政策扩散是政策过程理论的重要研究领域,现有研究包括两个方面:一是政策扩散特征研究,可分为时空演进特征（如规模、方向或层级结构等）和内容演化特征（扩散程度或主题分布等）;二是政策扩散影响因素和机制研究,主要关注影响一项政策采纳的因素和动力机制,多采用回归模型或质性分析。计算社会学的发展为政策扩散研究提供了新的视角,通过数据挖掘技术对政策扩散的过程进行分析,可客观揭示政策扩散规律,进而有助于分析政策扩散的机理。近年来随着自然语言处理技术的不断发展以及政府信息公开措施的逐步加强,政策扩散的路径与活动得以被更好的记录,越来越多的学者开始运用文本量化方法来揭示一项政策在扩散过程中的内容变化。但目前研究还存在两个不足:（1）研究内容上,较少对时空演进和内容演化两方面特征进行综合分析,不利于完整揭示政策扩散的特征。同时也较少在政策扩散特征分析基础上进一步探究影响因素和机制。（2）研究方法上,主要通过词袋模型挖掘政策文本内容,这一方法忽略了句子的依存关系和词义信息,对文本语义揭示有所欠缺。此外,虽然目前已有学者对人工智能政策扩散开展了研究,但还存在政策文本主题揭示不够完整等不足。针对当前研究不足,本文开展的核心工作是:（1）构建政策扩散特征的多维测度指标;（2）提出一套能揭示深层次语义关联的文本挖掘算法;（3）基于文本关联挖掘算法设计政策扩散特征测度方法,利用文本相似度测度内容扩散程度特征,构建基于创新价值链的主题分析框架测度主题扩散分布特征;（4）采集我国2017年～2021年间颁布的110份人工智能政策文本,开展了我国人工智能央地政策扩散实证研究。本文研究表明:（1）在政策文本关联挖掘算法改进方面。本文所提出的融合句法结构和词汇语义特征的政策文本关联挖掘算法与传统算法相比,具备粒度更细、效果较好和功能较强的优势,可较好揭示政策扩散的内容演化特征。（2）在实证研究方面,本文发现:（1）在时间维度上,我国人工智能政策扩散呈现早期快速扩散、中期逐步放缓的特征。（2）在空间维度上,我国人工智能政策仍然是中央政府起主导地位,呈现出“由点到面”的特征。并随着地方政府不断出台配套政策,政策扩散网络密度逐步降低、政府机构之间的关联程度呈现“先上升、后下降”的趋势且地方政策正形成一定规模聚焦效应。（3）在内容扩散程度特征上,出台政策较少的省份与中央政策文本相似度较高,这一现象可能是因为各省出台人工智能政策时先“跟踪学习中央政策”、后“因地制宜创新细化”,出台政策较少的省份还停留在早期学习模仿阶段。（4）在文本主题分布特征上,我国中央与地方的人工智能政策均更关注技术的研发与应用环节、更强调企业在创新价值链中发挥的作用且较少涉及到资金资本对技术发展支撑的相关内容。具体到各省,相较于中央政策,不同省份的人工智能政策在扩散过程中文本主题分布呈现差异性,如人工智能发展状况较好具有较多科技资源的省份更注重对创新价值链的前端（即基础理论）进行布局,反之亦成立。在扩散特征基础上,开展了初步的政策扩散影响因素和机制研究,表明科技资源水平是影响各省政策扩散主题分布的重要因素。本文的创新点和研究意义主要包括:（1）政策文本关联挖掘算法的创新,弥补了现有文本挖掘方法的不足;（2）政策扩散内容演化特征测度方法的创新,提升了对政策文本语义的揭示深度,有助于分析政策扩散的影响因素和机制,可为我国政策的试点示范提供补充性依据。本论文共包含图23幅,表8张,附录2个。