非常規(guī)突發(fā)事件在線信息處理及其演化傳播規(guī)律研究綜述

□劉 樑 史 浩 何 婧 李仕明 [電子科技大學 成都 610054]

引 言

非常規(guī)突發(fā)事件是指前兆不充分，具有明顯的復雜性特點和潛在的次生危害，破壞性嚴重，采取常規(guī)方法難以應對[1]。伴隨著人類社會在不斷發(fā)展社會經濟的同時，社會生態(tài)耦合系統在不斷受到由于人類社會自身而產生一系列事件的沖擊。追溯到我國改革開放時期，社會、政治和經濟發(fā)生了較大轉變，與之相對應的產業(yè)結構、經濟結構和社會結構出現了大變革的態(tài)勢，各種矛盾凸顯。非常規(guī)突發(fā)事件帶來了經濟損失和人民生命財產的損失，并嚴重威脅社會穩(wěn)定，已經引起社會學家和管理專家們越來越密切的關注。

非常規(guī)突發(fā)事件應急管理的核心在于應急決策，應急決策的重要前提是非常規(guī)突發(fā)事件在線信息的處理。在非常規(guī)突發(fā)事件在線信息的發(fā)生發(fā)展過程中，在線信息的處理決定著非常規(guī)突發(fā)事件的發(fā)生發(fā)展?？茖W應急決策的基礎則是高效、準確、及時地處理多源異構、海量實時的非常規(guī)突發(fā)事件信息。在信息化、網絡化時代，在線開源信息占總信息量的80%以上，是信息處理的重點。相關的研究表明，在非常規(guī)突發(fā)事件的發(fā)展過程中，在線信息的處理對事件的發(fā)生發(fā)展有著決定性的作用，而在線信息演化傳播規(guī)律的研究，對于有效預防和控制非常規(guī)突發(fā)事件有重要作用。

一、非常規(guī)突發(fā)事件在線信息處理研究

非常規(guī)突發(fā)事件在線信息的研究主要以網絡開源信息為研究對象。開源信息是指可以從公開渠道或者半公開渠道獲取的信息，通過對公開或半公開的信息展開識別挖掘處理獲取的知識及智能情報，稱為開源知識或情報。開源知識或情報早期主要運用在軍事領域，其主要是針對知識或情報的識別和挖掘，適用在非常規(guī)突發(fā)事件應急管理中的研究相對較少。

非常規(guī)突發(fā)事件屬于極小概率事件，且具有難以準確預測等特點，導致其開源信息或情報的處理有著其特殊的要求和方法。非常規(guī)突發(fā)事件開源信息或情報來源于不同的傳播媒介，針對通過在線信息獲取的數據的處理方法也不盡相同，主要是時空分析方法和事件演化分析方法，其中，時空分析方法包括時空掃描統計、時空可視化方法、時空插值方法、時空傳播模型等，事件演化分析方法包括數據驅動的算法、復雜網絡分析、基于智能體的仿真模擬算法等[2]。處理開源信息的技術原理主要有純文本抽取技術、將圖像數據轉換為文本數據的方法、信息抽取技術、語義圖技術等[3]；云計算在開源海量數據挖掘平臺的應用[4]；針對互聯網突發(fā)事件信息自動獲取和識別的方法包括：特征向量庫、決策表規(guī)則和最短距離相結合的匹配方法、使用向量空間模型和改進Robot技術等[5,6]。

二、非常規(guī)突發(fā)事件在線信息演化傳播規(guī)律研究

（一）在線信息傳播擴散機理

網絡危機信息是指在公共危機的潛伏、爆發(fā)、緩解及消除階段，政府、網絡媒體和公眾在網絡上發(fā)布和交流的與公共危機相關的所有信息之和[7]。網絡危機信息具有危機信息網絡信道動態(tài)化、參與的信息點動態(tài)化、信息流量動態(tài)化等特點。影響網絡危機信息傳播的主體主要有：政府、網絡媒體、網民。構建“政府-媒體-公眾”公共危機信息傳播模式的理論基礎是多元治理理論和危機溝通理論。政府、媒體與公眾以信息為載體發(fā)生聯系，形成一個完整的信息傳播系統[8]。

