面向應(yīng)急響應(yīng)需求的博客自適應(yīng)評(píng)價(jià)模型

閃四清，侯銀豐，劉孟妮

(1.北京航空航天大學(xué) 經(jīng)濟(jì)管理學(xué)院,北京 100191； 2.城市運(yùn)行應(yīng)急保障模擬技術(shù)北京市重點(diǎn)實(shí)驗(yàn)室,北京 100191)

?

面向應(yīng)急響應(yīng)需求的博客自適應(yīng)評(píng)價(jià)模型

閃四清1,2，侯銀豐1,2，劉孟妮1,2

(1.北京航空航天大學(xué) 經(jīng)濟(jì)管理學(xué)院,北京 100191； 2.城市運(yùn)行應(yīng)急保障模擬技術(shù)北京市重點(diǎn)實(shí)驗(yàn)室,北京 100191)

摘要：以合理利用博客資源，協(xié)助政府應(yīng)急響應(yīng)決策為目標(biāo)，提出一套面向需求的博客自適應(yīng)評(píng)價(jià)模型。采用LDA主題模型挖掘博客的主題分布，將主題視為信息需求單元，將決策工作對(duì)信息的需求傾向看作需求單元信息的優(yōu)先度影響因子，面向應(yīng)急響應(yīng)決策工作對(duì)博客進(jìn)行評(píng)價(jià)，并以實(shí)際使用的博客信息量統(tǒng)計(jì)分布更新需求單元信息的優(yōu)先度影響因子，實(shí)現(xiàn)自適應(yīng)學(xué)習(xí)反饋機(jī)制。最后，選取“天津港爆炸”事件的新浪博客數(shù)據(jù)作為案例，對(duì)模型的有效性予以驗(yàn)證。結(jié)果表明，面向應(yīng)急響應(yīng)決策需求的博客自適應(yīng)評(píng)價(jià)模型，能夠更好地滿足應(yīng)急管理和決策者需求。

關(guān)鍵詞：應(yīng)急管理；應(yīng)急決策；用戶生成內(nèi)容；博客；自適應(yīng)評(píng)估

Web 2.0時(shí)代包括博客在內(nèi)的用戶生成內(nèi)容(user-generated content，UGC)蓬勃發(fā)展。WANG等認(rèn)為在數(shù)據(jù)挖掘、輿情分析、信息索取及熱點(diǎn)探究等眾多領(lǐng)域中，針對(duì)UGC的研究工作都占有比較重要的位置，合理有效地分析UGC可以得到有價(jià)值的成果[1]。但是，網(wǎng)絡(luò)信息資源質(zhì)量參差不齊，這嚴(yán)重影響了博客對(duì)用戶的使用價(jià)值。因此，合理篩選、評(píng)價(jià)博客資源，具有較高的研究?jī)r(jià)值。用戶根據(jù)自身的需求，傳播、使用著不同的博客資源，UGC這一新興信息傳播模式的出現(xiàn)，為突發(fā)事件應(yīng)急管理提供了一條嶄新的思路。應(yīng)急管理包含多個(gè)階段的工作，不同工作階段和任務(wù)的信息需求不同，只有充分考慮用戶的需求，才能有效利用博客資源，從而協(xié)助政府應(yīng)急響應(yīng)決策。

筆者打破以往研究對(duì)網(wǎng)絡(luò)信息資源大而全的整體評(píng)價(jià)思維局限，提出以主題挖掘?yàn)槭侄?，面向需求，分類?duì)博客進(jìn)行評(píng)價(jià)。同時(shí)，以利用博客等網(wǎng)絡(luò)信息資源協(xié)助政府應(yīng)急響應(yīng)決策為目的，通過(guò)對(duì)博客評(píng)價(jià)的研究，提出一種有效利用網(wǎng)絡(luò)信息資源協(xié)助應(yīng)急決策和管理工作的新思路。

