關于突發(fā)事件網(wǎng)絡輿情監(jiān)測預警的探討

摘要：隨著突發(fā)事件的多發(fā)頻發(fā)，突發(fā)事件網(wǎng)絡輿情呈不斷上升態(tài)勢，其負面效應凸顯，危及公共安全和社會穩(wěn)定。有效的早期監(jiān)測預警是防范突發(fā)事件網(wǎng)絡輿情蔓延擴散的前提條件，為此，該文提出構建面向輿情監(jiān)測的突發(fā)事件信息庫、利用人工智能技術提升輿情分析能力和構建面向突發(fā)事件的輿情預警等級和指標體系三條針對性措施。

關鍵詞：突發(fā)事件;網(wǎng)絡輿情;監(jiān)測預警;人工智能

中圖分類號：TP393 文獻標識碼：A

文章編號：1009-3044（2020）33-0066-03

開放科學（資源服務）標識碼（OSID）：

黨的十九屆四中全會《決定》提出推進國家治理體系和治理能力現(xiàn)代化，要求健全重大輿情和突發(fā)事件輿論引導機制，全面提高網(wǎng)絡治理能力，營造清朗的網(wǎng)絡空間。當前，隨著突發(fā)事件的多發(fā)頻發(fā)，突發(fā)事件網(wǎng)絡輿情呈不斷上升態(tài)勢。突發(fā)事件網(wǎng)絡輿情的負面效應凸顯。如何有效抑制突發(fā)事件網(wǎng)絡輿情的負面效應、發(fā)揮其正面作用成為提升網(wǎng)絡空間治理能力的重要課題。相對于一般網(wǎng)絡輿情，突發(fā)事件影響的廣泛性使得突發(fā)事件網(wǎng)絡輿情涉及因素眾多并且復雜多變，突發(fā)事件網(wǎng)絡輿情危及公共安全、社會穩(wěn)定的風險顯著上升。因此，必須高度突發(fā)事件網(wǎng)絡輿情治理。

突發(fā)事件網(wǎng)絡輿情監(jiān)測預警是一種前瞻性的機制設計，通過實時監(jiān)測網(wǎng)絡平臺突發(fā)事件相關帖文數(shù)量、活躍程度、話題熱度、網(wǎng)民情感傾向強度等識別和研判突發(fā)事件形成網(wǎng)絡輿情的可能性，當突發(fā)事件相關輿情指標超過某一閾值、具有很大概率形成網(wǎng)絡輿情時及時進行預警，以采用有效措施降低輿情熱度，通過提前介入干預防范輿情升級形成輿情危機、甚至形成線上線下惡性的相互傳導，危及大眾輿論生態(tài)和社會的和諧穩(wěn)定。因此，建立監(jiān)測全面、反應迅速、分析準確的突發(fā)事件網(wǎng)絡輿情監(jiān)測預警機制是實現(xiàn)有效預防的前提條件。

1 構建面向輿情監(jiān)測的突發(fā)事件信息庫

我國高度重視突發(fā)事件應急管理和重大突發(fā)事件輿情的引導與回應。早在2006年發(fā)布的《國家突發(fā)公共事件總體應急預案》中就要求在事件發(fā)生的第一時間要向社會發(fā)布信息，并根據(jù)事件處置情況做好后續(xù)發(fā)布工作[1]。隨著時代的發(fā)展特別是互聯(lián)網(wǎng)的普及應用，2016年，在《國務院關于全面推進政務公開工作的意見》實施細則中進一步明確指出要做好重大突發(fā)事件輿情收集、研判和回應工作，對重大以上級別突發(fā)事件的政務輿情，要在5小時內發(fā)布權威信息，24小時內舉行新聞發(fā)布會，并根據(jù)工作進展情況，持續(xù)發(fā)布權威信息[2]。從國家的頂層設計上可以看出，突發(fā)事件的應急處置和輿情應對之間存在著緊密聯(lián)系，突發(fā)事件信息發(fā)布、輿情回應及時與否深入影響輿情發(fā)展走勢。因此，要強化突發(fā)事件應急處理與突發(fā)事件網(wǎng)絡輿情應對的一體化聯(lián)動機制設計，在突發(fā)事件網(wǎng)絡輿情監(jiān)測預警方面就是要構建面向輿情監(jiān)測預警的突發(fā)事件信息庫。

