态度是特定主体对特定对象的评价,体现了特定主体的心理反应倾向。政府新闻文本依托于新闻发布制度产生,能有效表明政府立场,体现政府态度。当前学界开展的政府态度研究主要采用量表法、逻辑推理法以及内容分析法,研究方法的智能性有待提升。因此,引入文本挖掘方法对新闻文本中蕴含的政府态度进行识别,有效扩充了该领域的研究方法,提升了政府态度识别的效率,为情报分析工作提供决策支持,具备较强的理论意义与现实意义。在系统总结国内外有关政府态度识别研究成果的基础上,结合基本理论,厘清了政府新闻文本与政府态度的关联性,利用SO-PMI算法、Word2vec模型、LDA主题模型等文本挖掘方法,构建基于新闻文本的政府态度智能识别模型,并进行了实证分析。论文的具体研究内容如下:（1）通过对国内外关于政府态度识别相关成果的梳理,发现当前研究鲜有使用文本挖掘方法对政府态度进行自动识别。在对态度理论、新闻发布、LDA主题模型与文本实体抽取等相关理论、方法进行论述的基础上,分析了以新闻文本作为研究切入点、利用LDA主题模型等文本挖掘法方法进行政府态度智能识别的合理性,提出了基于新闻文本的政府态度智能识别研究的设想。（2）构建领域态度词典,设定态度词典匹配规则。在评价理论的基础上梳理形成基准态度极性词典,结合模糊限制语与程度副词等级关系形成态度强度词典,利用SO-PMI算法、Word2vec模型,扩展态度词典,并设定态度词典匹配算法。（3）基于主题分析与实体抽取结果,构建热门主题下的细粒度政府态度识别维度表。使用LDA主题模型与困惑度对实验语料库进行主题分析,确立最佳主题数,提取热点主题。抽取热点主题下新闻文本包含的命名实体,统计各热点主题下的实体分布情况,形成细粒度的态度识别维度表。（4）构建政府态度智能识别模型,并进行实证分析与模型评价。在实证分析过程中按照态度识别维度表,对热门主题下新闻文本的态度极性与强度进行可视化展现,进行不同维度下态度匹配结果的对比分析。结果表明基于新闻文本的政府态度识别模型具备较好的识别效果,文末进行总结并提出了模型改进意见。