1文獻(xiàn)綜述

1.1應(yīng)急響應(yīng)決策信息需求研究現(xiàn)狀

應(yīng)急管理是一門(mén)多學(xué)科交融頻繁的復(fù)雜性系統(tǒng)科學(xué)，一般包括應(yīng)急預(yù)防、應(yīng)急準(zhǔn)備、應(yīng)急反應(yīng)、災(zāi)后恢復(fù)與重建4方面內(nèi)容[2]；胡代平等[3]提出政府危機(jī)管理中的5種應(yīng)急信息需求：預(yù)警信息、預(yù)防信息、控制信息、恢復(fù)信息及學(xué)習(xí)需要的信息；LEE等[4]認(rèn)為網(wǎng)絡(luò)信息資源在應(yīng)急響應(yīng)決策過(guò)程中具有重要的作用，可以有效地幫助決策人員分析事件特征，合理進(jìn)行決策；操學(xué)誠(chéng)等[5]通過(guò)對(duì)突發(fā)事件發(fā)生后網(wǎng)民在相關(guān)網(wǎng)絡(luò)平臺(tái)上的行為進(jìn)行研究，認(rèn)為突發(fā)事件發(fā)生后，民眾會(huì)在網(wǎng)絡(luò)平臺(tái)上發(fā)布許多對(duì)應(yīng)急救援有用的信息。

1.2博客等用戶生成內(nèi)容的評(píng)價(jià)研究現(xiàn)狀

博客等網(wǎng)絡(luò)信息資源質(zhì)量參差不齊[6]，利用這些資源協(xié)助應(yīng)急響應(yīng)決策，首先需要對(duì)其進(jìn)行合理的評(píng)價(jià)。MATTHEW[7]提出了一整套網(wǎng)絡(luò)信息資源評(píng)價(jià)的指標(biāo)體系；PESSEMIER等[8]研究了YouTube用戶的評(píng)價(jià)內(nèi)容與推薦內(nèi)容，提出依據(jù)用戶評(píng)價(jià)內(nèi)容和推薦內(nèi)容的網(wǎng)上視頻評(píng)價(jià)模型；陶青[9]采用層次分析法對(duì)UGC進(jìn)行了評(píng)價(jià)；WANG等提出了一種應(yīng)用句法結(jié)構(gòu)分析方法評(píng)估UGC質(zhì)量的評(píng)價(jià)模型；ONG等[10]研究了亞馬遜網(wǎng)站上的商品評(píng)論信息，提出了虛假評(píng)論在信息內(nèi)容性、可讀性和主觀性3方面的特征；RANSBOTHAM等[11]提出UGC內(nèi)容貢獻(xiàn)者數(shù)量、信息資源之間網(wǎng)絡(luò)特性、UGC資源年齡3方面都對(duì)協(xié)作式UGC的經(jīng)濟(jì)價(jià)值產(chǎn)生影響。

劉繼等[12]提出了網(wǎng)絡(luò)信息存在多個(gè)主題；張晨逸等[13-14]探究在大規(guī)模微博數(shù)據(jù)上應(yīng)用潛在狄利克雷分布模型(latent dirichlet allocation，LDA)挖掘文本話題；童薇等[15]提出一種基于LDA的微博文本話題抽取方法；VILLIERS等[16]采用K-Means方法測(cè)量信息距離，經(jīng)過(guò)AP算法進(jìn)行文本聚類，結(jié)合LDA主題生成模型，生成針對(duì)用戶個(gè)性微博主題推薦列表。

綜上所述，博客等UGC資源在應(yīng)急響應(yīng)決策中極具應(yīng)用價(jià)值。博客信息存在多種話題，應(yīng)急響應(yīng)工作的信息需求也多種多樣，對(duì)博客依據(jù)主題進(jìn)行分類，開(kāi)展面向應(yīng)急響應(yīng)決策需求的博客評(píng)價(jià)研究具有重要意義。目前，國(guó)內(nèi)外學(xué)者對(duì)于博客等UGC的評(píng)價(jià)研究較為匱乏，評(píng)價(jià)過(guò)于粗糙，實(shí)用性較差。因此，筆者的研究彌補(bǔ)了上述不足，具有一定的理論與現(xiàn)實(shí)意義。

2評(píng)價(jià)模型

2.1博客主題挖掘

筆者提出對(duì)博客進(jìn)行面向主題的分類評(píng)價(jià)，需要對(duì)博客進(jìn)行主題挖掘。以往學(xué)者在網(wǎng)絡(luò)信息資源主題挖掘方面多采用LDA概率主題模型[17]，具有較好的主題挖掘效果。首先LDA模型是一種基于語(yǔ)料的生成概率模型，LDA應(yīng)用馬爾科夫鏈作為數(shù)據(jù)狀態(tài)分布的先驗(yàn)概率測(cè)量方法，以Gibbs Sampling方法獲取先驗(yàn)狀態(tài)信息，得到兩個(gè)超參數(shù)期望值和詞分布的主題分布，最終得到文檔的主題分布。

