基于大數(shù)據(jù)和AI算法的社會風(fēng)險智能感知系統(tǒng)

徐 瑛，齊中祥

(沃民高新科技[北京]股份有限公司，北京 海淀 100086)

一、背景和意義

2019年1月21日，習(xí)近平總書記在省部級主要領(lǐng)導(dǎo)干部“堅持底線思維著力防范化解重大風(fēng)險專題研討班”上強(qiáng)調(diào)：“深刻認(rèn)識和準(zhǔn)確把握外部環(huán)境的深刻變化和我國改革發(fā)展穩(wěn)定面臨的新情況新問題新挑戰(zhàn)，堅持底線思維，增強(qiáng)憂患意識，提高防控能力，著力防范化解重大風(fēng)險……既要高度警惕‘黑天鵝’事件，也要防范‘灰犀?！录??！绷?xí)總書記還特別強(qiáng)調(diào)，“防范化解重大風(fēng)險，需要有充沛頑強(qiáng)的斗爭精神”，領(lǐng)導(dǎo)干部要“敢于擔(dān)當(dāng)、敢于斗爭”，“加強(qiáng)斗爭歷練，增強(qiáng)斗爭本領(lǐng)，永葆斗爭精神”。

習(xí)總書記還曾指出，目前中國有三大“陷阱”：“塔西佗陷阱”“修昔底德陷阱”和“中等收入陷阱”。為什么生活在這個時代的人們普遍有一種不安全感？普遍感到焦慮，缺乏信任？事實上，這種不安全感和焦慮，不是中國獨有的，而是全世界普遍存在的。

德國著名的風(fēng)險社會理論開創(chuàng)者烏爾里?！へ惪嗽裕喝祟惿钤谖拿鞯幕鹕娇谏?整個人類社會已經(jīng)進(jìn)入到了世界風(fēng)險社會階段。聯(lián)合國開發(fā)計劃署(UNDP)最新公布的《2014年人類發(fā)展報告》也向世人發(fā)出了警告：當(dāng)今世界,不安全感仍普遍存在,無論是在生計、人身安全、環(huán)境還是全球政治方面[1]。20世紀(jì)中葉以來,人類社會逐步凸顯的政治風(fēng)險、經(jīng)濟(jì)風(fēng)險、文化風(fēng)險、生態(tài)風(fēng)險、基因風(fēng)險及核戰(zhàn)爭風(fēng)險等一系列風(fēng)險圖景，既無數(shù)次地印證著聯(lián)合國開發(fā)計劃署的警告并非危言聳聽,也不斷地應(yīng)驗著烏爾里希·貝克對世界風(fēng)險社會的理論把握。那么，在世界風(fēng)險社會的宏觀大背景下,當(dāng)代中國社會的時代處境如何呢?

互聯(lián)網(wǎng)時代的迅速發(fā)展使各種社交網(wǎng)絡(luò)平臺相繼興起，尤其是移動終端的廣泛使用讓越來越多的人通過移動社交網(wǎng)絡(luò)平臺傳遞信息、發(fā)表言論。移動社交網(wǎng)絡(luò)本身具有的移動性、開放性、虛擬性、匿名性等特性，一方面使信息的發(fā)布與傳播更為方便快捷，另一方面也使許多失真信息與網(wǎng)絡(luò)謠言在移動社交網(wǎng)絡(luò)中肆意傳播，移動社交網(wǎng)絡(luò)輿情隨之產(chǎn)生。近年來，因網(wǎng)絡(luò)輿情引發(fā)的危機(jī)事件激增，社會的和諧與穩(wěn)定受到威脅，對網(wǎng)絡(luò)輿情的預(yù)警已經(jīng)迫在眉睫。在多樣化的媒體環(huán)境中，受眾在接觸各種傾向性媒體的同時，在使用習(xí)慣上也會受相應(yīng)媒體的影響。當(dāng)多種媒體力量介入網(wǎng)絡(luò)群體性事件中，網(wǎng)絡(luò)群體性事件的議題設(shè)置為不同權(quán)利間的博弈提供了抗?fàn)幙臻g。為提高對群體性事件網(wǎng)絡(luò)輿情判斷的準(zhǔn)確性和對突發(fā)事件監(jiān)測的時效性，可以通過預(yù)測熱點事件的輿情峰值來識別潛在風(fēng)險,從而掌握輿論戰(zhàn)的主動權(quán)和話語權(quán)。

