新闻文本主题关键词提取 2006-2025

数据来源       数据来源于新闻报道

时间跨度       2006~2025

区域跨度       光明日报、人民日报、新闻联播

数据格式       xlsx

数据简介

随着互联网的普及与媒体数字化转型，新闻报道成为社会大众获取信息、了解时事的主要渠道。每天产生的大量新闻文本不仅记录了社会事件的发展轨迹，也反映了公众关注的焦点和舆论走向。如何从这些海量文本中提炼出有价值的结构化信息，已成为新闻传播学、社会科学以及自然语言处理等领域的重要研究问题。

传统的人工分析方式难以应对大规模新闻数据，因此需要借助自动化的文本挖掘与建模方法。本研究基于新闻语料（光明日报、人民日报2024~2025年每日新闻文本，以及新闻联播2006~2024年的新闻文本），采用主题建模（Topic Modeling） 的思路，通过 潜在狄利克雷分配（LDA, LatentDirichlet Allocation） 模型对新闻文本进行无监督学习，识别其中潜在的主题分布与关键词特征。并且预设了八大方向（经济、科技、民生、环保、外交、教育、医疗、安全），对每篇新闻文本输出概率最大的五个主题和适配的方向词。希望能为后续研究（政策研究、社会热点监测、媒体报道风格分析等方向）提供数据支持。

数据指标

date newspaper     topic1_id topic1_name  probability1   topic2_id

topic2_name  probability2   topic3_id topic3_name  probability3   topic4_id

topic4_name  probability4   topic5_id topic5_name  probability5   max_topic_id

max_topic_name   max_topic_keywords    max_probability    final_direction      

参考文献

方匡南，戴明晓，郑挺国，等。国家治理政府注意力指数构建及其应用 —— 基于新闻文本的测度 [J]. 统计研究，2025,42 (03):131-145.