將博客主題視為應(yīng)急響應(yīng)決策信息需求單元(Di，設(shè)有i個(gè)主題)，通過(guò)LDA主題模型可以得到每篇博客的對(duì)應(yīng)主題概率，筆者將其視為文本對(duì)應(yīng)需求單元的內(nèi)容相關(guān)度(R)。突發(fā)類應(yīng)急事件的信息要素包含共有信息要素和專項(xiàng)信息要素，其中共有信息要素根據(jù)人員、時(shí)間、空間又分為突發(fā)類應(yīng)急事件基本要素、事件發(fā)生單位或區(qū)域相關(guān)要素、人員傷亡信息要素和事件跟蹤信息要素[18]。筆者在以往研究基礎(chǔ)上添加事后安撫信息和民眾情感表達(dá)信息這兩個(gè)信息單元。整體而言，筆者提出的應(yīng)急響應(yīng)決策信息單元結(jié)構(gòu)如圖1所示。

圖1　應(yīng)急響應(yīng)決策信息需求單元結(jié)構(gòu)

2.2面向應(yīng)急響應(yīng)決策需求的博客篩選

筆者將博客的篩選視為一個(gè)文本二分類問(wèn)題，將文本歸屬到“有用”和“無(wú)用”兩類中。筆者結(jié)合以往學(xué)者在網(wǎng)絡(luò)信息資源評(píng)價(jià)方面的研究，對(duì)博客文本的有用性影響指標(biāo)進(jìn)行分析，提出了用戶可靠性、內(nèi)容可靠性、內(nèi)容相關(guān)性和內(nèi)容可用性4個(gè)博客質(zhì)量影響指標(biāo)，應(yīng)急響應(yīng)類博客篩選性評(píng)價(jià)指標(biāo)體系如圖2所示。

圖2　應(yīng)急響應(yīng)類博客篩選性評(píng)價(jià)指標(biāo)體系

用戶可靠性是指用戶的可信任程度 。一般而言，影響力較高的人產(chǎn)生的言論更為可靠，權(quán)威人士發(fā)布的內(nèi)容相對(duì)更有價(jià)值。筆者認(rèn)為用戶的影響力主要體現(xiàn)在網(wǎng)民用戶的博客訪問(wèn)量和粉絲數(shù)量上，而權(quán)威性則主要體現(xiàn)在發(fā)文量和博主等級(jí)上。因此，對(duì)于博客用戶可靠性指標(biāo)，提出用博客發(fā)文量、訪問(wèn)量、粉絲數(shù)、博客積分4個(gè)網(wǎng)頁(yè)標(biāo)簽對(duì)其進(jìn)行量化。

內(nèi)容可靠性是指博文內(nèi)容的準(zhǔn)確性、客觀性，主要體現(xiàn)在該博文的討論熱度上。具體而言，博文的閱讀量和評(píng)論數(shù)在一定程度上代表著該博文的認(rèn)知度，體現(xiàn)了博客的權(quán)威性。此外，信息量充足的博文包含的有用信息相對(duì)較多。綜上，對(duì)于博文的內(nèi)容可靠性，筆者采用博客閱讀量、博客訪問(wèn)量及博客信息量進(jìn)行測(cè)度。

內(nèi)容相關(guān)性是指博客在某一主題下的歸屬程度，主題即為應(yīng)急響應(yīng)信息需求單元。筆者研究的博客篩選針對(duì)某一需求而進(jìn)行，目的是過(guò)濾出與該需求不相關(guān)的博客。通過(guò)LDA主題模型對(duì)博文進(jìn)行主題抽取，在分析博文主題及其關(guān)鍵詞的同時(shí)，可以得到每篇博文在該主題下的相關(guān)性指標(biāo)值，因此，博客的內(nèi)容相關(guān)性指標(biāo)值可以通過(guò)LDA主題模型獲取。