積極有效地處置群體性事件，進(jìn)而實現(xiàn)政府公信力的恢復(fù)與重建，已然成為國際社會共同關(guān)心的問題。對此，國外主要運(yùn)用集體行動、社會運(yùn)動與革命理論以及社會沖突理論進(jìn)行制度化分析，同時也積累了大量有關(guān)群體性事件處置的實際經(jīng)驗，這對于處于快速轉(zhuǎn)型期的當(dāng)今中國社會具有一定的借鑒意義。

另外，針對不同國家的多種群體性事件的特點和發(fā)展趨勢的識別、預(yù)測及分析等任務(wù)，為提升對大量非同源的紙媒、網(wǎng)絡(luò)公開數(shù)據(jù)的處理和情報提取及預(yù)測能力提供了基礎(chǔ)，為對國外群體事件態(tài)勢預(yù)測和相應(yīng)的決策方案提供合適策略創(chuàng)造了條件。

二、國內(nèi)外現(xiàn)狀和發(fā)展趨勢

(一)國內(nèi)外相關(guān)技術(shù)、產(chǎn)業(yè)和應(yīng)用現(xiàn)狀及發(fā)展趨勢

隨著信息技術(shù)的高速發(fā)展，公眾和互聯(lián)網(wǎng)的關(guān)系日益密切。中國互聯(lián)網(wǎng)絡(luò)信息中心(CNNIC)報告，截至2018年底，中國網(wǎng)民達(dá)到8.29億。在當(dāng)前飛速發(fā)展的社會轉(zhuǎn)型期，因政策變化、發(fā)展不均衡、人口基數(shù)大等原因，非常規(guī)的突發(fā)事件頻頻發(fā)生，而網(wǎng)絡(luò)助力了此類事件的傳播速度和影響范圍，若處理不當(dāng)必將引起民眾強(qiáng)烈的負(fù)面情緒，帶來社會風(fēng)險。如“山東疫苗問題”讓全國范圍內(nèi)的家庭“談苗色變”，一時間各種謠言甚囂塵上，引發(fā)社會恐慌，造成了惡劣的影響。再如“日本福島核泄漏事件”因謠言的傳播，引發(fā)了我國沿海局部地區(qū)食鹽搶購風(fēng)潮。近年來“拆遷”“醫(yī)鬧”“公共衛(wèi)生安全”類事件層出不窮，成為一種“痼疾”，不斷激化干群矛盾，引起惡劣社會事件的發(fā)生。因此，當(dāng)前的關(guān)鍵任務(wù)就是建立一套準(zhǔn)確可用的網(wǎng)情風(fēng)險評估體系來監(jiān)控突發(fā)事件熱度，作出社會風(fēng)險評估和預(yù)警，從而采取及時恰當(dāng)?shù)拇胧﹣斫档拓?fù)面影響。

國外對社會風(fēng)險的研究起步較早，美國、日本、俄羅斯等國家在輿情危機(jī)的預(yù)警和處理上已經(jīng)比較成熟，許多發(fā)達(dá)國家已經(jīng)成立了專門的研究機(jī)構(gòu)。2016年，美國羅格斯大學(xué)的Haroon Raja使用推特流量的語言獨立特性，來識別Twitter上提到的較動亂的國家與那些政治局勢和平的國家在信息流方面的差異，并利用這些特征來識別政治不穩(wěn)定的國家[2]。2017年，安卡拉經(jīng)濟(jì)技術(shù)大學(xué)的Ahmet Enis通過對使用土耳其語書寫的推特的提取，實時確定最新的趨勢事件的位置和時間。結(jié)果有助于預(yù)測下一個熱點，并警告人們有效避險，研究結(jié)果95%的成功率證明了該方法的適用性和有效性。