在線信息的演化傳播過程中，在線信息是通過不同的文字或圖片等符號進行傳播信息的，這些符號我們可將其稱為在線信息的編碼。通過編碼的信息可以通過不同的渠道向外界即網絡上的不同平臺展開；進而，在整個在線信息的演化傳播過程中，信息受到發(fā)布者不同背景、學歷、年齡和閱歷的影響，表現出不同的狀態(tài)，包括真確性信息和虛假謠言等。然而，對于虛假信息或謠言的出現，我們將其視為是一系列噪聲因素決定，其并將影響在線信息的整體傳播演化軌跡。在整個過程中，不同的主體對接觸到在線信息后，必然會根據自身的觀點和態(tài)度，做出判斷、反應和反饋的過程，具體表現在回帖、轉帖等手段和途徑[9]。

1.傳播擴散理論

最早且運用在大眾傳播領域的“5W模式”是由美國著名政治家Hardd Lass-well提出的[10]。緊接著，Shannon & Weaver的專著《傳播的數學理論》為其他領域的信息演化傳播的理論和方法奠定了基礎。隨著，由工程學家Osgood與Schramm提出的結合社會傳播互動性的“循環(huán)模式”，體現信息傳播的行為主體的多元化特點。基于此，提出了公共危機信息傳播的“3S”理論包括：小世界現象[11]、六度分隔假說、無標度網絡[12]。其中，“小世界模型”和“無標度模型”成為了復雜網絡研究中的兩個基本模型[13]。1973年，美國社會學家格蘭諾維特提出“弱關系的強勢”假設[14]。1992年，美國卡內基梅隆大學組織學教授克雷克哈德針對格蘭諾維特提出的“弱關系的強勢”的觀點提出“強關系的強勢”假設[15]。1992年，美國芝加哥大學社會學教授伯特（Ronald S·Burt）提出了另一新概念——結構洞理論。他將結構洞定義為“非冗余聯系之間的分割”[16]。

2.傳播擴散模式

Zanette首先將小世界網絡理論應用于危機信息傳播的研究，得出一些包括傳播臨界值在內的結論[17]。Moreno等人又運用無標度網絡建立了危機信息傳播模型，同時把由計算機仿真和通過隨機分析的方法得出的結論進行了比較[18]。李志宏等結合突發(fā)性公共危機信息傳播的特點，提出基于信息流強弱的突發(fā)性公共危機信息傳播模式[19]。孫華程在小世界網絡與無標度網絡結構模型的基礎上，考慮公共危機信息傳播具備的網絡節(jié)點增加和網絡節(jié)點連線增加等特點，在無標度網絡模型內引入可變集聚系數，建立公共危機信息傳播的復雜網絡結構模型[20]?；赟hannon和Weaver提出的信息傳播線性模式，Defleur提出了“互動過程模式”，其全面地闡述了在線信息演化傳播過程中，應更多地考慮謠言等噪音和信息傳播渠道的多樣性等特點，認為謠言等噪音對整個非常規(guī)突發(fā)事件在線信息的傳播擴散有著非常重要的影響，其會影響和決定在線信息傳播演化的整體方向。

3.傳播擴散階段

很多學者在研究非常規(guī)突發(fā)事件在線信息傳播演化規(guī)律的過程中，將在線信息的傳播擴散階段化。如：Robert Heath將非常規(guī)突發(fā)事件應急管理或危機管理劃分為減少、準備、反應和恢復4個階段，形成了最早的4R模型[21]。Steven Fink認為在線信息的傳播擴散必然是一個解決問題的過程，且符合生命周期理論，具有循環(huán)整體系統性，其將信息的傳播擴散劃分為：潛在期、突發(fā)期、蔓延期和解決期，對非常規(guī)突發(fā)事件在線信息傳播演化規(guī)律研究提供了重要理論基礎[22]。同時，國內學者也展開了相關的研究，主要考慮信息在傳播過程中，由突發(fā)到穩(wěn)定，由無序到有序，李志宏等將在線信息的演化傳播劃分為前兆階段、爆發(fā)階段、蔓延階段、緩解階段和終止階段等5個階段[23]。