當前，無論是官方主流媒體還是商業(yè)機構都開發(fā)和運行了眾多的輿情監(jiān)測系統(tǒng)實施輿情監(jiān)測，比如：方正智思輿情監(jiān)測系統(tǒng)、拓爾思大數(shù)據(jù)輿情分析平臺、天璣互聯(lián)網(wǎng)大數(shù)據(jù)分析系統(tǒng)等。這些平臺基于大數(shù)據(jù)、云計算技術實時抓取互聯(lián)網(wǎng)上論壇、微信、微博、網(wǎng)評、移動客戶端等多種媒體的海量數(shù)據(jù)進行深度分析和數(shù)據(jù)挖掘，形成熱點輿情的可視化展現(xiàn)和相關分析報告。應該說這些平臺系統(tǒng)功能強大，具有突出的數(shù)據(jù)整合和分析能力。但用于突發(fā)事件網(wǎng)絡輿情監(jiān)測時，針對性方面略顯不足。突發(fā)事件網(wǎng)絡輿情孕育期所呈現(xiàn)出的微弱信號容易被淹沒在其他眾多輿情熱點中，導致被忽視或未引起足夠的重視，從而失去了早期監(jiān)測預警的關鍵窗口期。

突發(fā)事件的危害性、敏感性等形成的新聞性導致突發(fā)事件發(fā)生后能夠迅速引發(fā)廣泛關注并呈現(xiàn)在網(wǎng)絡平臺上，使得監(jiān)測預警的窗口期非常短 暫，必須采取措施針對突發(fā)事件進行網(wǎng)絡輿情監(jiān)測，才能把握先機。因此，應加強突發(fā)事件應急處理與突發(fā)事件網(wǎng)絡輿情監(jiān)測預警的聯(lián)動設計和數(shù)據(jù)共享，構建面向輿情監(jiān)測的突發(fā)事件信息庫。突發(fā)事件動態(tài)信息庫的數(shù)據(jù)主要來自兩個方面，一是全國突發(fā)事件信息系統(tǒng)中非敏感事件信息的實時導人;二是輿情監(jiān)測預警系統(tǒng)實時采集的有關突發(fā)事件的熱點信息和人工輸入的信息。通過動態(tài)更新使其盡可能包含更多突發(fā)事件及其相關的實體信息，比如：事件名稱、事件發(fā)生時間、事件發(fā)生地點、事件相關人、事件爆料人等等。把突發(fā)事件信息庫集成到當前輿情監(jiān)測預警平臺中，作為其重要組成部分。以突發(fā)事件信息庫為基礎開展面向突發(fā)事件的網(wǎng)絡輿情專項監(jiān)測，排除無關信息干擾，精準定位突發(fā)事件話題，實現(xiàn)定向監(jiān)測采集事件輿情信息，提高事件輿情信息采集的全面性、網(wǎng)絡輿情監(jiān)測的針對性，進而保證預警及導控的及時性。

2 利用人工智能技術提升輿情分析能力

網(wǎng)絡輿情監(jiān)測包括輿情數(shù)據(jù)收集和輿情數(shù)據(jù)分析兩個主要環(huán)節(jié)，其中輿情數(shù)據(jù)收集是前提，輿情數(shù)據(jù)分析是核心。面對海量、多維度，結構化、半結構化和非結構化的輿情數(shù)據(jù)，如何有效提升輿情數(shù)據(jù)的分析能力、提高網(wǎng)絡輿情預警的準確性一直都是輿情分析研究不懈追求的目標。近年來，大數(shù)據(jù)驅動的人工智能技術的興起和廣泛應用為網(wǎng)絡輿情分析提供了新的方法手段，要充分利用人工智能技術實現(xiàn)突發(fā)事件網(wǎng)絡輿情分析的自動化、智能化、精準化。具體來說：