在國內(nèi)，中山大學(xué)的曹樹金等通過對網(wǎng)絡(luò)新詞識別算法的設(shè)計，提出了基于HowNet 和網(wǎng)絡(luò)情感詞的極性詞典的人工構(gòu)建方法，并設(shè)計了自動識別網(wǎng)絡(luò)新詞的方法[3]。解放軍信息工程大學(xué)的王鐵套等依據(jù)模糊綜合評價法構(gòu)建網(wǎng)絡(luò)輿情預(yù)警模型，采用混合賦權(quán)法確定各指標(biāo)權(quán)重，通過選擇合適的模糊算子確定指標(biāo)體系中各輿情因素的數(shù)值化評價，最終得到網(wǎng)絡(luò)輿情的預(yù)警等級[4]。2013年，中國人民武裝警察部隊學(xué)院的蘭月新在分析突發(fā)事件網(wǎng)絡(luò)輿情數(shù)字特征的基礎(chǔ)上，建立數(shù)學(xué)模型研究網(wǎng)絡(luò)輿情信息傳播規(guī)律并在模型中提取關(guān)鍵參數(shù)——固有增長率，再對突發(fā)事件進(jìn)行動態(tài)分析和預(yù)測，可以使政府對網(wǎng)絡(luò)輿情做到及時預(yù)警[5]。

2014年，來自北京航空航天大學(xué)的范銳博士通過對大量微博數(shù)據(jù)中的“情緒”進(jìn)行分類和追蹤，發(fā)現(xiàn)憤怒是傳播效果最強(qiáng)的情緒，并通過事件聚類發(fā)現(xiàn)憤怒情緒普遍跟一些輿情時間相關(guān)，如“刑事案件”“釣魚島事件”等。社交網(wǎng)絡(luò)情緒分析對熱點事件監(jiān)測和輿情預(yù)警具有重要意義，大數(shù)據(jù)能揭示話題的時間分布規(guī)律以及與情緒的相關(guān)程度。該研究被90多個國家的數(shù)百家媒體報道[6]。中國人民武裝警察部隊學(xué)院的瞿志凱等人于2016年在暴恐事件及網(wǎng)絡(luò)輿情影響因素的基礎(chǔ)上，構(gòu)建了包含暴恐事件、信息特性、媒體報道、網(wǎng)民反應(yīng)四個維度的暴恐事件網(wǎng)絡(luò)輿情風(fēng)險預(yù)警指標(biāo)體系，并運(yùn)用層次分析法、ABC 分類法對風(fēng)險指標(biāo)進(jìn)行權(quán)重計算及風(fēng)險評估[7]。中國人民公安大學(xué)的陳俊通過對群體性事件網(wǎng)絡(luò)輿情預(yù)警必要性和相關(guān)理論的解析，采用德爾菲法篩選預(yù)警指標(biāo)并確立指標(biāo)體系，能為公安部門從事群體性事件網(wǎng)絡(luò)輿情預(yù)警工作提供理論支撐和實踐指導(dǎo)[8]。2017年，解放軍外國語學(xué)院的胡瑞娟在大數(shù)據(jù)背景下，以論壇、微博、博客等具有評論功能的新聞網(wǎng)站為研究對象，對群體性事件網(wǎng)絡(luò)輿情進(jìn)行分析研判，構(gòu)建網(wǎng)絡(luò)輿情預(yù)警機(jī)制，為預(yù)防和研判群體性事件的發(fā)生提供了有益的思路[9]。

