数说两会｜1978年到2024年政府工作报告关键词盘点
2024年3月5日上午，十四届全国人大二次会议在人民大会堂举行开幕会。国务院总理李强代表国务院，向十四届全国人大二次会议作政府工作报告。
澎湃新闻从中国政府网上，整理了1978年至2024年共计47份《政府工作报告》，通过文本挖掘算法，一同解锁中国发展背后的政策密码。
一份政府工作报告一般分为两个部分：对过去的回顾总结、对未来工作的发展部署。
47年间，政府对未来的发展布局有何变化？澎湃新闻分析了在发展部署部分，关键词共现词的变化情况。
不难发现，近些年，一些新的共现词频繁出现：1978年至2017年的政府工作报告，和“发展”共同高频相邻出现的，是“经济”“社会”。然而，从2018年政府工作报告开始，“高质量”成为了“发展”最大的关键词。
不仅如此，“建设”的共现词，从早些年的“现代化建设”“经济建设”，发展到进入21世纪的“基础设施建设”，再到如今的“政府建设”。2024年政府工作报告提出，“全面加强政府建设，大力提升治理效能”。
澎湃新闻也统计了47份《政府工作报告》中的常青词汇。结果显示，“发展”、“建设”以及“经济”等词语在过去47年中一直高频出现。
还有部分词语愈发频繁地出现在《政府工作报告》中，例如“政策”“保障”。因其增长趋势，澎湃新闻将此类词语称为“喇叭形词语”。近些年新的喇叭形词语，还包括“高质量”“数字”“人工智能”。
那么，2024年的政府工作报告有哪些新词汇？澎湃新闻找到了一些今年提到，但过去五年（2019年-2023年）未曾提及的词语，例如“基础教育”“市场秩序”“质量第一”。
分析方法：
1.本文所有原始文本材料来自中国政府网1978年至2024年政府工作报告。
2.本文使用jieba分词（https://github.com/fxsjy/jieba/）。采用精确分词模式，避免重复分词和歧义。分词结果均去掉数字、单字、标点符号。
3.为增加分词正确率，在jieba分词的基础上加入自定义词典，自定义词典主要包含了往年人民网和新华网统计的两会热词。
4.在分词基础上，采用TF-IDF加权技术。词语的重要性随着它在文本中出现的次数成正比增加，但同时会随着它在语料库中出现的频率成反比下降。本文使用的语料库即1978年至2024年政府工作报告文本。
澎湃新闻记者 舒怡尔 对文本有所贡献