引言

从新中国成立后的社会主义革命和建设时期，到改革开放和新时代经济建设时期，我国通过先试点后推广、先局部后整体、“干中学”和“学中干”等一系列“摸着石头过河”策略，不断取得经济建设的突破和发展 ^[1]，中国现代化建设是通过不断摸索，采用树标杆方法来进行的，美丽中国建设也如此。2022年，生态环境部出台的《关于加强生态环境保护推进美丽中国建设的指导意见》要求“坚持因地制宜，分类推进，立足实际情况，注重地域差异，强化分区分类指导”，同时明确要求，“坚持典范引领，建立健全激励机制，鼓励基础条件较好市县先行先试，总结推广经验做法，逐步实现美丽中国建设地方实践全覆盖”。近年来各地坚持分区分类，推进生态文明绩效评估，积极开展美丽中国建设实践，打造各美其美的美丽中国建设地方样板路径，形成了一批可复制和可操作的典型案例。

尽管我国评模范、树典型的模式日趋成熟，已应用于地方各级特色生态示范文明建设中，但仍缺乏对先行试点、示范区等模范案例学习路径的相关研究，即并未涉及关键环节，如“标杆案例学习路径是什么”“新案例如何判断学哪个标杆”等。标杆典范不应仅限于表彰，更应发挥其推广作用，以供其他无经验的地区学习，从而促进整体生态文明的发展 ^[2]，为此，本研究充分融合大数据技术与生态文明建设实践，拟设计一套基于大数据文本分析的辅助绩效评价体系和学习路径选择机制，从辅助评估机构和各地方政府角度探索美丽中国建设的分区分类问题，以解决目前美丽中国先行建设实践中所存在的绩效评价体系不完善，学习路径研究匮乏等问题，从而促进实现更高效、更全面的美丽中国建设。

1 美丽中国建设绩效评价现状 1.1 分区分类生态文明建设绩效评价现状

分区分类生态文明绩效评价是美丽中国建设中的重要任务，当前生态文明建设绩效评价体系趋于成熟。本文对当前生态文明绩效评价相关研究成果进行综述，并从数字类定性评价、数字类定量评价、非完全数字类定量评价、非完全数字类定性评价四个维度总结出生态文明绩效评价体系特点与现状，如表 1所示。

综上，针对数字类指标评价的研究成果众多，定量评价主要集中在利用量化方法对数字指标进行度量，比如刘素荣等运用频数统计法对山东省17个城市的生态文明建设绩效进行动态评价和分析 ^[19]，同时运用数据引擎、频数统计等方法构建了生态文明建设绩效评价指标体系 ^[20]。晋王强等运用熵权法对甘肃省近五年生态文明建设绩效水平进行了综合评价 ^[7]。Chen和Shi用熵权法计算评价指标权重，运用理想点模型计算理想点值，对理想点生态等级进行划分并运用主成分分析法揭示研究区生态变化特征 ^[21]。Mi等利用文本分析量化工具评估了江苏省53项生态文明政策在资源利用、环境保护等领域推进生态文明建设的成效 ^[22]。Lin等运用基于三维空间状态模型开发的评估模型判断瓯江口海洋生态文明建设总体绩效 ^[23]。Liu等基于传算法的投影寻踪模型测算了江西省11个地级市近四年的生态建设成果 ^[24]。而针对此类指标的定性评价，主要体现在结合专家意见法对数字指标进行确定与评估。比如，钱敏蕾等结合专家咨询法建立了反映特大城市发展状况及其建设方向的PSR指标体系框架 ^[25]。裴潇等运用专家反复咨询法确认了湖北省生态文明建设绩效评价指标 ^[26]。上述针对数字类指标的评价趋于成熟且成果丰富，但数字类指标过于单一，会导致评价不够全面，因此，对非完全数字类指标的相关评价需求越来越迫切。

