当前，数字化进程飞速推进，信息传播格局深刻改变，传统的政策舆论引导方式越来越难以满足现实需求。数智技术凭借强大的算力、精准的数据分析能力，顺势嵌入政策舆论引导工作，开辟出崭新路径。然而，因其自身存在数据偏见、数据安全等特性，不可避免地带来诸多棘手挑战。
一、相关概念
（一）数智技术
数智技术是数字化与智能化深度融合的产物。它以大数据、云计算等数字技术为基础，融合机器学习、深度学习等人工智能技术，具备强大的数据处理、分析和智能决策能力，能实现数据的智能化挖掘与应用，推动各领域变革。
（二）政策舆论引导
政策舆论引导是政府等相关主体通过一定的方式和手段，对于政策舆论进行有目的的影响和调控。旨在使公众正确理解政策意图、内容和意义，营造有利于政策制定、实施和推进的舆论氛围，促进公众对政策的认同、支持与配合，以保障政策目标的顺利实现。
二、数智技术嵌入政策舆论引导的应用策略
（一）数据收集分析，精准传播推荐
数智技术日新月异的发展，增强了网络政策舆论情绪扩散与引导治理建模的可解释性和稳健性。可使用自然语言生成算法和大数据检索，依赖数据情感分析、深度学习多分类模型等手段，对大量文本内容进行语义情感识别，快速判断用户针对各类政策舆论的情绪态度。其中，强化学习、迁移学习和去偏学习的推荐系统可以基于政务媒体所收集的数据集，对历史交互信息和事实样本反馈（点击率、转化率等）进行分析，构建出模型的最优参数。
在日新月异的互联网时代，用户充斥负面情绪，此情况不可忽视，因此需要积极寻找背后原因，短时间无法改变的，避免与其正面对抗，可通过适当安抚、合理解释，疏通信息渠道。从另一个维度来讲，大数据部署算法也可进行隔离，减少消极传播，促进积极衍生，提振用户信心。
（二）文本分词处理，理想主题确定
为确保词汇识别的准确性，提升模型预测精度。可在通用词表的基础上，使用聚类算法构建自定义表、同义词词表和去停用词表，把网络用语、专有名字、缩写词等增加到自定义词表中。把具有相同意思的词进行合并增加到词表中，可使分词结果更加精确，同时也可以去除无意义的词语。Python编程而言，可利用jieba对政策舆论的文本语料数据库进行大规模属性约简以及多分类预测。
此外，人工智能中的深度神经网络一般依托于大量数据、文本进行模型学习和参数训练，小批量的数据变化可能会导致先前训练的模型不再准确或有效，影响文本分词处理进度，导致政策舆论主题识别混乱。但是，迁移学习范式可以不依赖大规模数据完成半监督学习或无监督学习，其参数训练过程已在相似领域完善。其核心思想是利用一个领域已有的先验经验，来辅助相似领域完成模式识别，可避免模型预测过拟合，这在处理小批量政策舆论事件样本中非常适用。
三、数智技术嵌入政策舆论引导的风险挑战
（一）技术之困：数据偏见训练与虚假信息污染风险
偏差数据样本通常会反映出特定群体的倾向和偏好，进而衍生出群体间的对抗、冲突，从而导致舆论多样化、分歧多元化。若政府主管部门获取的信息无法契合群众实际需求，舆论引导便会偏离方向，难以有的放矢，严重阻碍政民有效沟通。另外，智能信息依托数据库产生，一旦库内混入错误信息，经不断训练，错误内容便会成为影响舆论的“真实素材”。当下，相关技术在甄别不利信息、纷乱谣言时，精准检索能力有待提升，无法全方位、无死角对信息严格筛选把关。
（二）政策之隙：引导执行难题与解读偏差挑战
在政策执行环节，数智技术助力舆论引导时，部门协同困境凸显。各部门对数智技术掌握程度参差不齐，整合资源开展舆论引导工作时，常出现工作流程衔接断裂、责任界定模糊相互推诿的状况，极大削弱引导成效。同时，政策解读也暗藏隐患。政策文本专业性强、内容复杂，数智技术在将其转译为大众易懂的舆论引导信息过程中，可能因对政策核心要义把握不准，或技术运用失当，致使公众获取的信息偏离政策本意，引发误解，最终对政策落地实施形成阻碍。
（三）伦理之惑：数智应用的隐私与道德问题挑战
数智技术实际运用中，个人信息隐私风险丛生。部分基层政府机构或管理人员无视规范，既未向民众公开隐私保护政策与用户协议，也未取得民众许可，就私自收集个人信息，甚至用于非法勾当。即便信息获取途径合规，可一旦数据管理存在漏洞，或技术防护存在短板，信息泄露便防不胜防。此外，道德问题也不能忽视。
四、结语
数智技术嵌入政策舆论引导，虽开辟新径，却也挑战重重。未来，需政府、社会、技术方共同携手，优化机制、完善技术、严守伦理，让数智技术助力政策舆论引导行稳致远。
基金项目：烟台市社会科学规划研究项目“基于数智技术嵌入政策舆论引导的应用研究”（基金批准号：2024-SZQH-004）。
