政策学习

摘要： 通过对1954—2017年间中央层面的建筑产业现代化政策文本的分析,发现中国的建筑产业现代化政策经历了政策间断松散期、政策低密集期和政策高密集期,体现了从“单一发展”到“横向扩充”再到“全面发展”的政策变迁过程。此外,中国的建筑产业现代化政策学习模式呈现出由吸取教训型模式向社会学习型模式转变的特征。在外部大的思想潮流对政策系统的影响、大规模的政策社群的参与和政策背后的理念和范式发生改变的情况下,“政策热”逐渐演变为政府、企业、研发机构乃至普通居民广泛参与的“实践热”。

摘要： 突发事件的发生,一定程度上源于常规治理模式的失败,也是运动式治理开启的重要动因。以运动式治理为特征的应对型治理模式容易陷入“事件发生-应急管理-同类事件再次发生”泥潭,并招致诸多弊端。政府学习能力提升、以人民为中心的发展思想、信息技术的快速发展、日益加强的政治问责压力等因素持续助推着突发事件治理模式从应对型向发展型转变。发展型治理模式的核心主张是加强政府在预防、处置、恢复等应急管理环节中的政府学习,并与应对型治理模式在治理方式、治理主体、治理工具、治理效能等方面均有不同。通过内生型政策学习,完善常规治理模式漏洞,实现突发事件治理模式的转型,对于风险预防、保障人民生命财产安全、提升政府治理水平及能力具有重要意义。

摘要： 1996年,联合国儿童基金会与联合国人类住区规划署发起了创建儿童友好型城市的倡议,旨在建立一个致力于维护儿童权利的城市治理体系。通过对全球10个典型国家儿童友好型城市治理实践的相关文本展开内容分析,基于“议题主体策略”三维分析框架,可以全景式地呈现儿童友好型城市治理的路径选择与实践范例。依循全球治理图景,儿童友好型城市治理具有四个方面的实践逻辑,即路径依赖性的行动逻辑、多元共治性的主体逻辑、渐进式的政策学习逻辑与包容性治理的制度逻辑。

摘要： 基于AGIL分析图式建立非常态政策学习的结构功能分析框架,探讨危机情境下地方政府的政策学习行为及其运作逻辑。可以发现,地方政府的非常态政策学习行为是有其内在结构的行为系统。作为系统功能的载体,适应系统保障政策学习与危机情态的无缝衔接,目标系统规定政策目标的选取和实现程度,整合系统确保学习行为与总体部署的良好嵌合,维持系统构建支撑政策学习长续运作的价值体系。四重子系统在其结构位置上协同作用,形塑着非常态政策学习的具体样态,使其呈现出自主与被动并存、创新与模仿交织的复杂面貌。

摘要： 政绩考评是激励约束领导干部作为的“指挥棒”,兼具价值与工具双重属性。改革开放四十年,我国政绩考评历经四个历史阶段,凸显时代特色与党和政府执政理念的嬗变。基于政策学习理论,我国政绩考评呈现出从“吸取—教训”型向“社会学习”型政策学习的渐进转变。立足新时代,推动我国政绩考评实现高质量发展,有必要建立起政绩考评的政策学习机制。

摘要： 1978年改革开放以来,中国的农村社会政策不断发展,成为我国实现脱贫攻坚的重要政策工具之一.本文以政策变迁和政策学习为视角,通过梳理40多年来中国出台的农村社会政策和扶贫政策以及回顾相关领域的文献,对我国农村社会政策发展与扶贫成效之间的关系进行分析,并揭示了其背后中央政府的政策学习路径.最后文章对社会政策如何助力扶贫、如何巩固扶贫成效提出了参考建议.

摘要： APEC科技创新合作对于推动亚太经济社会可持续均衡发展具有重大意义.根据倡议联盟框架理论,认为APEC成员由于不同的信念体系构成三类倡议联盟,并存在联盟冲突,进而导致APEC科技创新合作进展缓慢.政策学习是化解联盟冲突的重要途径.基于冲突程度、问题可分析性、专业论坛三个方面进行分析,发现当前APEC科技创新合作中联盟政策学习的可能性不足,进而从明确信念、义利兼顾、增进沟通三方面进行建议以促进联盟政策学习、提升合作成效.