随着国家数字化建设政策的发展，大数据技术与生态文明建设的深度融合为非完全数字类指标的发展提供了研究可能与技术支持。非完全数字类指标的优势在于可以充分发挥大数据的优势，在大数据的思维范式里，往往通过处理海量数据研究相关关系 ^[12]。与传统样本相比，大数据对政策评价的作用在本质上是相同的 ^[13]，但其本身的特点——对能造成社会影响的所有相关数据进行分析，使得对政策的评价更加接近事实本身，更科学化、客观化、合理化 ^[14]。目前，针对非完全数字类指标的评价主要集中在国家层面，因为全面的数据往往掌握在政府相关权威机构，比如，生态环境部对“绿水青山就是金山银山”实践创新基地（以下简称“两山”基地）实行的后评估和动态管理 ^[16]：国家对社会经济发展、农村环境保护等各类指标率进行验收评审 ^[17]，由生态环境部组织对副省级城市申报材料进行资料审核和实地核查，形成核查意见 ^[18]等。目前针对非完全数字类指标的评价多通过专家咨询法、问卷法等主观法来进行，但过于主观的定性评价并不能完全发挥非数字类指标的优势，因此如何对非完全数字类指标进行科学合理的定量评价十分重要。运用合理科学的大数据技术，对美丽中国建设实践相关的非完全数字类指标进行评价是关键。

与此同时，评价中的分类建设思想也不可或缺，比如在党的十八大中就重点提出构建生态文明建设的分类体系 ^[27]。2021年生态文明贵阳国际论坛中的重要成果——生态环境部首批《“绿水青山就是金山银山”实践模式与典型案例》的汇报中也重点突出“建设各有侧重点的生态文明建设典型案例”，直接说明了在生态文明建设中的关键是“分类”。《中共中央国务院关于做好二〇二二年全面推进乡村振兴重点工作的意见》的实施意见中提出，全面推进生态振兴要突出差异性，要求根据不同的资源条件、产业基础等探索不同的振兴路径模式 ^[28]。生态环境部在《关于进一步深化生态建设示范区工作的意见》中提出，深化生态建设示范区工作要加强分类指导，针对各地的经济社会发展状况和资源环境禀赋不同，科学规划，进一步强化分类管理等 ^[29]。在学术研究层面，也充分体现出分区分类对地域生态文明建设发展具有重要意义。比如，高梦洋等的差异化推进青藏高原生态文明建设研究 ^[30]；李玏等从生态功能区的客观规律和地域功能适宜性出发，构建分区分类的主体功能区评价体系 ^[31]；梅锦山提出了以水生态分区为基础的初步框架，并指出主体功能区规划衔接的必要性 ^[32]；魏本胜等基于绿道网络，在实践中解决了如何对城市进行水生态文明建设分区分类总体布局的问题 ^[33]。虽然上述成果众多，但目前分区分类仍存在主观性过强，定量方法欠缺的问题，无法将美丽中国分区分类理念贯彻透彻。

综上所述，总结当前分区分类生态文明建设实践中的优缺点可以发现，目前评价存在以下一系列问题：主观评价无法避免人工干扰、客观评价未发挥非传统指标优势、评价后缺乏学习路径研究，以及分类方法主观性较强无法充分发挥分区分类建设美丽中国内涵等。

1.2 标杆理论指导下的分区分类评价现状总结

基于标杆理论的指导，本文进一步分析目前美丽中国分区分类绩效评价体系的现状。科学的标杆选取必须具备三个要素，即“确立分类”“树立标杆”“找到学习路径”^[34]。在方法学中标杆理论提供了一种有效的理论基础，可以应用于各种领域的研究和实践。比如在政府绩效评价层面，王焕楠等利用标杆管理来规范政府绩效审计过程，以提升政府绩效审计实践的能力 ^[35]。第一要素“确立分类”是指将事物按照其特征进行分类，找出它们的共同点和差异点，从而建立一个分类系统。第二要素“树立标杆”是指在分类系统中，选取一个代表性的事物作为标杆，这个标杆需要具备一定的代表性和典型性，能够代表该分类系统中的大部分事物。第三要素“找到学习路径”是指在树立标杆的基础上建立一条从初学者到专家的学习路径，这个“学习路径”需要符合学习者的认知规律和学习需求，能够帮助学习者逐步深入地理解事物的本质，更好地学习，从而成为专家。