內(nèi)容可用性代表博客內(nèi)容能夠被使用者所理解的程度，代表博客可以產(chǎn)生多少實(shí)際的效能。應(yīng)急響應(yīng)決策者在利用博客資源的時(shí)候需要考慮信息內(nèi)容的可用程度，內(nèi)容的可用性被廣泛應(yīng)用在網(wǎng)絡(luò)商品評(píng)論分析中[19-20]，博客的可用性包含以下兩個(gè)方面：博客的語(yǔ)義完整性和博客的內(nèi)容一致性。

筆者采用HanLP(漢語(yǔ)言處理包)對(duì)每個(gè)句子進(jìn)行分詞處理和詞性標(biāo)注，首先找出每個(gè)句子的核心動(dòng)詞，繼而在核心動(dòng)詞的基礎(chǔ)上判斷整句是否具有完整的句子結(jié)構(gòu)，以此計(jì)算該句語(yǔ)義的完整性。

(1)

由于博客信息表達(dá)具有多樣性，且隨意性較強(qiáng)，博文內(nèi)容的語(yǔ)義一致性直接關(guān)系到該信息的傳播效果。筆者采用FudanNLP工具包獲取正文每個(gè)句子的核心詞，然后計(jì)算正文句子之間核心詞對(duì)應(yīng)于樹(shù)狀詞庫(kù)中的“距離”(由所屬類別定義)，而得到的所有句子之間的“距離”平均值即可作為該段信息語(yǔ)義一致性的度量值。

(2)

筆者采用廣義回歸神經(jīng)網(wǎng)絡(luò)(general regression neural network，GRNN)[21]對(duì)每個(gè)需求單元下的博客集合分別進(jìn)行篩選，篩選出對(duì)于特定需求單元無(wú)用的博客文本，將這些文本的內(nèi)容相關(guān)度賦值為0，面向應(yīng)急響應(yīng)決策需求的博客篩選過(guò)程如圖3所示。

圖3　面向應(yīng)急響應(yīng)決策需求的博客篩選過(guò)程

2.3面向應(yīng)急響應(yīng)決策需求的博客自適應(yīng)評(píng)價(jià)

通過(guò)主題挖掘和博客篩選后，每個(gè)信息需求單元下都匯集了若干份博客文本，這些文本都具有明確的、面向該需求的內(nèi)容相關(guān)性指標(biāo)值。決策者對(duì)某一需求單元信息的需求傾向就是該需求單元對(duì)應(yīng)目前工作階段的權(quán)重，即目前階段的工作信息需求由各個(gè)信息需求單元加權(quán)匯總得到。

針對(duì)一次決策而言，決策者會(huì)使用大量的博客信息協(xié)助自身開(kāi)展決策性工作，這些真實(shí)使用的信息代表了決策者目前的信息需求傾向。因此，筆者使用決策者實(shí)際決策后的信息需求分布作為信息單元和階段工作之間的需求傾向。具體而言，對(duì)決策者使用的博客信息進(jìn)行信息量統(tǒng)計(jì)，依據(jù)每篇博客在每個(gè)需求單元(Di)下的內(nèi)容相關(guān)度指標(biāo)值，得到該階段工作(Sj)的需求單元信息量統(tǒng)計(jì)分布，進(jìn)而得到每一個(gè)需求單元信息量在該階段工作使用信息總量的比例(aij)，將其作為該階段對(duì)于某一需求單元的信息需求傾向。從而，所有博客文本使用的可能性就會(huì)產(chǎn)生差異。

(3)

式中：i為需求單元編號(hào)；j為階段工作編號(hào)；ISeth代表包含第h篇文檔的需求單元的集合；Phj為第h篇博客在第j個(gè)階段工作中的優(yōu)先使用度；aij為第j個(gè)階段工作對(duì)第i個(gè)需求單元的信息需求傾向；Rhi為第h篇文檔對(duì)于第i個(gè)需求單元的內(nèi)容相關(guān)度。

針對(duì)多次決策而言，每次決策使用的博客都將更新信息需求傾向，依據(jù)新的需求傾向?qū)Σ┛瓦M(jìn)行排序，方便決策者快速有效地利用博客，從而實(shí)現(xiàn)博客自適應(yīng)評(píng)價(jià)，具體過(guò)程如圖4所示。