目前針對突發(fā)社會事件的預(yù)警嘗試有很多，但也存在不足，主要表現(xiàn)包括：一是維度單一問題。因為分類模型的缺乏，只對文本做單一的情緒分析或者主題分析。受社交網(wǎng)絡(luò)過于娛樂化、同主題下內(nèi)容繁雜等影響，大量與群體性事件不相關(guān)的娛樂事件、單純的國際新聞、中性的社會事件等混入檢測數(shù)據(jù)，大大影響了輿論分析的效率和準(zhǔn)確度。二是缺乏實際數(shù)據(jù)問題。很多嘗試往往只分析一至幾個具體的事件，個案缺乏普適性，研究價值低。有些研究只是從傳播學(xué)理論上分析了事件傳播的破壞力的相關(guān)要素，并基于此設(shè)計了相關(guān)網(wǎng)情風(fēng)險指數(shù)，但缺乏在實際數(shù)據(jù)上的驗證，不具有可用性。三是概念寬泛問題。研究中涉及的輿論事件范圍太廣，缺乏具體民眾的實際反映，泛泛地將自然災(zāi)害、事故災(zāi)難都設(shè)置為“危機(jī)”。根據(jù)文本的具體分析，在一些突發(fā)災(zāi)難中，由于災(zāi)害的客觀非人為因素、政府有力的救援和感人的救人事跡的傳播，事實上社交網(wǎng)絡(luò)上大量用戶表達(dá)的是祈福、愛心和感動等積極情緒。因此這類具體突發(fā)事件總體并不呈負(fù)面輿論危機(jī)事件，如此對事件的過粗分類影響了準(zhǔn)確率。四是計算效率問題。一些研究的分析方法過于復(fù)雜，伴隨著大規(guī)模交互網(wǎng)絡(luò)和詞網(wǎng)絡(luò)的生成，網(wǎng)絡(luò)輿情信息由出現(xiàn)到爆發(fā)時間非常短，因此難以勝任實時的風(fēng)險預(yù)警任務(wù)。五是輿論檢測問題。很多研究只集中在事件網(wǎng)絡(luò)輿情特征、規(guī)律及引導(dǎo)機(jī)制等方面，是對歷史數(shù)據(jù)進(jìn)行評價再預(yù)警的模式，這種方式只能反映歷史狀態(tài)，很難預(yù)測輿情的發(fā)展趨勢。對突發(fā)輿情危機(jī)的預(yù)警性研究仍然不夠深入，缺少檢測方法。

當(dāng)前，互聯(lián)網(wǎng)的飛速發(fā)展和社交媒體應(yīng)用的深入，為基于公開數(shù)據(jù)開展群體性事件分析與預(yù)測奠定了堅實的數(shù)據(jù)基礎(chǔ)；人工智能和大數(shù)據(jù)技術(shù)的快速進(jìn)步，更是為基于公開數(shù)據(jù)開展群體性事件分析與預(yù)測提供了技術(shù)上的保障和算法的應(yīng)用場景，為國家或地區(qū)群體事件態(tài)勢預(yù)測和相應(yīng)決策方案提供合適策略創(chuàng)造了條件。

三、破解之道

群體事件與社會風(fēng)險相伴而生。群體事件有兩大特點：首先是危害大，各類群體性事件層出不窮，不斷激化社會矛盾，引發(fā)社會風(fēng)險并影響社會穩(wěn)定；其次是控制難，群體性事件往往參與人數(shù)眾多，信息量大，內(nèi)容紛雜，傳播迅速，控制難度比較大。

伐敵制勝，貴先有謀。“人心識別AI技術(shù)”正是防范社會風(fēng)險的一大“奇招”。研究證實：群體事件與憤怒情緒如影隨形。沃民公司首席科學(xué)家許可教授帶領(lǐng)的科研人員分析了20萬新浪用戶發(fā)布的約7000萬條微博數(shù)據(jù)，并基于用戶的關(guān)系和用戶的情緒構(gòu)建了一個網(wǎng)絡(luò)。大數(shù)據(jù)分析的結(jié)果顯示：憤怒是網(wǎng)絡(luò)上相關(guān)性最強(qiáng)和最容易傳播的情緒，其次是高興情緒，最弱的是悲傷情緒的傳播力?？茖W(xué)家們的研究結(jié)果表明引發(fā)人們憤怒的壞事往往傳播得最快。

群體性事件是指由某些社會矛盾引發(fā)，特定群體或不特定多數(shù)人聚合臨時形成的偶合群體，以人民內(nèi)部矛盾的形式，通過沒有合法依據(jù)的規(guī)模性聚集、對社會造成負(fù)面影響的群體活動、發(fā)生多數(shù)人語言行為或肢體行為上的沖突等群體行為的方式，或表達(dá)訴求和主張，或直接爭取、維護(hù)自身利益，或發(fā)泄不滿、制造影響，從而對社會秩序和社會穩(wěn)定造成重大負(fù)面影響的各種事件。