1）利用人工智能技術提升突發(fā)事件網(wǎng)絡輿情數(shù)據(jù)預處理的自動化水平。數(shù)據(jù)預處理是輿情分析的首要環(huán)節(jié)，主要用于對收集到的輿情數(shù)據(jù)進行處理，以方便后續(xù)的分類、聚類、情感分析等，包括數(shù)據(jù)清洗、噪音消除、特征識別、特征匹配等步驟。面對海量的輿情數(shù)據(jù)，單純以人工方式來完成數(shù)據(jù)預處理已成為不可能完成的任務，因此，在數(shù)據(jù)清洗、噪音消除等環(huán)節(jié)利用人工智能機器學習方法能夠顯著提升處理效率;在特征識別與分類等需要人參與的環(huán)節(jié)則通過人機協(xié)同方式實現(xiàn)準確性與效率的并重。

2）在突發(fā)事件輿情話題檢測與跟蹤、輿情情感分類等方面利用深度學習算法提高識別分析的準確率。以輿情情感分類為例，輿情的情感分類是網(wǎng)絡輿情分析的重要內容，特別是對于突發(fā)事件網(wǎng)絡輿情，網(wǎng)民關于突發(fā)事件的意見態(tài)度看法通常表現(xiàn)出強烈的情感傾向性，通過對突發(fā)事件網(wǎng)絡輿情數(shù)據(jù)進行情感分類研究能夠在很大程度上預判輿情走勢。當前，輿情情感分類主要是基于淺層學習的詞典建模分析和機器學習算法實現(xiàn)，基于詞典的情感分類算法需要構建的情感數(shù)據(jù)詞典，而基于機器學習的情感分類算法則需要人工進行特征選擇。譚旭[3]等研究認為兩類方法對于復雜文本數(shù)據(jù)的情感分類表現(xiàn)效果并不是特別理想。面對現(xiàn)實中多發(fā)頻發(fā)的突發(fā)事件網(wǎng)絡輿情，在標注數(shù)據(jù)難以大量自動獲取的情況下，開發(fā)深度學習學習算法提升輿情情感分類的準確率是可行路徑之一。深度學習算法能夠自動發(fā)現(xiàn)數(shù)據(jù)特征，使得基于深度學習的情感分類方法具有分類精度高，領域適應性強，不依賴詞典等優(yōu)點。

3）利用人工智能技術實現(xiàn)跨媒體網(wǎng)絡輿情數(shù)據(jù)智能分析與處理。當前網(wǎng)絡輿情監(jiān)測采集與分析的主要是結構化和半結構化的網(wǎng)頁文本數(shù)據(jù)。隨著新媒體的發(fā)展和網(wǎng)絡流量成本的顯著下降，圖片、音頻、視頻等成為突發(fā)事件信息傳播的重要方式，導致突發(fā)事件網(wǎng)絡輿情非結構化數(shù)據(jù)顯著增多。相對于文本描述，圖片、音視頻等視聽內容更直觀、包含的信息更豐富、似乎也更真實，因此，更容易引起網(wǎng)民的關注。很多突發(fā)事件因為視聽內容的加入迅速引爆網(wǎng)絡輿情或加速網(wǎng)絡輿情的蔓延，2018年8-27昆山持刀砍人案網(wǎng)絡輿情就是一例典型的證明。因此，單純對網(wǎng)頁文本數(shù)據(jù)的采集分析，難以實現(xiàn)對輿情信息的準確把握和深層次認知，進而影響對輿情走勢的精準預測和輿情危機的有效應對。故而必須加強跨媒體網(wǎng)絡輿情數(shù)據(jù)的關聯(lián)分析處理，人工智能技術的發(fā)展為此提供了可能。比如：基于深度學習的無監(jiān)督多模態(tài)特征自動聚類方法和技術進行跨媒體網(wǎng)絡輿情話題智能識別、基于深度學習構建最優(yōu)情感計算模型進行跨媒體情感智能計算實現(xiàn)輿情情感分類[4]等。

