一个地区经济的发展与营商环境息息相关,而政策制度环境是营商环境的重要基石。近年来,我国中央及各地方政府均高度重视营商环境建设,以政策为载体,营商环境相关各领域内开展了多项改革。对我国营商环境政策文本进行分析并最终对此进行量化评价,能促进我国完善营商环境政策,从而推动营商环境的建设与优化。在此背景下,本文对我国2003年-2020年以来发布的营商环境政策文本进行了3个研究:（1）从文档级对我国三大经济地区的营商环境政策文本进行了整体内容上的多维度分析;（2）从句子级对营商环境政策语句进行细粒度的政策强度挖掘;（3）在前两个研究的基础上对营商环境政策文本进行量化评价,从而进一步探讨我国营商环境政策制定的进步与不足。首先,本文根据近年来我国营商环境建设和营商环境政策的发布情况进行区域和时期划分,通过DTM主题模型获取我国三大经济地区营商环境政策关注的方面,并进行区域政策关注方面及其动态演化的对比分析。在此基础上,本文设计了多维度分析框架,通过共现网络、Bert模型、PMC指数模型等,定量分析得出我国三大经济地区在政策相关性、政策差异性、指示性政策效用三个维度上存在的特点。其次,对营商环境政策文本只进行整体大致内容上的分析远远不够,政策文档中的政策语句往往具有更加丰富的信息,它不仅与某一政策关注的方面有关,还包含着具体的政策举措和政策强度。因此本文从句子级对我国营商环境政策文本展开强度挖掘,将政策强度挖掘任务分解成针对于政策语句的两个子任务:政策语句分类、二元组＜政策举措,政策强度＞抽取。在语句分类任务上,本文使用基于循环神经网络的主题模型Topic Rnn,实验结果表明相较于LDA主题模型和循环神经网络RNN模型,Topic Rnn模型在营商环境政策语句分类上有更好的表现;在抽取二元组＜政策举措,政策强度＞时,本文认为多头注意力机制在此任务上存在巨大潜力,不同于单个注意力机制过分的关注某一个特征,它能够扩展单个注意力机制的关注视野,因此本文具有创新性的提出了MAT-PIE模型来进行二元组抽取,通过对比实验确定了最优注意力机制个数和其他参数,且结果表明相较于LSTM、Bi LSTM、IOG模型,MAT-PIE模型在准确率和F值上有一定提升。最后,本文基于多维度分析和强度挖掘创建了营商环境政策文本量化评价模型,并对2019年上海市、北京市营商环境政策文本进行实证分析,将营商环境政策文本评价结果与实际营商环境评价结果进行对比,结果表明我国有关营商环境建设和优化的改革效果显著,但也存在进步空间,需进一步聚焦重点,精准施策。