摘要： 对新冠疫情防控政策工具的解释性研究可以为公共政策制定与实施提供一个独特的工具主义视角,以帮助政治家反思和评估政策干预的决策和实施难题。对于新冠疫情的防控而言,如何选择最佳的疫情干预时点以及最优的政策干预的工具组合是至关重要的,这也正是当前困扰着世界各国的迫在眉睫的决策难题。显然,政策决策者一方面试图以最快的速度以及最有效率的工具或方式来控制新冠疫情的传播与扩散,而另一方面,又非常期盼疫情防控政策工具的选择和实施对经济社会造成的冲击或损失降到最低限度。本文讨论了中国疫情防控的经验及其对疫情正在扩散中的其他国家的启示,并比较了不同类型的防控政策工具的作用机制以及潜在效果的差异和评价。

摘要： 为促进我国体育小镇公共政策法规体系与制度建设,运用文献资料、文本分析、社会网络分析、个案研究和比较研究等方法,基于政策学习视角深入探析我国体育小镇公共政策的演进,并对2014-2019年颁布的129个中央层级和以江浙沪为代表的省市级地方层面体育小镇政策文本进行量化分析比较,研究发现:我国中央和地方体育小镇公共政策演进经历了一个先自下而上、再自上而下的政策学习互动过程.2014-2019年,中央和江浙沪地方体育小镇相关扶植政策颁布时间维度和频率的阶段性特征明显、连续性较强,政策环境愈发利好.江浙沪地方层面与中央层级此类扶植政策的关注点与建设思路吻合度较高,政策创新属于一种渐进式主动调适变迁.但相比于特色小镇,体育界该领域自身的政策特色有待形成,江浙沪地方层面体育小镇的相关政策内容有同质化倾向.

摘要： 政策学习是由内生学习、社会学习和政治学习构成的复杂、多维和多层的结构体系,将其应用于分析农村扶贫政策的过程,可揭示出这一政策演变的内在机理。内生学习确保了精准扶贫政策吸纳前两个阶段政策的有益经验,同时对其带来的不足和弊端进行矫正,使得政策内容和执行方式更加科学化;社会学习促使政策行动者对贫困问题的理解更加明晰、多维和深入,并通过学习机制反馈到扶贫政策的各个方面,促使政策内容、执行方式、资源供给、参与主体等方面发生重要变革,构成政策演变的核心;政治学习则聚焦农村扶贫政策释放的政治意涵、时代价值和责任认定,并伴随政党资源调动、监督考核和惩戒机制等过程,使政策的内涵变得更为丰富,外延持续扩大。总之,内生学习和社会学习使得扶贫政策的科学化和系统化得以显著增强,而政治学习促进了不同行为主体之间的集体行动,显著提升了扶贫政策的效能。

摘要： 本发明提供了一种基于政策规划约束Q学习的动态频谱接入方法，认知用户对频谱状态空间进行划分，选出合理和合法的状态空间；对上述状态空间进行分等级模块化；每个等级模块，完成Q学习前的Q表初始化工作；每个模块单独的进行Q学习算法，根据学习规则结合动作选择算法，综合考虑所有学习模块进行决策，得出认知用户最终要采取的动作；判断选择接入的频谱是否和授权用户冲突，若发生冲突则计算冲突概率，否则进入下步；判断环境政策规划知识库是否发生改变，若变，更新环境政策规划知识库，并调整学习的Q值；重复上述部分步骤，直到学习收敛。本发明能提高系统整体性能并可克服智能体学习的盲目性、提高学习效率、加快收敛速度。

摘要： 本发明提供了一种基于深度学习的政策解读方法及智能化政策解读系统，本发明主要分为三个模块，分别为政策采集模块、政策解读模块、信息展示模块；其首先根据政府政策网公布的最新政策，实时采集政府政策网公布的最新政策，并下载政策原文；通过全文语义分析算法抽取并解读政策中的关键信息及核心内容；根据政策中抽取信息的属性，将该属性及其对应的内容存储到数据库中；根据大量同类政策的属性抽取结果比对，进行政策解读模型的优化，使该模型能适配更多类型政策；本系统能够自动的获取政策内容，并自动的进行政策解读和存储；与现有技术相比，本发明的政策解读方法效率更高，对于解读后的属性及其对应内容更准确，形成便于用户查询和了解的政策信息表。

摘要： 本发明公开基于“政策‑舆论‑购买”双阶深度学习的销量预测方法，包括：在相关政府网站和政策数据库采集目标领域政策文本；识别政策标题中的实体，从政策正文抽取关键词，通过规则筛选后将词组组合形成最终的政策舆论检索关键词；在网络舆情平台搜索政策舆论检索关键词，获取相应舆情数据并进行指标量化；结合政策数据本身属性和历史舆情数据利用BP神经网络模型建立政策‑舆论的预测模型。对于新政策的舆情预测，输出为新政策的舆论预测指标；结合舆论关注度等舆论预测指标，利用引进果蝇优化算法的FOASVR模型对销量进行预测。本发明通过建立“政策‑舆情‑购买”双阶段预测模型，提高了政策对市场购买行为影响效果的预测准确率。