為提高對群體性事件網(wǎng)絡(luò)輿情判斷的準(zhǔn)確性和對突發(fā)事件監(jiān)測的時效性，需要通過預(yù)測熱點事件的輿情峰值來識別潛在風(fēng)險,從而掌握輿論戰(zhàn)的主動權(quán)和話語權(quán)。其中社會事件如醫(yī)療安全、拆遷糾紛等作為“內(nèi)在風(fēng)險”，被視為社會的“分歧性危機(jī)”。針對我國網(wǎng)絡(luò)輿情問題的具體情況，建立一套準(zhǔn)確可用的網(wǎng)絡(luò)輿情評估體系來監(jiān)控突發(fā)事件熱度，有必要利用方差分析和邏輯回歸來篩選屬性，建立一套評估指數(shù)，來做輿情評估和預(yù)警，以期采取及時恰當(dāng)?shù)拇胧┙档拓?fù)面影響。

(一)事件自動檢測和信息抽取

針對一些特定事件如“山東疫苗事件”等突發(fā)和持續(xù)性群體事件，為滿足安全監(jiān)管部門在網(wǎng)絡(luò)中對一些特定突發(fā)事件進(jìn)行風(fēng)險定性、定量、監(jiān)管、追蹤的需要，輿論風(fēng)險評估指數(shù)把網(wǎng)絡(luò)公眾對特定突發(fā)事件表達(dá)的情緒和意識形態(tài)等多維度信息集合起來，構(gòu)建一套綜合反映輿論風(fēng)險程度的量化統(tǒng)計指標(biāo)體系，來識別該性質(zhì)事件。研究事件自動抽取技術(shù)，基于指示詞等特征自動檢測文本中的事件，并能對指示詞進(jìn)行自助式擴(kuò)展，用于事件監(jiān)測與發(fā)現(xiàn)；研究事件抽取與表示，從文本數(shù)據(jù)集中抽取出結(jié)構(gòu)化的事件描述與屬性信息，包括時間、地點和人物等，將其組織為目標(biāo)對象和動作行為等。

如圖1所示，整體系統(tǒng)架構(gòu)分為四個主要模塊：文本收集與預(yù)處理、全網(wǎng)輿情數(shù)據(jù)分析、地域輿情數(shù)據(jù)分析和特定事件數(shù)據(jù)分析。主要流程為先爬取社交媒體數(shù)據(jù)流，文本收集與預(yù)處理模塊對其進(jìn)行意識形態(tài)、情緒和主題等標(biāo)記，添加屬性后存儲在數(shù)據(jù)庫中。接著在并列的三個模塊中，全網(wǎng)輿情數(shù)據(jù)分析對全體數(shù)據(jù)聚類找尋事件計算指數(shù)并分析，用Single-Pass算法對時序文本聚類得到關(guān)鍵詞簇，通過聚類的關(guān)鍵詞檢索相關(guān)文本數(shù)據(jù)，再計算各個事件的輿論指數(shù)，選取那些超過閾值需要予以關(guān)注的事件，由相互間數(shù)量比例來合成總的指數(shù)。以此為基礎(chǔ)對全網(wǎng)當(dāng)前輿情做出分析，當(dāng)指數(shù)有異常時即時預(yù)警。

圖1 整體系統(tǒng)架構(gòu)圖

對篩選的該地域的數(shù)據(jù)作上述分析，通過每條文本的地域?qū)傩院Y選出該地區(qū)的信息流，匯聚起來進(jìn)行分析，如事件文本聚類出事件類簇，對檢索的相關(guān)事件文本計算地域輿情指數(shù)。針對網(wǎng)絡(luò)出現(xiàn)的突發(fā)熱點議題，及時識別并確定敏感領(lǐng)域的監(jiān)測范圍。而特定事件則針對該事件的關(guān)鍵詞對事件文本進(jìn)行篩選并作事件的網(wǎng)評分析，判斷事件的性質(zhì)，對于那些需要進(jìn)一步研究的特定事件，基于該事件關(guān)鍵詞獲取的時序文本，在此通過各種分類器的標(biāo)簽來計算網(wǎng)評指數(shù)POI。隨著時間的推移，關(guān)于該事件的文本若越來越多，且POI呈現(xiàn)正值或逐漸增大趨勢，應(yīng)及時預(yù)警并進(jìn)一步追蹤該事件的輿論變化情況。