圖4　依據(jù)需求傾向的博客自適應(yīng)評(píng)價(jià)過(guò)程

3實(shí)證研究

3.1實(shí)驗(yàn)分析過(guò)程

(1)應(yīng)用GooSeeker(集搜客)網(wǎng)頁(yè)爬蟲(chóng)軟件對(duì)新浪博客進(jìn)行抓取，抓取內(nèi)容包含用戶姓名、用戶積分、用戶粉絲量、用戶發(fā)文量、發(fā)文時(shí)間、博文標(biāo)題、博文內(nèi)容、博文評(píng)論量及博文閱讀量。筆者以“8·12天津港爆炸”事件為案例，共抓取1 275篇新浪博客并進(jìn)行數(shù)據(jù)分析，以驗(yàn)證筆者所提出模型的有效性和可用性。

(2)應(yīng)用Python自然語(yǔ)言處理包對(duì)1 275篇博客進(jìn)行分析，得到每一篇博文的主題概率分布，將主題作為信息需求單元(Di)，博文在每個(gè)需求單元(Di)下的概率為該博客在該需求單元下的內(nèi)容相關(guān)度指標(biāo)值(Wi)。

(3)組織應(yīng)急管理領(lǐng)域?qū)＜覍?duì)1 275篇博客進(jìn)行有用性分析，賦予無(wú)用博客0標(biāo)簽，賦予有用博客1標(biāo)簽，得到所有文檔的類型標(biāo)簽。

(4)應(yīng)用Java程序?qū)Σ┛驮u(píng)價(jià)指標(biāo)進(jìn)行測(cè)量，采用Max-Min標(biāo)準(zhǔn)化方法對(duì)每個(gè)測(cè)量指標(biāo)進(jìn)行標(biāo)準(zhǔn)化，針對(duì)每種需求單元，隨機(jī)抽取75篇博客作為測(cè)試集，剩余1 200篇博客作為訓(xùn)練集，采用Matlab神經(jīng)網(wǎng)路工具箱，生成博文的可用性篩選器。

(5)測(cè)量博客的優(yōu)先度，對(duì)博客進(jìn)行排序。筆者設(shè)定初始狀態(tài)決策工作對(duì)于需求單元沒(méi)有需求傾向(即均為1/7)。選取爆炸發(fā)生后的3個(gè)時(shí)間段，代表事件反應(yīng)、事件處理及事后安撫3個(gè)應(yīng)急響應(yīng)工作階段，對(duì)各階段的博客進(jìn)行3次抽取，每次抽取后都對(duì)博文進(jìn)行信息量使用統(tǒng)計(jì)，得出該次抽取信息的信息需求單元的比重，調(diào)整需求傾向權(quán)重值aij。最后，比較每個(gè)階段之后抽取的博文內(nèi)容和工作需求的匹配程度，驗(yàn)證模型的有效性。具體實(shí)驗(yàn)流程如圖5所示。

圖5　“天津港爆炸”事件的博客自適應(yīng)評(píng)價(jià)模型應(yīng)用實(shí)驗(yàn)流程

3.2實(shí)驗(yàn)結(jié)果

首先，筆者應(yīng)用LDA主題模型將“天津港爆炸”相關(guān)博客分為7個(gè)需求單元，并列出每個(gè)需求單元的主題關(guān)鍵詞，如表1所示，可以明顯看出，需求單元(主題)之間的關(guān)鍵詞差異較大，說(shuō)明主題挖掘效果良好。

其次，針對(duì)每個(gè)需求單元進(jìn)行了GRNN篩選器的準(zhǔn)確性測(cè)量，同時(shí)又訓(xùn)練了忽略內(nèi)容相關(guān)度指標(biāo)后的博客有用性篩選器，并測(cè)量了其準(zhǔn)確性，如表2所示。7個(gè)需求單元的博文篩選準(zhǔn)確率都在80.00%以上，其中事后安撫信息需求單元篩選器的準(zhǔn)確率高達(dá)89.33%，而忽略了內(nèi)容相關(guān)度指標(biāo)后建立的篩選器準(zhǔn)確率只有62.45%。結(jié)果表明筆者實(shí)驗(yàn)所得到篩選器準(zhǔn)確有效，所提出的博客有用性評(píng)價(jià)指標(biāo)客觀有效，同時(shí)，也意味著對(duì)博客按照信息需求進(jìn)行主題劃分是科學(xué)合理的。