4）利用人工智能技術對突發(fā)事件網(wǎng)絡輿情進行更多維度的分析。傳統(tǒng)的網(wǎng)絡輿情研究主要關注的是網(wǎng)民話語表達的內容層面，借助人工智能算法為核心的大數(shù)據(jù)分析技術能夠深入內容層面背后探尋網(wǎng)民心理、行為、動機、訴求等多維度信息，從而促進突發(fā)事件網(wǎng)絡輿情的有效引導應對;同時利用這些多維度的信息結合人工智能預測模型（比如：人工神經(jīng)網(wǎng)絡預測模型）能夠對突發(fā)事件網(wǎng)絡輿情的發(fā)展趨勢進行更為精準的預測。

3 構建面向突發(fā)事件的輿情預警等級和指標體系

在輿情監(jiān)測預警機制中，輿情數(shù)據(jù)監(jiān)測是前提，輿情數(shù)據(jù)分析是手段，輿情態(tài)勢研判預警是目的，意圖通過精準預警、提前干預防范網(wǎng)絡輿情高漲帶來的社會安全與穩(wěn)定風險。進行預警必須依據(jù)一定的指標體系對網(wǎng)絡輿情態(tài)勢進行評估，確定輿情預警等級，后續(xù)再依據(jù)預警等級采取相應規(guī)格的應對措施進行干預。因此，確定突發(fā)事件網(wǎng)絡輿情預警的分級標準和指標體系是輿情預警的首要環(huán)節(jié)。

不同于一般網(wǎng)絡輿情，突發(fā)事件網(wǎng)絡輿情與突發(fā)事件本身是密切相連的，在確定突發(fā)事件網(wǎng)絡輿情分級標準時必須考慮突發(fā)事件本身的影響?！吨腥A人民共和國突發(fā)事件應對法》[5]對自然災害、事故災難、公共衛(wèi)生三類突發(fā)事件做出了明確分級，即特別重大、重大、較大和一般四級。本文認為社會安全類突發(fā)事件依據(jù)事件危害度和事件敏感度、參考國家對事件的定性和權威專家評估也可參照其他三類劃分為特別重大、重大、較大和一般四級。因此，根據(jù)突發(fā)事件等級和網(wǎng)絡輿情熱度狀態(tài)參照國家突發(fā)事件預警級別確定突發(fā)事件網(wǎng)絡輿情預警分級標準，如表1所示。

其中，預警等級由高到低分別為一級紅色拒絕預警、二級橙色預警、三級黃色預警、四級藍色預警。對于一般和較大型突發(fā)事件網(wǎng)絡輿情，本著第一時間介入、快速響應的原則，在網(wǎng)絡輿情開始進入較高熱度狀態(tài)時就實施三級黃色預警，進入超高熱度狀態(tài)實施二級橙色預警;對于重大和特別重大突發(fā)事件網(wǎng)絡輿情，2016年發(fā)布的《國務院關于全面推進政務公開工作的意見》實施細則[6]中明確要求要快速反應。本著與國家規(guī)定一致的原則，在輿情熱度相對較低（一般熱度和較高熱度）時實施二級橙色預警，在輿情熱度進入高熱度狀態(tài)時實施一級紅色預警。輿情預警等級隨網(wǎng)絡輿情熱度狀態(tài)動態(tài)調整。

