【摘要】[目的/意义]为准确识别影响公共价值共识的重要因素及其作用方式，提升政务新媒体广泛凝聚共识的能力和水平，提出一种融合XGBoost与SHAP的政务新媒体公共价值可解释性模型。[方法/过程]以“今日头条”下500篇政务头条号文章及32185条评论为研究对象。首先，识别文章的公共价值共识，并从内容、形式、情感3个维度提取文章特征变量，将预处理后的数据作为模型的输入。其次，构建基于XGBoost的政务新媒体公共价值共识预测模型，并与LR、SVM、LGBM等其他主流机器学习算法进行实验对比，找到综合最优模型。最后，引入SHAP解释框架，对各特征变量的重要性进行量化和归因。[结果/结论]结果发现，XGBoost模型在准确率、召回率、F1-score、AUC4项性能指标上均优于对比模型，性能优异。此外，文章主题类型、公共价值类型、文章长度、内容形式、文章情感属性、标题情绪符数量是影响政务头条号文章共识的重要特征，它们对公共价值共识的影响方式、影响方向和影响力度各有差异。