表1　“天津港爆炸”需求單元主題關(guān)鍵詞

表2　針對(duì)需求單元的博客篩選器準(zhǔn)確性統(tǒng)計(jì)表

最后，筆者選取3個(gè)工作階段對(duì)博文進(jìn)行抽取，每個(gè)階段抽取2～3次，對(duì)每次抽取后的博客信息量按需求單元分類統(tǒng)計(jì)，如圖6所示，得到本次需求單元信息量的使用比例，依據(jù)比例對(duì)博客的優(yōu)先度進(jìn)行計(jì)算，從而實(shí)現(xiàn)對(duì)博客的評(píng)價(jià)。

圖6　各階段使用不同需求單元(Di)統(tǒng)計(jì)分布

實(shí)驗(yàn)結(jié)果表明，筆者所提出的博客需求單元信息使用傾向參數(shù)，可按使用情況進(jìn)行自適應(yīng)性調(diào)整，并能夠充分體現(xiàn)決策使用者的真實(shí)信息需求傾向，可以很好地通過(guò)該反饋學(xué)習(xí)機(jī)制調(diào)整博客選取順序，提高了應(yīng)急響應(yīng)決策者的信息查詢和信息使用效率，有助于科學(xué)、準(zhǔn)確、快速地展開(kāi)應(yīng)急決策與管理工作。綜上所述，筆者提出的面向應(yīng)急響應(yīng)決策需求的博客自適應(yīng)評(píng)價(jià)模型是科學(xué)、有效的。

4結(jié)論

應(yīng)用LDA主題模型挖掘博客信息的主題分布，繼而面向應(yīng)急響應(yīng)決策需求，依據(jù)工作的信息需求傾向?qū)Σ┛瓦M(jìn)行排序，并依據(jù)實(shí)際的使用情況反饋調(diào)節(jié)信息需求傾向，從而實(shí)現(xiàn)對(duì)博客面向應(yīng)急響應(yīng)決策需求的自適應(yīng)評(píng)價(jià)。筆者的研究彌補(bǔ)了以往學(xué)術(shù)界對(duì)UGC評(píng)價(jià)研究的不足，以主題挖掘?yàn)橹贮c(diǎn)，分類對(duì)博客進(jìn)行評(píng)價(jià)，打破了以往信息資源整體性評(píng)價(jià)的局限；以實(shí)際數(shù)據(jù)為支撐，構(gòu)建依據(jù)實(shí)際應(yīng)用數(shù)據(jù)的合理反饋機(jī)制，通過(guò)自動(dòng)學(xué)習(xí)適應(yīng)不斷變化的信息需求，避免了評(píng)價(jià)的主觀性；此外，筆者從應(yīng)急響應(yīng)決策需求的角度出發(fā)，對(duì)博客資源進(jìn)行了評(píng)價(jià)研究，為應(yīng)急響應(yīng)決策者提供了一種合理應(yīng)用博客資源協(xié)助政府開(kāi)展應(yīng)急決策和管理工作的新思路。

參考文獻(xiàn)：

[1]WANG B, LI L, LIN X. Evaluating quality of Web 2.0 UGC based on user authority and topic distribution[C]∥16th International Symposium on IEEE.[S.l.]:[s.n.]，2013:1-6.

[2]TUFEKCI S. An integrated emergency management decision support system for hurricane emergencies[J]. Safety Science, 1995,20(1):39-48.

[3]胡代平,雷愛(ài)中,王琪,等.政府危機(jī)管理的信息需求及獲取[J].科學(xué)技術(shù)與工程,2007,7(9):2177-2181.

[4]LEE W B, WANG Y, WANG W M, et al. An unstructured information management system(UIMS) for emergency management[J]. Expert Systems with Applications, 2012,39(17):12743-12758.

[5]操學(xué)誠(chéng),牛凱,趙曙光,等.熱點(diǎn)事件的網(wǎng)民瀏覽、搜索、發(fā)帖與網(wǎng)民行為引導(dǎo)研究[J].預(yù)防青少年犯罪研究,2012,6(1):14-25.

[6]藍(lán)勤華.用戶創(chuàng)造內(nèi)容(UGC)動(dòng)機(jī)研究[D].南京：南京大學(xué),2011.

[7]MATTHEW W B. Information quality: a conceptual framework and empirical validation[D]. Kansas：The University of Kansas, 2004.