美丽中国建设中，在“树立标杆”层面，国家已经举办了一系列示范建设活动并取得重要成果，其中表彰评优方法也较为先进与成熟，但在“学习路径”研究方面的缺乏，是目前存在的一大问题。目前评价的主流方法，尤其是针对数字型指标的定量评价，只能依据标准评选出“优劣”，无法精准地将生态案例的学习路径进行提取。因此，树立标杆不应只产生学习榜样，更应该明确对应的学习路径。2023年全国生态环境保护工作会议中提出各个地方的经济状况、资源禀赋和环境承载力都不一样，能够调动的资源也不一样，这就要求根据实际情况科学合理地确定工作目标和推进的路径、策略、方法。此提议重点突出了生态文明实践中由于各地条件差异，单一的路径无法实现科学合理目标的问题。针对不同区域，实现各自生态任务的学习路径具有实际意义。不止生态建设层面，学习路径的重要性在其他领域也受到重视，并且应用广泛，学习路径可以有效地促进政策的实施效果，加快政策实践，学习路径对行业深化发展具有重要意义 ^[36-40]。

综上所述，基于标杆管理的“确立分类、确立标杆、选择学习路径”三要素思想，创造出基于大数据文本分析的美丽中国分类辅助绩效评价体系和学习路径选择机制，，科学、有效地改善目前评价中无法找到学习路径的问题，保证标杆目标选取以及学习路径提取的高效性。

2 基于大数据分析的美丽中国建设CBW体系构建 2.1 CBW辅助绩效评价体系

CBW辅助绩效评价体系通过一系列大数据技术将生态案例进行C——分区分类、B——确立标杆、W——选择学习路径的CBW三要素处理。目前现有的生态文明绩效评价体系大致通过指标评价法或专家意见法等定量、定性方法确定若干示范案例并讨论示范案例的分类。本体系通过双层辅助绩效评价体系，以促进美丽中国建设的高效发展，为现有生态文明绩效评价体系提供补充和辅助。如图 1所示。

从辅助评比机构角度出发，本体系通过对参评案例数据进行文本聚类、文本情感分析、社会网络路径分析等一系列处理，旨在确立评估案例分类、树立标杆、找到学习路径。从辅助案例发展的各地机构的角度出发，通过对现有参评案例数据与新案例数据进行文本聚类处理，帮助新案例找到学习标杆，并对应找出可参考的学习路径。

2.2 CBW方法体系适用性

为了克服目前分区分类美丽中国建设绩效评价体系的不足与缺陷，我们充分发挥大数据优势，将非完全数字类指标融入评价体系中，利用文本数据，改善目前绩效评价体系中的问题。

2.2.1 分类方法适用性

为了弥补现有生态文明分区分类方法过于主观的不足，选用具有简便通用性的文本聚类方法对文本数据进行分类。文本聚类的目的是将大规模的文本数据集分组成为多个类 ^[41]，可以根据“同类文档相似度大，不同类的文档相似度小”的原理将文本进行归类划分。聚类适用于数据样本的自动化处理流程，无需对文档进行手工标注类别等操作，具有便捷性。本文选用K聚类，在聚类中，基于划分的K聚类算法比较简单，当结果簇之间的区别明显且簇内数据点密集时，它的效果较好，在处理大数据集时，有相对可伸缩性和高效率。

2.2.2 评价方法适用性

目前政府各层面筛选标杆的方法趋于丰富并取得诸多成果。秉承着简便、通用、灵活高效的大数据技术选取的原则，本研究运用文本情感分析技术，对包含“情感色彩的文本”进行分析、处理、归纳。从实践角度，评估者基于情感词典的方法制定一系列生态文明建设评比规则，之后他们可以利用这些规则自动对生态案例文本进行段落拆解、句法分析和计算情感值，选用情感值来作为文本的情感倾向，从而得出评价结果。

2.2.3 学习路径方法适用性

为了筛选文本数据的标杆路径并对标杆进行学习推广，本文选用共词分析法和社会网络分析技术，对标杆学习路径进行探析提取，以弥补目前生态文明评价中学习路径缺乏的缺陷。

共词分析法表示两个词同时出现在文献中的次数，同时出现的次数越多，说明两者之间的关系越密切，距离越近。本文选取案例的关键词作共词分析，利用操作简便、界面可视化的共现网络矩阵生成器生成关键词的共词矩阵，这种方法具有通用性。社会网络是由行动者以及行动者关系组成的集合，每个数据点的连线表示两者之间存在着某种关系，关系的强弱由线的粗细表示，其中“度数”“密度”“路径”“距离”等都可以用来衡量两者之间的关系。利用社会网络表示关键词之间关联的程度，通过线的粗细以及线的数量找到关键词之间的关联程度，从而找到具有明显意义特征的类团，进而确定标杆的学习路径。

