度研究[J].中國(guó)軟科學(xué),2019(7).

　　[9]JeffersonG,HuAGZ.Ownership,PerformanceandInnovationinChina’sLargeandMedium-sizeIndustrialEnterpriseSector[J].Chi⁃naEconomicReview,2003,14(1).

　　作者：師榮蓉a,b，張教萌