（二）動態(tài)網絡危機情報的交互機制

1.交互機制理論

在突發(fā)事件網絡輿情作用機制中，有四個作用主體：政府、媒體、網民以及非常規(guī)突發(fā)事件。就非常規(guī)突發(fā)事件的網絡輿情而言，事前、事中和事后的三個階段對應著網絡輿情的產生、傳播和整合，并對應著網絡輿情的預警、網絡輿情的干預和網絡輿情的評估[24]。在現有的研究中，我們不難發(fā)現：大多數學者在在線信息或輿情的演化傳播規(guī)律研究中，更多是以定性研究為主，定量化的研究相對較少。如：由于在線信息的形成或發(fā)生，具有周期性，會按照時間的變化而變化。從輿情熱度的角度介入，輿情形成是以時間為導向的，劃分為：醞釀階段、出現階段、形成戰(zhàn)象階段?；诖?，韓立新、霍江河等將在線信息的發(fā)生發(fā)展以時間為節(jié)點，將其過程概括為顯現期、成長期、演變期、爆發(fā)期、降溫期和長尾期等[25]。劉怡君等運用社會物理學理論，對網絡預警的內在機理展開分析和研究，主要體現在將網絡輿情劃分為潛伏期、活躍期和衰退期幾個階段進行定性研究，基于此，并運用MAS仿真技術對網絡輿情的演化傳播過程和規(guī)律展開了定量分析和研究[26]。我國著名系統科學家錢學森院士提出了定性定量相結合的解決復雜問題的新的方法論，其更多強調的是定性與定量的綜合集成[27]。

2.交互機制模型

針對非常規(guī)突發(fā)事件在線信息交互機制模型的研究中，主要有Sznajd模型、Krause-Hegselmann模型和Deffuant模型。Sznajd模型更多的側重于意見的統一和整體性的研究，其強調當相鄰的主體意見觀點相同的情況下，在一定距離范圍內，可以使其周圍所有的相鄰主體意見一致[28]。Krause-Hegselmann模型更多側重于平均觀念，其強調在一定距離范圍內，征求所有相鄰主體的主觀意見，再將其進行計算，得到最終意見。Deffuant模型更多側重于對距離的定義和信息傳遞主體的選擇，其強調在一定距離范圍內，不同的主體均等地選擇信息傳遞的其他主體，規(guī)定了一定距離的意見會具有一定的比例，但意見和觀點不需要一致[29]。這三種模型的相同點在于不同主體在意見和觀點的傳播過程中都具有一定的心理規(guī)則，其也有各自的特點，Sznajd模型的特點在于各個主體之間的觀點或意見是一致性的。Krause-Hegselmann模型的特點在于是主體之間意見可能千差萬別，但最終的意見或觀點是居中的，平均化的，具有一定的從眾化現象。而Deffuant模型的特點在于從利觀點。

（三）在線危機信息傳播擴散模型

關于在線危機信息傳播擴散模型的研究，危機學者已經進行了卓有成效的研究，其中最具代表性的有以下幾種：

Shannon提出的在線危機信息線性傳播模型，他認為在線危機信息的傳播是一個從信息源到接收器的線性過程，在信息傳播的過程中噪聲源產生的噪聲會影響信息的傳播效果。

圖1 Shannon的危機信息線性傳播模型

在Shannon的基礎上，Osgood和Schramm進一步提出了危機信息的循環(huán)模型，他們認為危機信息的傳播是一個從編碼者-譯碼者-釋碼者-編碼者的循環(huán)過程，循環(huán)的內容即為各種危機信息。