2.2.4 新案例学习目标定位方法适用性

在分类标杆确定以及对应的学习路径提取后，为了进一步确认当地政府如何定位新案例的学习标杆并找到对应学习路径，选用基于TF-IDF和余弦相似性的文本相似度分析法，通过这种方法，可以比较新案例与已有标杆的相似度，从而确定其学习标杆，并提取对应的学习路径。随着算法的优化，文本相似度的精确度也不断提升, 并被广泛应用于文献查重、分类等领域。文本相似度计算旨在量化文本之间的共性和差异, 共性越大、差异越小, 则相似度越高 ^[42]。基于TF-IDF和余弦相似性的文本相似度可以有效地将核心关键词提取出来，根据公式TF- IDF=词频（TF）×逆文档频率（IDF）, 计算某词的TF-IDF的值, 词语对文章的重要性越高, 它的TF- IDF值就越大，因此某词的TF-IDF的值越大, 说明该词在该文档中出现的次数越多, 可以作为文档的关键词。余弦距离是度量两个向量差异大小的指标，通过计算向量空间中两个向量夹角的余弦值来衡量, 值越接近1, 说明夹角越接近0度, 表明两个向量越相似。

2.3 美丽中国建设C分类方法介绍

选择聚类分析中常用的K-means均值聚类算法，并利用误差平方和SSE划分18个典型样本的类别，步骤如下。

定义18个数据对象的数据集合D={x₁, x₂, …, x_n}，由聚类后产生的类别集合为C={C₁, C₂, …, C_k}。

(1)

其中，C_k是第k个聚类的中心点，计算公式:

(2)

① 数据读取与采集层。通过对18个案例进行整理，将案例文本以csv的格式存储在本地。②数据预处理层。包括去除标点符号和停用词，利用TF-IDF算法提取关键词。③使用手肘法选择聚类中心，核心指标是SSE（误差平方和）。SSE是所有样本的聚类误差，代表了聚类效果的好坏。核心思想是：随着聚类数k的增大，样本划分会更加精细，每个簇的聚合程度会逐渐提高，那么误差平方和SSE自然会逐渐变小，当曲线逐渐趋于平缓时，k值取得最优。④绘制词云图。

2.4 美丽中国建设案例B标杆筛选方法选择

选用基于TF-IDF权重的情感词典分析技术，对生态案例进行评价。根据TF-IDF算法，某个词语在一篇文章中出现次数越多, 同时在所有文档中出现次数越少, 越能够代表该文章的主题或特征。TF表示某个关键词在文章中出现的概率，IDF衡量某个词语的重要性，IDF的值越大，说明该词语具有很好的类别区分能力。某词的TF-IDF值越大，说明该词在该文档中出现的次数越多，此值可以有效地将能代表案例的核心关键词进行提取，保证结果的准确性。其中：

(3)

(4)

步骤如下：

① 对文本数据进行预处理，通过人工清洗、中文分词和过滤停用词等操作将完整连贯的句子分成若干个具有完整意义的词语。②根据语句结构、评价词语的权值、副词的情感程度以及语句的语气等因素，设计合适的计算规则。③初步构建情感词典，其中包含与生态环境建设相关的消极情感词典以及积极情感词典，以及程度副词等权重。为了扩充这个词典，我们使用了开源的Word2Vec模型，这个模型能够从大量未标注的语料中生成词的多维向量形式，并通过计算词在向量空间中的相似度，来衡量和表达文本或词汇之间的语义相似度。④完成情感打分，同时保存打分结果，如图 2所示。

2.5 美丽中国建设标杆W学习路径方法介绍 2.5.1 标杆学习路径提取方法选择介绍

选取通用化工具ucinet提取生态标杆的学习路径。步骤为：①使用TF-IDF算法提取每一类案例中的前30个关键词。②对提取到的每一类中30个词，利用共现网络图矩阵生成器，将30个高频关键词生成30×30的共词矩阵。③将共现矩阵导入社会网络ucinet中，用其内部的集成工具NetDraw得到基于中介中心性的社会网络共现图，图中节点越大，说明关键词出现频率越大，中心性越强。

