在人工智能、科技发展的时代背景下,提升综合国力和国际竞争力的核心聚焦在科技方面。我国从“十二五”到“十四五”逐步阐明科技创新发展与科技自立自强是国家发展的战略支撑。而科技政策是实现科技创新、科技发展和国家战略发展的具体手段,对其进行研究能够提出政策制定、战略布局等建议,构建完善、科学、系统化的科技政策体系。在科技政策方面,学者们运用深度学习的定量研究刚起步且模型陈旧,在结合政策工具的分析框架研究方面,多是聚焦于具体领域的主题研究,而对政策在发展阶段中起到的实施力度、作用强度和文本性质方面的分析则有所欠缺。因此,本文基于先前对科技政策、深度学习和分析框架的研究,进一步探索深度学习在科技政策领域的定量分析。通过对北大法宝收集到的科技政策进行处理,并经过实验测试确定三种神经网络模型的最优效果参数,分别评估了三种原理的神经网络、文本长度、科技政策自定义词典依赖性对分类效果的影响。并在此基础上提出“政策性质-政策工具”二维分析框架,以探究科技政策本身的属性和特质,最后在广东省科技人才政策上从二维框架和发展阶段的角度进行实证研究,定量研究政策的战略布局与薄弱环节,验证该框架的科学性、有效性。在科技政策数量急剧增长的背景下,为提高信息处理能力和效率、降低人工解读文件的偏差、进行更精确有效的定量分析,本文进行了积极的探索,并尝试构建一个建设性的解决方案。一方面,在科技政策领域应用深度学习进行知识发现、挖掘,实现政策科学与人工智能的科学前沿推进。另一方面,构建“政策性质-政策工具”二维分析框架,探究政府发展规划和布局架构,为后续的政策制定、管理决策提供重要的参考价值。本文的创新点在于:（1）在科技政策领域探索深度学习方法的优劣,使用科技政策作为研究对象,运用深度学习构建分类器,提高政策分析效率,降低人工信息解读偏差,为政府部门和相关人员提供决策依据。（2）在科技政策领域提出“政策性质-政策工具”二维分析框架,从这两个角度解读政府的政策规划与战略布局,结合发展阶段进行定量分析,为政策的制定、调整提供管理价值和决策建议。