(二)多模型多源時間預(yù)測技術(shù)

基于多源數(shù)據(jù)的事件預(yù)測。該針對熱點事件的預(yù)測模型設(shè)計是基于熱度峰值檢測系統(tǒng)，通過提取出熱點檢測系統(tǒng)中的歷史熱點事件信息，分析在發(fā)展過程特征訓(xùn)練測試系統(tǒng)中的歷史熱點事件信息，并在發(fā)展過程特征訓(xùn)練事件的預(yù)測模型中實現(xiàn)預(yù)測功能。

1.熱點事件描述

通過觀察熱點事件在時序上的發(fā)展過程，可以將時間序列模型定義為三個階段，分別是潛伏期、爆發(fā)期和消亡期，見圖2。

圖2 熱點事件的三個階段

潛伏期是指事件前期平穩(wěn)發(fā)展的過程，是判斷該事件能否成為熱點事件的重要依據(jù)；爆發(fā)期是指事件的影響力迅速擴(kuò)大，關(guān)注度急劇上升的階段；消亡期是指事件在后期逐漸被人遺忘，影響力迅速下降的一個過程。對于普通事件來講，事件不存在爆發(fā)期，只是一個平穩(wěn)發(fā)展以及消亡的過程，通過提取爆發(fā)期以及潛伏期的事件特征，通過訓(xùn)練分類器，可以有效地區(qū)分普通事件與熱點事件。

2.熱點事件預(yù)測的目標(biāo)分析

通過定義熱點事件可以發(fā)現(xiàn)，熱點事件監(jiān)測算法，是希望能夠在熱點事件爆發(fā)的過程中監(jiān)測到熱點事件的發(fā)生。希望能夠分析熱點事件的相關(guān)特性，提取熱點事件的相關(guān)特征，通過機(jī)器學(xué)習(xí)算法，實現(xiàn)對一個熱點事件的預(yù)測，以便在事件還處于爆發(fā)期甚至潛伏期時就能夠判斷出該事件是否具有成為熱點事件的趨勢，最終在這個基礎(chǔ)上，預(yù)測出該熱點事件的爆發(fā)點以及爆發(fā)時間。對事件的識別來說，事件識別準(zhǔn)確率應(yīng)達(dá)到指標(biāo)，并計算每個事件的輿評指數(shù)POI，對其進(jìn)行統(tǒng)計并設(shè)置閾值，當(dāng)計算出的POI超過閾值就可以對群體性負(fù)面事件進(jìn)行識別，預(yù)期利用POI識別群體性事件的準(zhǔn)確率達(dá)到指標(biāo)。對多源事件預(yù)測來說，首先通過多源事件預(yù)測模型對事件進(jìn)行分類，然后選擇可能成為熱點的事件，在這個基礎(chǔ)上去預(yù)測該事件的爆發(fā)期，即在事件爆發(fā)前對其進(jìn)行感知和預(yù)警，模型識別的準(zhǔn)確率應(yīng)達(dá)到指標(biāo)。

綜上，為了滿足網(wǎng)絡(luò)管理及社會安全監(jiān)管部門在網(wǎng)絡(luò)中對一些特定突發(fā)事件進(jìn)行風(fēng)險定性、定量、監(jiān)管、追蹤的需要，沃民公司的科研人員利用互聯(lián)網(wǎng)大數(shù)據(jù)和人心識別AI技術(shù)，通過把網(wǎng)絡(luò)空間對特定事件表達(dá)的情緒和意識形態(tài)等多維度信息集合起來，構(gòu)建一套綜合反映網(wǎng)情風(fēng)險程度的量化指標(biāo)體系，開發(fā)了一套網(wǎng)情風(fēng)險指數(shù)(IERI)(見圖3)。