2.5.2 新案例学习目标定位方法介绍

选用K-means均值聚类，将新案例与现有标杆案例做K-means相似度匹配，从而找到对应的标杆，并提取出标杆案例的学习路径，如图 3所示。

3 美丽中国建设CBW体系案例实践 3.1 样本选取与数据清洗

生态文明绩效评价中全面的数据是评价高效的关键和保障。如今美丽中国建设中评估指标明确，有关的文本数据也越来越充分，这些文本数据更能突出案例中数字不能体现的有价值信息，使评价更完善。本文秉承公正公开、可讨论、可复制的原则，选取2021年生态文明贵阳国际论坛发布的八种模式下18个实践典型案例文本以及《蝶变》一书中的40个典型案例文本作为评价的样本，通过去除重复案例并利用数据清洗技术对文本数据进行清洗处理，最终得到54个完整的案例样本。另外，选择生态文明建设典型案例，是为了以权威数据为参考，验证CBW体系方法结果的准确性，并确保方法的科学可信。

3.2 生态文明C分类实践结果

通过对样本案例进行词频统计处理，得到每个案例的核心关键词，此目的是将案例的核心信息充分提取，如表 2所示（部分案例示例）。

通过手肘法确定最优的k值，并进行可视化等步骤，可以得出代表生态发展类型的词云图以及对应词频表，如图 4至图 9以及表 3所示。

综上，文本聚类将样本案例分为六大类。第一类与“农业产业”相关。第二类与“生态产业、生态产品、渔业、旅游业”等复合型产业相关。第三类与“环境、绿色产业、旅游产业”等相关。第四类与“资源城市、绿化治理”等转化模式相关。第五类与“湿地修复”生态修复有关。第六类与“风沙治理、治沙、绿化”等绿色治理有关。详细关键词如表 3所示。

3.3 生态文明建设案例B标杆筛选实践结果

基于情感分析技术对案例文本进行评价，利用Word2Vec向量模型对情感分析词典进行扩充。情感分析技术中的词向量法会挖掘出原始数据中所有词的词向量，这时如果给词向量模型传入种子词，会根据向量的远近识别出多个近义词。研究采用单词向量的维数典型值在50 ~ 500的原则，并根据种子词筛选出每类词最相近的前100个词来进行情感分析词典的扩充 ^[43]。根据总分等于积极分值与消极分值之和的原则，将每个案例的积极得分与消极得分进行总和，结果如表 4所示。

需要说明的是，案例情感得分为0或负值并不代表案例的效果“差”，积极与消极分值在本研究中只是一个相对的概念。通过对每一类发展案例评分整合，最终确定出了每一类中的典型案例，分别为福建省永春县、浙江省淳安县、西藏自治区隆子县、江苏省贾汪区、云南省华坝县、湖南省资兴市。标杆案例评分结果如表 5所示。

3.4 美丽中国建设W标杆学习路径提取实践结果 3.4.1 生态文明标杆学习路径提取实践结果

利用社会网络分析工具，对样本案例进行处理，得到研究所需要的词频统计结果。样本中出现频次较高的词汇有30个，其中关键词“环境”在案例样本中出现的频率排名为第二十九位，频次为267次。而在案例样本词频统计结果中，出现频数最多的关键词是“旅游”，这也充分说明了旅游是此类样本的核心特征。其他高频词也都与旅游和环境保护密切相关。完成对典型案例样本的词频统计后，为了更准确地对美丽中国典型案例文本内容进行研究以配合对案例样本关键词的网络分析，构建了样本关键词共词矩阵。通过提取特征词，得到行特征词表以及行特征词共词矩阵，从而为接下来对典型案例的社会网络分析提供支撑。矩阵结果如表 6所示。

共现图可以有效地将关键词之间的脉络表示出来，见图 10。之后对案例的学习路径进行系统性的总结，如表 7所示。

根据结果分析，K-means聚类将54个样本案例分为六类。根据前文得出的词云图以及对应的关键词词频统计结果将六类分别命名为农业产业型、复合产业型、绿色旅游产业型、生态转化型、湿地修复型、风沙治理绿化型。本研究经过对比验证，以上结果与生态文明贵阳国际论坛《“绿水青山就是金山银山”实践模式与典型案例》一致。

3.4.2 新案例学习目标选择实践结果

为了便于验证新案例选择学习标杆与学习路径方法实践结果的准确性，随机选用生态环境部发表的“两山”基地之一的重庆市南岸区广阳岛。广阳岛是长江水路进入重庆主城区的“第一门户”，广阳岛案例是重庆市生态文明示范区重点项目。

