Page 309 - 《软件学报》2026年第4期

1750 软件学报 2026 年第 37 卷第 4 期

314篇, 17%
387篇, 20%
政府公开工作报告 (1999-2023)
中央发布政策 (2020-2023)
259篇, 14%
宏观发展规划(2006-2024)及垂直部门年报 (2023)
政策新闻报道及解读 (2020-2023)
860篇, 45% 行业白皮书 (2024)
81篇, 4%
图 7 政务文档数据集统计信息

政务文档数据集中, 文档覆盖政务主题的详细统计情况如图 8 所示. 图 8 的词云统计显示了对政策法规、行
政服务和公共服务这 3 大政务服务主题下涉及的政务领域话题进行频次统计的结果, 分别罗列了出现频次前 50
的政务领域话题. 在政策法规类别下, 包含了行政处罚、法治政府、政务服务公开等诸多领域; 在行政服务类别
中, 有行政执法、行政审批、知识产权保护等多个细分领域; 在公共服务类别里, 涵盖了国民经济、环境保护、科
技创新等丰富的领域. 这些多样化的政务话题领域充分体现了数据集在覆盖不同政务领域上的全面性.

公共安全 产业政策 国民经济 突发事件
行政处罚 法治政府 行政强制 政务服务 行政处罚 食品药品安全 环境保护 信息服务
政策引导 财政政策 法律监督 法律法规 社会救助 乡村振兴
政策落实 数据共享 政府服务 国家战略 科技创新 政务公开
公共信息 行政责任 政务公开 行政立法 社会治理 市场监管
行政权力 政府行为 社会责任 法律援助 知识产权 公共文化 社会保险
行政部门 行政许可 行政效率 社会服务 公平竞争 立法机关
行政体制改革 知识产权保护 国家标准 建设项目 社会治安 生态文明 投资项目
行政决策 行政监察 行政审批 执行力 地方性法规
行政复议 公务员 法治建设 行政执法 信息安全 环境质量 经济建设 地方政府 公共卫生
政策法规 行政法规 行政审批 工程建设 法律法规
政务服务体系 公共管理 公共安全 行政管理 法律草案 教育改革 养老保险 养老服务
政策实施 公共政策 政府责任 社会福利 合规 地方政府 金融监管 土地保护法 国家安全 市场经济
行政程序 社会保障体系 安全生产
社会管理 行政效能 行政主管部门 法律责任 社会保障体系 社会稳定 行政审批
信用体系
便民服务 反垄断法 反腐败 网络安全 社会保障 行政管理 疫情防控
行政诉讼 政府职责 政府职能 知识产权 行政管理 法律保障 文化产业
行政监督 退役军人 养老金
社会信用体系 综合治理
预算管理 社会保障制度 新能源 基础设施建设
政务服务平台 法律援助
政府监管
政务数据 公共服务平台 环境保护 风险评估 市场准入 行政法 义务教育 基本医疗 学前教育
依法行政 电子政务 社会保障 市场秩序 民事诉讼法 自然灾害 城市管理 人力资源 国有资产
行政职权 服务型政府 法制建设 国家安全 市场监管自然资源 招商引资 食品安全
(a) 政策法规 (b) 行政服务 (c) 公共服务
图 8 政务文档数据集的政务领域覆盖

综上, 政务文档数据集覆盖丰富的数据类型、广泛地域和多种政务领域主题, 可多维多层次地全面反映我国
政务公开的地域特色和领域多样性.
4.2 政务问答对数据集
政务问答对数据集可细分为两类: 官方问答数据集和口语化问答数据集. 官方问答数据集中的问答对数据主
要来源于各省政务服务指南以及公开的政务问答库, 此类问答对由专家编写, 能有效覆盖政务服务咨询的核心内
容, 用于领域大语言模型的微调构建和模拟专家查询政务服务信息的使用场景. 此类数据共包含 3 031 条. 口语化
问答数据集中的数据源于政府官网上选登的民众疑问解答, 能有效模拟市民政务咨询场景, 包含 5 972 条数据. 为
了进一步提升数据质量, 本文对收集到的问答对数据进行了必要的信息增删, 使其在脱离政务服务指南上下文后,
仍能表述清晰.
为扩展问答对数据集在我国政策和发展规划方面知识的覆盖, 帮助领域大语言模型构建对国家发展的宏观认
识并进一步规范其语言表达方式, 本文使用 ChatGPT 3.5, 从各级政府公开的工作报告中挖掘问题及相关回答. 本
文基于 ChatGPT 的多轮对话能力分批次处理按 2 000 字截断的工作报告, 并通过指令生成基于文档内容的问答
对. 使用的提示模板记作 Q&A CollectionTemplate, 如图 9 所示. 对于生成的问答对, 再由人工进行筛选、优化, 以
确保问答对的内容质量. 优化后的问答对将被纳入官方问答数据集, 共 1 500 条数据.