圖2 Osgood和Schramm的危機信息循環(huán)傳播模型

Defleur在Shannon和Osgood等人的基礎上對危機信息的傳播方式做出了巨大的改進并提出了危機信息傳播的互動過程模型，他認為危機信息的傳播即是一個從信息源通過信息傳播通道傳遞到信息接收器的一個線性的過程，同時信息接收器對信息的處理和評估也會通過信息傳播通道對信息源產生影響。在線信息的傳播過程中，噪聲無處不在地影響著危機信息的傳播效果，而傳媒設施等因素會對危機信息的傳播起到擴音器的作用。

圖3 Defleur的互動過程模型

移動互聯時代人際關系方式的轉變也影響到了危機信息的傳播，在移動互聯時代的背景下，危機信息的傳播不再是一個線性的過程。在此環(huán)境下的每一個個體都同時承擔著危機信息的信息源和接受器的雙重角色，與此同時，在此環(huán)境下由于信息傳播速度更快，傳播范圍更廣，傳統媒體和專家學者對危機信息的內涵界定影響著公眾對危機信息的感知。在移動互聯網的大背景下，人與人之間的危機信息傳播重點在于關鍵節(jié)點的選取。而關鍵節(jié)點在不同程度上，受到了節(jié)點間相互關系和整個網絡結構特征的影響。當今社會，移動互聯網已成為信息傳播的主流媒介，對在線信息的傳播擴散起著重要的作用，應注重把握關鍵節(jié)點，對其進行正確的疏導和預警，更好地應對非常規(guī)突發(fā)事件在線信息的蔓延和惡化發(fā)展。

圖4 移動互聯網環(huán)境下危機信息人際傳播模型

三、結論

通過現有文獻的回顧，可以得到如下基本結論：

1.應急管理研究，還是十分年輕的領域，因而還缺乏系統、深入的研究。比如，現有文獻更多地針對應急管理中的某些子系統或者模塊的構建和運行進行了討論。盡管這種研究成果對應急信息準備體系的構建和運行有一定的指導，但難以從整體上認識、掌控應急信息準備體系，從而難以有效地應對非常規(guī)突發(fā)事件。

2.非常規(guī)突發(fā)事件應急管理的核心在于應急決策，應急決策的重要前提是非常規(guī)突發(fā)事件在線信息的處理。現有文獻對于非常規(guī)突發(fā)事件在線信息的感知、處理、傳播、交互機制的相關研究較多，但都未形成統一的標準，直接影響其適用性。

3.在非常規(guī)突發(fā)事件應急管理中，尤其是針對非常規(guī)突發(fā)事件在線信息的決策管理過程中，大多數學者更多的研究集中于定性研究，僅有少數學者將定性與定量研究結合的來研究非常規(guī)突發(fā)事件在線信息的演化規(guī)律?；诖?，為了更好地展開深入研究，可以運用復雜網絡、系統動力學、Agent仿真等技術來研究非常規(guī)突發(fā)事件在線信息的演化規(guī)律，進而為有效地預測預警非常規(guī)突發(fā)事件提供重要的理論基礎。

[1]鐘永光, 毛中根, 翁文國, 楊列勛.非常規(guī)突發(fā)事件應急管理研究進展[J].系統工程理論與實踐, 2012(5):911-918.

[2]曾大軍, 王飛躍, 曹志冬.開源信息在突發(fā)事件應急管理中的應用[J].科技導報, 2008, 26(16): 27-33.

[3]陳勇, 張佳驥, 吳立德, 劉海娟.基于開源信息的情報分析系統[J].無線電工程, 2009, 39(5): 25-28.

[4]趙華茗.搭建基于云計算的開源海量數據挖掘平臺[J].現代圖書情報技術, 2010(10): 76-81.