[8]PESSEMIER T D, DERYCKERE T, MARTENS L. Context aware recommendations for user-generated content on a social network site[M]. Leuven：[s.n.], 2009:133-136.

[9]陶青.基于信息構(gòu)建(IA)的Web 2.0網(wǎng)站研究[D].上海：華東師范大學(xué),2007.

[10]ONG T, MANNINO M, GREGG D. Linguistic characteristics of shill reviews[J]. Electronic Commerce Research and Applications, 2014,13(2):69-78.

[11]RANSBOTHAM S, KANE G C, LURIE N H. Network characteristics and the value of collaborative user-generated content[J]. Marketing Science, 2012,31(3):387-405.

[12]劉繼,李磊.面向輿情主題的微博用戶網(wǎng)絡(luò)影響力挖掘分析[J].情報(bào)雜志,2014,10(1):21-24.

[13]張晨逸,孫建伶,丁軼群.基于MB-LDA模型的微博主題挖掘[J].計(jì)算機(jī)研究與發(fā)展,2011,10(10):1795-1802.

[14]路榮,項(xiàng)亮,劉明榮,等.基于隱主題分析和文本聚類的微博客中新聞話題的發(fā)現(xiàn)[J].模式識(shí)別與人工智能,2012,3(3):382-387.

[15]童薇,陳威,孟小峰.EDM:高效的微博事件檢測(cè)算法[J].計(jì)算機(jī)科學(xué)與探索,2012,12(1):1076-1086.

[16]VILLIERS F D, HOFFMANN M, KROON S. Unsupervised construction of topic-based twitter lists[C]∥2012 IEEE International Conference on Privacy, Security, Risk and Trust and 2012 IEEE International Conference on Social Computing. Amsterdam :IEEE Computer Society, 2012:283-292.

[17]BLEI D M, NG A Y, JORDAN M I. Latent Dirichlet Allocation[J]. Journal of Machine Learning Research, 2003(3):993-1022.

[18]王延章，葉鑫，裘江南,等.應(yīng)急管理信息系統(tǒng)[M].北京：科學(xué)出版社, 2010: 27-36.

[19]NIKOLAOS K. Evaluating content quality and usefulness of online product reviews[J]. SSRN Electronic Journal, 2008,7(3):95-99.

[20]OMAHONY M P, SMYTH B. Using readability tests to predict helpful product reviews[J]. Riao Adaptivity Personalization & Fusion of Heterogeneous Information, 2010,5(4):164-167.

[21]SPECHT D F. A general regression neural network[J]. IEEE Transactions on Neural Networks, 1991,2(6):568-576.

SHAN Siqing:Prof.; School of Economics and Management, Beihang University, Beijing 100191,China.

文章編號(hào)：2095-3852(2016)02-0144-06

文獻(xiàn)標(biāo)志碼:A

收稿日期：2015-12-26.

作者簡(jiǎn)介：閃四清(1965-)，男，北京人，北京航空航天大學(xué)經(jīng)濟(jì)管理學(xué)院教授；博士生導(dǎo)師.

基金項(xiàng)目：國(guó)家自然科學(xué)基金項(xiàng)目(71471008)；國(guó)家自然科學(xué)基金項(xiàng)目(91224007).

中圖分類號(hào)：X913

DOI：10.3963/j.issn.2095-3852.2016.02.002

Blog Adaptive Evaluation Model for Demand on Emergency Response Decision

SHANSiqing,HOUYinfeng,LIUMengni

Abstract：With the development of information technology, blog and other UGC resources which play the role in emergency management is growing. How to make effective use of blog resources, to adapt emergency response decision-making needs is an urgent problem to be solved.In this paper, the purpose is to take full advantage of blogs to assist the Government make decisions during the emergency response process and it proposes a model for adaptive blog evaluation model for decision demand. This paper applies the LDA model to mine themes from many blogs. This research gets a themes' distribution, which are regarded as the information demand units. This research regards the favorite of information in some demand unit as the priority needs of the cell information factor to achieve the evaluation work. Eventually, this paper analyzes the blog data about Tianjin Port Explosion in Sina Blog to verify the effectiveness of this model. The results of the theoretical analysis and empirical research show that this model which bases on the information demand of emergency management decisions makers is scientific and effective.

Key words：emergency management; emergency decision; UGC; blog; adaptive evaluation