在本文中，我们开发了一个基于 Wordscores 模型的机器学习框架，该框架允许联合分析中央银行的官方（政策声明）和非官方（报纸文章）沟通。 该框架可以应用于非常大的文章集合，并且不需要人工输入。 它在 1998 年至 2018 年期间在波兰国家银行的案例中进行了测试，伴随利率变化的 70 份政策声明和波兰主要报纸 Rzeczpospolita 发表的 21,000 多篇提及中央银行的文章。 使用一个新概念——政策词汇情感——我们发现，当媒体讨论属于 NBP 授权的话题（通货膨胀、利率和货币政策）时，NBP 可以成功地影响媒体话语，而当一个特定领域受到其他机构的监督时，则影响较小机构，例如在公共财政的情况下。 NBP 的沟通表现出有趣的不对称性，例如，在加息时，通胀更常作为关键的政策声明主题出现，而只有在降低利率时，一般经济才是关键主题。 我们记录了央行官方和非官方沟通在短期内是一致的。 但是在较长时期内的沟通非常不一致，这与货币政策委员会组成的变化有关，所有成员都同时发生变化。 开发的框架在中央银行沟通一致的时期特别有用。