圖3 不同類型群體事件網(wǎng)情風(fēng)險指數(shù)

根據(jù)事件性質(zhì)的不同，可觀察到一些有負(fù)面輿論的群體事件網(wǎng)情風(fēng)險指數(shù)形態(tài)各異。

通過IERI值排序能夠有效區(qū)分不同事件。群體負(fù)面事件集中在正區(qū)間，而其他事件聚集在負(fù)區(qū)間上(見圖4)。

圖4 不同事件的IERI值排序

圖5 系統(tǒng)的查全率和查準(zhǔn)率統(tǒng)計圖

在0.771時，具有96.67%的查全率(覆蓋性好)。在1.08時，具有96.551%的查準(zhǔn)率(可靠性高)。

根據(jù)這個算法可以按小時、天進(jìn)行實時計算，這樣就可以靈敏預(yù)判社會風(fēng)險是否會發(fā)生。

基于沃民公司所開發(fā)的社會風(fēng)險實時感知與智能預(yù)警大數(shù)據(jù)系統(tǒng)，實現(xiàn)對某一地區(qū)社會風(fēng)險問題的全面監(jiān)測、風(fēng)險監(jiān)控、智能預(yù)警、智能分析。該系統(tǒng)對于政府掌握地區(qū)風(fēng)險態(tài)勢、研判風(fēng)險發(fā)展、應(yīng)對風(fēng)險問題具有重要的決策支撐作用。

圖6 西鄉(xiāng)塘區(qū)社會穩(wěn)定風(fēng)險輿情監(jiān)測與分析系統(tǒng)

(1)全面監(jiān)測：市域風(fēng)險的超強(qiáng)感知

城市的發(fā)展涉及方方面面，城市政治安全、政府重大決策、敏感群體動態(tài)、社會民生熱點等內(nèi)容均可能爆發(fā)風(fēng)險，對這些風(fēng)險進(jìn)行監(jiān)測和感知是社會治理的前提條件。西鄉(xiāng)塘社會風(fēng)險系統(tǒng)能夠?qū)ι鲜鲲L(fēng)險類型進(jìn)行7×24小時全網(wǎng)實時監(jiān)測，能夠?qū)χ攸c監(jiān)測對象進(jìn)行針對性的社交賬號監(jiān)測，同時還能夠監(jiān)測所需的各類語言信息，并實現(xiàn)自動中文轉(zhuǎn)譯。

(2)風(fēng)險監(jiān)控：市域風(fēng)險的發(fā)展跟蹤

城市中不同的社會風(fēng)險類型都是動態(tài)的，對風(fēng)險進(jìn)行持續(xù)性監(jiān)測并跟蹤變動趨勢，有助于城市管理者直觀了解城市風(fēng)險變化情況。西鄉(xiāng)塘社會風(fēng)險系統(tǒng)綜合互聯(lián)網(wǎng)社會風(fēng)險輿情的監(jiān)測、分析的結(jié)果，結(jié)合網(wǎng)情風(fēng)險指數(shù)的評價技術(shù)，能夠?qū)崿F(xiàn)對各類社會風(fēng)險的動態(tài)實時監(jiān)控，以及對各類社會風(fēng)險重大事件節(jié)點的智能預(yù)警。

圖7 沃德社會風(fēng)險實時感知與智能預(yù)警系統(tǒng)

(3)智能預(yù)警：風(fēng)險事件的智能預(yù)警

城市社會風(fēng)險類型涉及領(lǐng)域廣，風(fēng)險事件數(shù)量眾多，在所有風(fēng)險事件中識別出異常事件，對于城市管理者有針對性地解決風(fēng)險問題具有重要意義。西鄉(xiāng)塘社會風(fēng)險系統(tǒng)基于事件檢測技術(shù)和事件預(yù)測模型能夠?qū)崿F(xiàn)對輿情事件的歸類及熱點的預(yù)判，能夠在熱點事件還未爆發(fā)時就預(yù)測到該事件的爆發(fā)點以及爆發(fā)時間，實現(xiàn)熱點事件提前預(yù)警。

