[1] 黄新平, 黄萃, 张韫麒, 等. 面向决策的政府网站信息资源领域知识融合服务模型研究[J]. 图书情报工作, 2018, 62(23):6-13. [2] 黄萃. 政策文献量化研究[M]. 北京:科学出版社, 2016. [3] LIAO Z. Content analysis of China's environmental policy instruments on promoting firms' environmental innovation[J]. Environmental science & policy, 2018, 88(10):46-51. [4] 郭雨晖, 汤志伟, 翟元甫. 政策工具视角下智慧城市政策分析:从智慧城市到新型智慧城市[J]. 情报杂志, 2019, 38(6):201-207,200. [5] FARCHI T, SALGE T O. Shaping innovation in health care:a content analysis of innovation policies in the English NHS, 1948-2015[J]. Social science & medicine, 2017, 192(11):143-151. [6] LEDOUX C, PILOT E, DIAZ E, et al. Migrants' access to healthcare services within the European Union:a content analysis of policy documents in Ireland, Portugal and Spain[J]. Globalization and health, 2018, 14(1):57. [7] HUANG C, YANG C, SU J. Policy change analysis based on "policy target-policy instrument" patterns:a case study of China's nuclear energy policy[J]. Scientometrics 2018, 117(2):1081-1114. [8] ZHANG Q, LU Q, ZHONG D, et al. The pattern of policy change on disaster management in China:a bibliometric analysis of policy documents, 1949-2016[J]. Journal of disaster risk science, 2018, 9(2):55-73. [9] 张振华, 张国兴, 马亮, 等. 科技领域环境规制政策演进研究[J]. 科学学研究, 2020, 38(1):45-53. [10] 陈悦, 陈超美, 刘则渊, 等. CiteSpace知识图谱的方法论功能[J]. 科学学研究, 2015, 33(2):242-253. [11] CHEN C M. A glimpse of the first eight months of the COVID-19 literature on Microsoft Academic Graph:themes, citation contexts, and uncertainties[J]. Frontiers in research metrics and analytics, 2020, 5:607286. [12] ZHANG C, WANG S, SUN S, et al. Knowledge mapping of tourism demand forecasting research[J]. Tourism management perspectives, 2020, 35:100715. [13] 戴维奇, 王铱, 周丹. 基于文献计量分析的公司创业投资研究现状、主题与展望[J]. 创新科技, 2021, 21(8):8-24.. [14] 赵绘存, 高田. 基于制造业专利空间计量的京津冀协同创新演进研究[J]. 创新科技, 2021, 21(8):35-44. [15] 闫盛枫. 融合词向量语义增强和DTM模型的公共政策文本时序建模与演化分析——以"大数据领域"为例[J]. 情报科学, 2021, 39(9):146-154. [16] LI D, DING Y, SHUAI X, et al. Adding community and dynamic to topic models[J]. Journal of informetrics, 2012, 6(2):237-253. [17] 吴小兰, 章成志. 基于DTM-LPA的突发事件话题演化方法研究——以H7N9微博为例[J]. 图书与情报, 2015(3):9-16. [18] SHI L, DU J, LIANG M, et al. Dynamic topic modeling via self-aggregation for short text streams[J]. Peer-to-peer networking and applications, 2019, 12:1403-1417. [19] 董伟, 董思遥, 王聪, 等. 基于TF-IDF算法和DTM模型的网络学习社区主题分析[J]. 现代教育技术, 2022, 32(2):90-98. [20] 裴雷, 孙建军, 周兆韬. 政策文本计算:一种新的政策文本解读方式[J]. 图书与情报, 2016(6):47-55. [21] 盛东方, 尹航. 基于政策文本计算的突发公共事件下中小企业扶持政策供需匹配研究——以新冠肺炎疫情为例[J]. 现代情报, 2020, 40(8):10-19. [22] 黄萃, 任弢, 李江, 等. 责任与利益:基于政策文献量化分析的中国科技创新政策府际合作关系演进研究[J]. 管理世界, 2015(12):68-81. [23] 魏娜, 范梓腾, 孟庆国. 中国互联网信息服务治理机构网络关系演化与变迁——基于政策文献的量化考察[J]. 公共管理学报, 2019, 16(2):91-104,172-173. [24] 王萍, 王美月, 王益成, 等. 政府网站信息资源知识元模型与可视化表征研究[J]. 图书情报工作, 2018, 62(23):14-21. [25] 孟凡坤. 我国智慧城市政策演进特征及规律研究——基于政策文献的量化考察[J]. 情报杂志, 2020, 39(5):104-111. [26] 朱琳, 万远英, 戴小文. 大数据时代的城市社区治理创新研究[J]. 长白学刊, 2017(6):118-124. [27] 王轲. 中国城市社区治理创新的特征、动因及趋势[J]. 城市问题, 2019(3):67-76. [28] 赵静, 薛澜, 吴冠生. 敏捷思维引领城市治理转型:对多城市治理实践的分析[J]. 中国行政管理, 2021, 434(8):49-54. [29] WANG C, BLEI D, HECKERMAN D. Continuous time dynamic topic models[EB/OL].[2022-08-13]. https://arxiv.org/abs/1206.3298. [30] KIM E, KIM M. Topic-tracking-based dynamic user modeling with TV recommendation applications[J]. Applied intelligence, 2016, 44(11):771-792. [31] 刘冰玉, 王翠荣, 王聪, 等. 基于动态主题模型融合多维数据的微博社区发现算法[J]. 软件学报, 2017, 28(2):246-261. |