突發(fā)事件網(wǎng)絡輿情預警指標體系是評估網(wǎng)絡輿情熱度狀態(tài)、進行輿情風險預警的依據(jù)?？茖W合理的預警指標體系能夠使預警更加及時準確，減少報假警、遲報警甚至不報警的狀況出現(xiàn)。網(wǎng)絡輿情預警指標體系一般由不同層級的指標構成，其中，最底層的指標要是能夠反映輿情狀態(tài)并且易于監(jiān)測采集的特征指標。比如：拓爾思公司為國家某部委開發(fā)的互聯(lián)網(wǎng)輿情態(tài)勢感知系統(tǒng)在信息預警指標體系構建中，以微博話題閱讀量、同主題閱讀量10萬+微信公眾號文章數(shù)、主要網(wǎng)站及客戶端單條新聞跟帖評論參與量等作為底層指標[7]。

具體對于突發(fā)事件網(wǎng)絡輿情的指標體系來說，通過對突發(fā)事件網(wǎng)絡輿情各主體構成要素的識別、理解，從利益相關者視角設置網(wǎng)絡媒體影響力、傳統(tǒng)媒體影響力、意見領袖助推力、普通網(wǎng)民作用力、政府導控力加上事件觸發(fā)力六個一級指標，再依次設置二級指標和三級指標，以網(wǎng)絡媒體影響力為例，設計微博影響力、微信公眾號影響力、網(wǎng)絡新聞影響力、網(wǎng)絡新聞評論影響力等二級指標，在微博影響力下設計突發(fā)事件主題微博帖文量、突發(fā)事件單條微博評論量、突發(fā)事件話題閱讀量、突發(fā)事件主體網(wǎng)絡大v發(fā)帖量等可監(jiān)測采集的三級指標。

根據(jù)網(wǎng)絡層次分析法（ANP）等相對客觀的方式科學確定指標權重，結合輿情預警模型判斷網(wǎng)絡輿情熱度等級。預警模型的建立方法主要有兩大類，一種是基于模糊理論的方法，比如：語義隸屬度模糊推理方法;另一種是基于機器學習的方法，比如：BP神經(jīng)網(wǎng)絡、貝葉斯網(wǎng)絡等。建立指標體系一般使用基于模糊理論建立的預警模型進行預警，基于模糊理論建立的預警模型是通過建立隸屬度函數(shù)對各指標利用模糊推理技術進行評判確定其隸屬度，將其與網(wǎng)絡輿情熱度等級閾值進行比較，確定網(wǎng)絡輿情熱度等級，進而再根據(jù)突發(fā)事件網(wǎng)絡輿情預警分級標準判別輿情預警等級進行預警。

參考文獻：

[1]國家突發(fā)公共事件總體應急預案[EB/OL].http：//www.gov.cn/yj gl/2006-01/0 8/content_210480.htm，2006-01-0 8/2020-09-03.

[2]國務院辦公廳.《關于全面推進政務公開工作的意見》實施細則[EB/OL]. http：//www. gov. cn/zhengce/content/2016-11/15/con-tent_5132852.htm.2016-11-15/2020-09-03.

[3]譚旭，吳俊江，徐磊，等.面向深度學習的多維度中文網(wǎng)絡輿情分析[J].小型微型計算機系統(tǒng)，2018（7）：1471-1477.

[4]段峰峰，陳淼.多元與智能：跨媒體網(wǎng)絡輿情數(shù)據(jù)的分析與處理[J].傳媒觀察，2020（1）：33-38.

[5]中華人民共和國突發(fā)事件應對法[EB/OL].https：//www.mem.gov.cn/fw/flfgbz/201803/t201 80327_23 1775 .shtml， 201 8-03 -27/2020-09-03

[6]國務院辦公廳.《關于全面推進政務公開工作的意見》實施細則[EB/OL]. http：//www. gov. cn/zhengce/content/2016-11/15/con-tent_5132852.htm，2016-11-15/2020-09-03.

[7]張丕翠，楊建武，施水才.網(wǎng)絡空間的輿情態(tài)勢感知[Jl.信息安全研究，2019（11）：1013-1020.

【通聯(lián)編輯：代影】

作者簡介：鄭昌興，男，講師，研究方向：信息處理。