[5]鄒濤, 王繼成, 朱華宇,金翔宇,張福炎.WWW上的信息挖掘技術及實現[J].計算機研究與發(fā)展, 1999, 36(8):1019-1024.

[6]夏彥, 何琳.基于規(guī)則與統計相結合的互聯網突發(fā)事件識別研究[J].現代圖書情報技術, 2010(10): 65-69.

[7]彭志華, 楊瓊.基于可信度的網絡危機信息對公眾信息行為的影響分析[J].理論探討, 2010(1): 8-11.

[8]李春華, 龍厚仲.公共危機信息傳播模式及其運行[J].中國人民公安大學學報, 2010, 5(5): 23-27.

[9]惠志斌, 何小菁, 等.試論國家綜合性危機信息管理系統的建立[J].情報雜志, 2004(8): 5-6.

[10]SEVERN W J, TANKARD J W.傳播理論: 起源、方法與應用[M].郭鎮(zhèn)之, 等譯.北京: 華夏出版社, 2000.

[11]WATTS D, STROGATZ S.Collective dynamics of small-world networks [J].Nature, 1998(393): 440-442.

[12]BARABASI A L, ALBERT R.Emergence of scaling in random networks [J].Science, 1999(286): 509-512.

[13]PASTOR S R, VESPIGNANI A.Epidemic Spreading in Scale-free Networks[M].New York: Phys Rev Letts, 2001:83-86.

[14]GRANOVETTER M.The strength of weak ties [J].American Journal of Sociology, 1973, 78(6): 1360-1380.

[15]KRACKHARDT DAVID.The strength of strong ties:The importance of philos in organizations [A]// Nohria, Nitin,Robert G.Eccles, eds.Networks and Organizations: Structure,Form, and Action [M].Boston: Harvard Business School Press,1992: 216-239.

[16]BURT R.Structural holes; the social structure of competition[M].Cambridge, MA: Havard University Press,1992:345-356.

[17]ZANETTE D H.Dynamics of Rumour Propagation on Small World Networks [Z].cond-mat, 2001: 11-32.

[18]MORENO Y, NEKOVEE M, PACHECOL A F.Dynamics of Rumor Spreading in Complex Networks[J].Phys.Rev.E, 2004, 69: 66-130.

[19]李志宏, 何濟樂, 吳鵬飛.突發(fā)性公共危機信息傳播模式的時段性特征及管理對策[J].圖書情報工作, 2007,51(10): 88-92.

[20]孫華程.公共危機信息傳播空間結構模型研究[J].情報雜志, 2009, 28(4): 23-27.

[21]HEATH R.危機管理[M].王成, 等譯.北京: 中信出版社, 2004: 66-70.

[22]吳宜蓁.危機傳播: 公共關系與語藝觀點的理論與實證[M].蘇州: 蘇州大學出版社, 2002: 65-66.

[23]李志宏, 何濟樂, 吳鵬飛.突發(fā)性公共危機信息傳播模式的時段性特征及管理對策[J].圖書情報工作, 2007,51(10): 88-92.

[24]徐敬宏, 李欲曉, 方濱興, 劉穎.非常規(guī)突發(fā)事件中網絡輿情的生成及管理[J].當代傳播, 2010(4): 41-43.

[25]韓立新, 霍江河.蝴蝶效應與網絡輿情生成機制[J].新媒體, 2008(6): 64-66.

[26]劉怡君, 牛文元.輿論形成及其演化的機理建模分析[J].科學對社會的影響, 2009(3): 10-14.

[27]錢學森，于景元，戴汝為.一個科學新領域——開放的復雜巨系統及其方法論[J].自然雜志, 1990, 13(1): 3-10.

[28]STAUFFER D.Sociophysics: the Sznajd model and its applications[J].Computer Physics Communications, 2002，146:93-98.

[29]STAUFFER D.Sociophysics simula tions[J].Computing in Science and engiveering, 2003, 5(3): 71-75.