基于引文的建模预测调查回应：以对美国好感度为例

调查回应的获取是开展旨在理解舆论的研究中的关键组成部分。然而，调查数据收集可能费力、耗时且昂贵，且无法保证足够的回应率。本文中，我们提出一种通过机器学习考察引文来预测调查回应的开创性方法。我们的研究聚焦于评估对美国的好感程度，这是许多组织和政府感兴趣的话题。我们利用来自不同国籍和时期个体的庞大引文语料库来提取其好感水平。我们结合自然语言处理技术与机器学习算法，构建调查回应的预测模型。我们考察两种情景：其一，某国尚未开展任何调查；其二，已开展调查但仅限特定年份且未覆盖所有年份。实验结果表明，我们提出的方法能以高准确度预测调查回应。此外，我们对促成模型性能的关键特征提供了详尽分析。本研究有望通过大幅降低开展调查所需的成本与时间，同时提供准确的舆论预测，对数据科学领域的调查研究产生影响。