随着服务型政府建设的持续发展,我国政府日益注重民众对政府工作的意见,积极通过各种民主渠道收集民众对政府工作的意见以听取民意、科学决策。这些意见往往针对不同部门或是不同地区的政府,具有复杂的部门关联特征与显著的地理空间关联特征。探索主题与部门的复杂关联特征有利于政府部门精确把握民众关心的主题与相应部门之间的联系,从而有针对性地做出未来的工作安排;探索主题与地理空间的关联特征有利于政府机构了解不同区域民众关注主题的差异,从而进行资源的合理配置。然而,随着大数据时代的到来,海量级别的意见数据使得政府部门难以快速感知民众意见,不得不耗费大量的人力成本对数据特征进行统计。因此,急需开发一款工具,集成数据、算法与前端交互可视化展示以方便政府部门快速、准确地了解民众意见。政府工作意见数据往往以文本形式呈现,文本挖掘与可视化技术是探索文本数据的有效方式。其中,文本挖掘可以有效提取政府工作意见数据的隐藏特征,可视化技术可以将数据以图形的方式进行表达来提高信息的传输效率,并利用人机交互的用户界面辅助用户对大规模数据进行交互可视分析与探索。然而,从研究视角来看,当前对政府工作意见数据进行分析的相关研究大多都忽视了主题与部门关联特征、主题与地理空间的关联特征。从研究方法来看,更多采用传统的统计方法,而文本挖掘与可视化技术在政府工作意见数据分析领域的应用还比较少见。因此,本文基于文本挖掘技术对政府工作意见数据的主题与部门关联特征、主题与地理空间关联特征进行可视分析具有重大意义。本文的研究内容主要可分为两个部分:（1）基于潜在狄利克雷分布（LDA）对政府工作意见数据的主题与部门关联特征进行可视分析。首先,基于LDA设计主题与部门关联特征挖掘模型,具体来说融合LDA与TF-IDF算法设计主题增强的主题挖掘模型,进而利用信息熵探索主题与部门关联特征;其次,设计主题与部门关联特征可视分析系统,增加便利的人机交互模式,为用户深入探索和挖掘民众关注主题与部门关联特征提供有效手段。系统界面提供词云视图以展示主题增强特征,可交互桑基图以揭示意见在主题和多个部门的关联特征,矩阵图以直观地呈现意见数据在主题和部门之间的分布特征,从而实现对政府工作意见数据的综合判断和追踪分析。进一步提供主题时序演变和情感关联可视化设计,直观地呈现感兴趣主题特征的时序演变情况,并支持用户交互地探索主题的情感变化特征及与部门的关联;最后,使用真实数据集作为案例,论证算法与系统的可用性与有效性。（2）基于表征学习对政府工作意见数据的主题与地理空间关联特征进行可视分析。首先基于表征学习设计主题与地理空间关联特征挖掘模型,具体地利用Word2Vec算法将文本数据表征为高维词向量,通过t-SNE算法将高维向量映射至二维空间,以空间距离描述词语的语义结构特征,并采用DBSCAN密度聚类算法划分语义区间,以获得不同主题的语义特征,接下来使用基于泊松圆盘的自适应蓝噪声进行采样,保证各个主题下不同局部区间都能够有主题词被均匀采样出来,从而实现基于表征学习的主题语义特征挖掘,进而通过语义相似度计算建立主题与地理空间的关联;其次,设计主题与地理空间关联特征可视分析系统。系统界面提供的可视化展示功能包括利用投影视图展示意见在语义空间中的结构特征,词云图展示主题语义特征及不同地区关注热点主题语义特征,利用热力图展示主题与地理空间的关联;最后,通过真实的数据集,以案例分析的方式评估算法模型与可视分析系统的有效性与实际应用价值。本文贡献包括研究视角与研究方法的贡献。（1）从研究视角来看,本文对政府工作意见数据的主题与部门关联特征、主题与地理空间关联特征进行可视分析。而相关研究很少将民众关注的主题与部门或地理空间联系起来,从而探索民众关注的主题与部门或地理空间的关联性,因此本文在研究视角上具有一定的贡献。（2）从研究方法来看,本文使用文本挖掘与可视化技术对政府工作意见数据进行分析。而相关研究主要采用传统的统计方法对政府工作意见数据进行分析,因此本文在研究方法上具有一定的创新性。