(4)智能分析：群體事件的趨勢研判

城市社會風(fēng)險爆發(fā)后，全面、詳細(xì)分析風(fēng)險問題有助于城市管理者了解風(fēng)險背后的問題，有助于風(fēng)險問題的應(yīng)對處置。西鄉(xiāng)塘社會風(fēng)險系統(tǒng)能夠在及時、全面收集社會風(fēng)險信息的基礎(chǔ)上，對相關(guān)數(shù)據(jù)進(jìn)行統(tǒng)計分析，主要包括態(tài)勢分析、印象分析、情緒分析、滿意度分析及意見領(lǐng)袖分析等，針對微博數(shù)據(jù)源的信息提供刪帖分析功能，以可視化圖表呈現(xiàn)分析結(jié)果。

四、應(yīng)用案例

2020年6月4日，廣西梧州發(fā)生的保安持刀砍傷多名學(xué)生和教職工重大惡性事件再次牽動了許多人的神經(jīng)。資深社會風(fēng)險管理專家孔祥濤認(rèn)為：“在當(dāng)前社會風(fēng)險壓力增加的背景下，這種惡性暴力案件發(fā)生是個危險信號，具有誘發(fā)‘示范’效應(yīng)，點位層面的社會情緒及矛盾需要監(jiān)測預(yù)警?！?/p>

圖8 梧州近期社會風(fēng)險值走勢圖

從沃民高新科技(北京)股份有限公司開發(fā)的“廣西社會穩(wěn)定風(fēng)險智能監(jiān)測與分析系統(tǒng)”上能看到，從5月25日至6月3日，互聯(lián)網(wǎng)上就持續(xù)出現(xiàn)對梧州地區(qū)相關(guān)部門核心領(lǐng)導(dǎo)的舉報事件，系統(tǒng)進(jìn)行了風(fēng)險提示和預(yù)警，社會風(fēng)險值從0.86上升至0.95、0.96(基準(zhǔn)值為1)。待6月4日事件爆發(fā)后，風(fēng)險值再次向上攀升。

這一預(yù)警信息能讓我們很清晰地感受到當(dāng)?shù)卣紊鷳B(tài)和社會生態(tài)的緊張。網(wǎng)絡(luò)舉報持續(xù)時間如此之長，舉報人如此堅持不懈地發(fā)布，反映了當(dāng)?shù)卣狈τ行У募{言諫策渠道，當(dāng)?shù)厝罕姾戏?quán)益得不到保障，必然造成矛盾激化，甚至影響社會心態(tài)和社會風(fēng)氣，影響人民對基層黨政組織的信任。一旦社會心態(tài)畸形，社會矛盾倍出，局部社會風(fēng)險將可能失控，釀成危機(jī)事件。

受疫情沖擊和經(jīng)濟(jì)下行影響少數(shù)地方社會矛盾增多，社會風(fēng)險加大。各級政府部門應(yīng)及時引入社會風(fēng)險監(jiān)測系統(tǒng)，有效感知和防范、化解潛在的社會風(fēng)險。利用社會風(fēng)險管理系統(tǒng)，隨時確定當(dāng)?shù)厣鐣L(fēng)險水平層級，積極進(jìn)行系統(tǒng)風(fēng)險點自查、處理、復(fù)盤，就可防微杜漸，避免更大的社會風(fēng)險發(fā)生，建設(shè)形成共建共治共享的社會治理制度，實現(xiàn)長治久安。

五、總結(jié)

沃民公司社會風(fēng)險智能預(yù)警大數(shù)據(jù)系統(tǒng)通過數(shù)據(jù)—事件—預(yù)測依次深入，利用人工智能與數(shù)據(jù)挖掘?qū)崿F(xiàn)未來事件和事件影響的有效預(yù)測，基于深度學(xué)習(xí)與自然語言處理支撐事件信息和事件關(guān)聯(lián)的有效提煉。環(huán)境—算法—應(yīng)用三者有機(jī)融合，通過現(xiàn)實應(yīng)用的外需牽引，結(jié)合大數(shù)據(jù)環(huán)境的內(nèi)因驅(qū)動，實現(xiàn)模型算法的落地，最終為社會風(fēng)險的防范化解提供支撐。