随着大数据、云计算、人工智能等新一代信息技术的快速发展和政府信息化水平的提升,政府的治理范畴、内容和手段也受到了不可忽视的影响,近年来政府大数据也逐渐成为政务管理者和研究者关注的焦点。通过对海量政策文本的挖掘,在定性研究的基础上,借助信息技术等计量化手段对政策文本进行科学化的分析,找出政策文本的个性与共性规律,辅助政策研究者更好地进行量化研究,并为政策挖掘研究提供理论与技术支撑。同时,政策文本大数据挖掘会对政府治理产生深刻变革和影响,利用政务大数据提升政府决策水平和治理能力,对政府管理创新乃至智慧决策来说是一场新的机遇和挑战。本文首先对政策挖掘的现状和相关文献进行分析,结合实践及相关理论与技术提出采用深度学习中LSTM网络模型对政策文本进行挖掘研究,并对LSTM算法模型进行改进,提出了 SimHash-LSTM算法,提高了政策挖掘中文本分类的精度。本研究借助网络爬虫技术从互联网上获取中央及各个地方的百万份政策文本,并对文本进行清洗处理,构建了一个相对全面的政策文本数据库,进而基于改进的LSTM神经网络模型,实现对政策文本的分类、政策扩散等深入挖掘,并提供了智慧城市领域的政策文本分类以及政策扩散算例分析,验证了模型的有效性。在本文的最后通过面向对象编程的思维构建了基于深度学习的政策挖掘平台,提供从数据获取、数据清洗、文本分词、文本表示到文本摘要、文本分类、相似度计算、主题模型等整个挖掘过程的可视化展示。通过Django、Bootstrap框架,结合NGINX代理、MySQL数据库等实现了页面的展示与交互,使得政策挖掘平台可以得到更进一步的推广应用。