摘要： 本申请涉及人工智能应用技术领域，尤其是涉及一种基于机器学习的企业政策匹配方法、装置、电子设备及存储介质，包括以下步骤：获取获批企业以及对应的获批政策项目；根据所述获批企业和获批政策项目，获取对应的相似政策项目；根据所述获批企业、获批政策项目和相似政策项目，构建训练样本集；利用所述训练样本集进行模型训练，获取基于机器学习的企业政策匹配模型；基于所述企业政策匹配模型，获取目标企业与各政策项目的匹配结果集；对所述匹配结果集进行排序，生成所述目标企业的匹配推荐集。本发明使得用户能够快速方便地获得企业所匹配的政策项目信息，并且有效提高匹配的准确性。

摘要： 本发明公开了一种基于提示学习的政策文本分类方法，属于自然语言处理技术领域。本发明构建了一套完整的政策文件要素体系，通过将政策文件中的的各个不同要素作清晰划分，后续基于这个体系，能够更为准确地实现对政策文件中每个段落的分类。提供的政策文本分类器通过在原始段落中增加分类任务的提示语言，该提示语言中包含需要预测并填写标签的掩码位置，将段落分类问题转换为类型完形填空的分类预测问题，简化了段落分类预测的过程，能够基于所构建的完整的政策文件要素体系，更精准地从内容构成和文件结构的角度解析政策文件文本，并挖掘出更深层的信息，提高了段落分类的准确度。

摘要： 本发明涉及政策解读技术领域，且公开了一种基于深度学习的政策解读方法，包括以下步骤：S1、分析政策：通过深度学习算法对政策进行分析；S2、政策分析结果抽取：通过抽取引擎对其进行内容或抽取；S3、政策内容分类：基于s2的基础上进分类；S4、输出解读结果；S5、知识库完善。本发明中，利用深度学习技术完成政策文本的理解，抽取出政策关键词，政策，以及提炼相关政策形成Pair(政策，政策内容)以及(政策，关键词)。利用上述抽取的数据，完善相关的知识库以及搜索，提供相关的API以供使用，解决了政策实体抽取困难，政策分类效率低下；政策内容抽取效率低下；政策问答不准确；迭代训练困难；政策时效性更新缓慢等问题。

摘要： 本发明提供一种基于机器学习的政策文本分类方法，包括S1)、将数据分类标注，单文本标注；S2)、将各个类别的数据作为训练的数据集，S3)、将政策的标题合并为文本，并将文本转化为向量；S4)、选择CNN算法作为基础算法，将所有卷积核得到的特征拼接起来即为文本的定长向量表示，对于文本分类问题，将其连接至softmax即构建出完整的模型；S5)、定义输出的数据；S6)、将向量加入到元组；S7)、定义分类器；S8)、定义损失函数和准确函数S9)、定义优化方法，S10)、网络训练；S11)、模型评估；S12)、模型预测。本发明具有高效、准确的、智能的政策分类的效果，实现了大规模处理政策数据的分类的难题。

摘要： 本发明提供了一种基于政策规划约束Q学习的动态频谱接入方法，认知用户对频谱状态空间进行划分，选出合理和合法的状态空间；对上述状态空间进行分等级模块化；每个等级模块，完成Q学习前的Q表初始化工作；每个模块单独的进行Q学习算法，根据学习规则结合动作选择算法，综合考虑所有学习模块进行决策，得出认知用户最终要采取的动作；判断选择接入的频谱是否和授权用户冲突，若发生冲突则计算冲突概率，否则进入下步；判断环境政策规划知识库是否发生改变，若变，更新环境政策规划知识库，并调整学习的Q值；重复上述部分步骤，直到学习收敛。本发明能提高系统整体性能并可克服智能体学习的盲目性、提高学习效率、加快收敛速度。

摘要： 取得部取得从控制对象观测到的、表示解释变量与目标变量的组合的多个观测数据。教师用学习部基于由取得部取得的多个观测数据，对用于根据解释变量输出目标变量的模型执行学习，生成学习完毕的教师用模型。学习用数据生成部通过对由教师用学习部生成的教师用模型输入规定的解释变量，取得针对规定的解释变量的规定的目标变量，生成规定的解释变量和规定的目标变量的组合作为用于对决策树模型执行学习的学习用数据。

摘要： 本发明的基板处理装置(100)具备基板保持部(120)、药液供给部(130)、基板信息取得部(22a)、药液处理条件信息取得部(22b)、及控制部(22)。基板信息取得部(22a)取得包含硬化层厚度信息或离子注入条件信息的基板信息，该硬化层厚度信息表示处理对象基板的抗蚀层中的硬化层的厚度，该离子注入条件信息表示在抗蚀层形成硬化层的离子注入的条件。药液处理条件信息取得部(22b)基于基板信息，自学习完成模型取得表示关于处理对象基板的药液处理条件的药液处理条件信息。控制部(22)根据药液处理条件信息来控制基板保持部(120)及药液供给部(130)，以利用药液对处理对象基板进行处理。