根据提取的广阳岛生态文明建设的相关文本信息数据，利用K-means算法将重庆广阳岛文本与前文中的六类标杆案例文本做文本相似度比较，结果见表 8。

根据结果分析，广阳岛与永春县和淳安县的文本相似度较大，以此判断广阳岛标杆案例为永春县和淳安县。淳安县、永春县均为生态资源丰富的区域，以千岛湖等景区为代表，这些地区具备生态产业基础和完善的旅游产业链，属于复合产业型的代表案例。两地均通过生态产品和生态服务的融合，推动生态资源的转化和升级，并且建设了各自具有品牌效应的生态旅游项目等。进一步追溯国家“绿水青山就是金山银山”典型广阳岛的案例数据，发现广阳岛内山、水、林、田、湖、草生命共同体系统完整，拥有长江流域“水体—滩涂—湿地—岸线—岛屿”最典型和最完整的岛屿特征，岛外山环水绕、江峡相拥，历史悠久、人文底蕴深厚，这与永春县和淳安县的发展路径所需的基础条件一致，验证了计算结果的准确性。以淳安县、永春县为代表的复合产业发展路径对广阳岛生态文明建设的发展之路具有参考价值。

同时需要注意的是，任何一项管理方法都有局限性，标杆管理也不例外。尽管它在一定程度上有效地提高了政府相关机构的美丽中国建设实践的效率，但是应时刻注意“标杆管理的陷阱”，明白对标杆的学习实践是一个渐进的过程，并非一蹴而就，不应忽视创新性，造成盲目攀高、只求形式、不求本质的严重后果。总而言之，标杆管理是真正意义上的“拿来主义”，广阳岛不应将淳安县、永春县的发展路径照抄照搬，该地方政府实施标杆管理时，必须抓住学习创新的关键环节，以适应当地环境特点，并促进当地美丽中国建设目标的实现，只有做到既有组织，又有创新，才能真正发挥标杆管理的重要作用。然而那些曲解标杆管理思想实质，继续盲目推行标杆管理的后果会使当地政府的生态文明建设陷入“落后—标杆学习—再落后—再标杆学习”的死循环 ^[44]，这种做法不能从根本上提升当地政府美丽中国建设实践的效率。

4 结论

随着与美丽中国建设相关的大数据资源体系的不断夯实，数据技术与生态文明建设进一步深度融合，加强该领域建设实践的大数据技术创新是推进数字中国建设的重要内容。本文基于标杆理论支撑，探究基于大数据文本分析技术的美丽中国建设分类辅助绩效评价体系和学习路径选择机制，解决目前美丽中国分类分区建设中标杆的学习路径研究缺乏等问题。经过分析验证，现有结论与生态文明贵阳国际论坛结果一致。如今美丽中国建设中的评价指标和目标越来越明确，实地考察也越来越多，并且随着大数据技术的发展，相关文本也越来越全面，因此各地的美丽中国建设实践，均可利用此辅助评价体系来评选标杆并提取学习路径，以及确定新案例的学习目标与路径，从而为现有生态文明绩效评价体系提供辅助。站在辅助评比的主办机构角度分析，各级主管部门可要求各地区每年通过上交文本年报的方式，上报需要评优的案例，然后辅助评比的机构就可以基于CBW方法对评选案例进行C分区分类、B确立标杆、W选择学习路径的处理。站在发展新案例的当地政府角度分析，此方法体系可以帮助当地政府精准定位新案例的学习标杆，并对应出标杆的学习路径。需要说明的是此方法有效性的关键在于“文本数据”的有效性，即各级政府应及时公布评选案例的相关资料, 组成案例库以供评比使用。此体系也可以以一段时间为周期，对新榜样以及旧榜样进行动态再分类再评选等，这样可以有效避免静态评价的时间割裂性，同时保留旧标杆的价值信息，保证标杆的实效性与全面性。

CBW流程中的学习路径是辅助主管部门在美丽中国建设实践中的解决方案，这种方案既体现了公共政策的理性建构，也体现了建设实践主体的能动性和多样性。然而此方法体系也存在缺陷。在高水平科技自立自强和中国式现代化背景下，未来超大算力中心和带标注的超大型知识库越来越多，包括文本、图像、视频、音频等多种模态的信息，因此需要解决不同类型数据的融合问题。在今后的研究中可利用人工智能等更先进的大数据技术，对此方法体系进行改进与完善，以提高效率。