社交媒體中應(yīng)急救援信息分類的影響特征研究

沈洪洲， 居 玥

（1 南京郵電大學(xué)管理學(xué)院， 南京 210003； 2 南京郵電大學(xué)信息產(chǎn)業(yè)融合創(chuàng)新與應(yīng)急管理研究中心， 南京 210003）

0 引 言

2021 年鄭州720 暴雨給應(yīng)急信息管理機(jī)構(gòu)帶來了嚴(yán)峻的挑戰(zhàn)。 在這一過程中，全社會(huì)對(duì)突發(fā)事件的應(yīng)急反應(yīng)能力、資源調(diào)配能力的表現(xiàn)尤為突出，展現(xiàn)了對(duì)傳統(tǒng)通信技術(shù)和應(yīng)急信息管理的現(xiàn)有技術(shù)能夠有效使用的能力，例如地理信息和全球定位系統(tǒng)、遙感技術(shù)等當(dāng)代技術(shù)的使用［1－2］；但在此過程中也暴露了這些技術(shù)中公民參與度低，難以直接支撐應(yīng)急救援行動(dòng)的不足。 然而在重大突發(fā)事件中，全社會(huì)共同參與的動(dòng)員行動(dòng)也是必需的，也都會(huì)對(duì)應(yīng)急救援行動(dòng)提供不可或缺的幫助［3］。 因此，可以更加主動(dòng)積極地借助廣大民眾（尤其是突發(fā)事件現(xiàn)場的民眾）的群體智慧，來幫助采集、識(shí)別、完善和傳播應(yīng)急管理過程中需要的各類應(yīng)急救援信息，使其成為應(yīng)急信息管理的重要信息來源，從而對(duì)做出正確的應(yīng)急決策［4］。

已有學(xué)者對(duì)相關(guān)實(shí)踐案例進(jìn)行研究，通過對(duì)社交媒體中廣大民眾發(fā)布的信息進(jìn)行挖掘，進(jìn)而給應(yīng)急救援機(jī)構(gòu)提供決策支持［5］。 例如，陳茜等學(xué)者［6－7］的研究發(fā)現(xiàn)突發(fā)自然災(zāi)害事件背景下的微博所提供的信息可以幫助應(yīng)急管理部門了解公眾情緒走向、認(rèn)知變化以及公眾的態(tài)度，并且社交媒體上的用戶生成的內(nèi)容也被廣泛用于為緊急救援機(jī)構(gòu)或志愿者開展的現(xiàn)場救援活動(dòng)提供建議［8］。 顯然，社交媒體的積極作用已經(jīng)被應(yīng)急管理機(jī)構(gòu)承認(rèn)，但是從社交媒體中挖掘出的應(yīng)急救援信息的可靠性和有效性仍然不盡如人意，大多應(yīng)急管理機(jī)構(gòu)沒有將社交媒體數(shù)據(jù)納入正式的應(yīng)急決策過程。 為在應(yīng)急信息管理中更加充分地發(fā)揮社交媒體綜合優(yōu)勢，還需進(jìn)一步深入研究如何在海量的社交媒體信息中挖掘出真正有價(jià)值的應(yīng)急救援信息。

然而，在突發(fā)事件期間，任何一個(gè)社交媒體用戶都能夠發(fā)布與事件相關(guān)的信息和觀點(diǎn)，并進(jìn)行討論。由于用戶量和數(shù)據(jù)量巨大［9］，研究發(fā)現(xiàn)：一方面，在突發(fā)事件中不同處境的民眾借助社交媒體分布廣和傳播快的優(yōu)勢，能夠提供大量、實(shí)時(shí)的信息；另一方面，這些不同身份背景的民眾由于能力限制，提供的信息質(zhì)量參差不齊，其中不乏一些低相關(guān)性、低質(zhì)量的內(nèi)容［10］，從而導(dǎo)致難以區(qū)分社交媒體中的應(yīng)急救援信息和普通信息。 在此背景下，如何快速挖掘能夠幫助識(shí)別直接提供態(tài)勢感知、現(xiàn)場幫助、求助等支撐應(yīng)急救援行動(dòng)的社交媒體內(nèi)容，探討區(qū)分應(yīng)急救援信息的關(guān)鍵特征從而提升突發(fā)事件中使用社交媒體信息的可信度，將社交媒體應(yīng)急信息納入正式的應(yīng)急決策過程，是一個(gè)值得深入探討的研究問題。

本文關(guān)注于社交媒體中應(yīng)急救援信息的收集和挖掘，以微博為具體研究平臺(tái)，運(yùn)用數(shù)據(jù)挖掘方法探究社交媒體中應(yīng)急救援信息和普通信息之間的特征差別，探討區(qū)分應(yīng)急救援信息的關(guān)鍵特征，從而幫助應(yīng)急救援機(jī)構(gòu)更加高效地利用社交媒體數(shù)據(jù)。

1 相關(guān)工作

1.1 社交媒體中應(yīng)急信息的特征研究

由社交媒體用戶生成的信息可以有效地用于不同的場景，包括突發(fā)事件中的應(yīng)急信息管理。 幾十年前，社交媒體是社交網(wǎng)絡(luò)的一種技術(shù)，而現(xiàn)在則已用作解決問題的工具而不僅僅是技術(shù)，并且逐漸成為突發(fā)事件應(yīng)急管理中實(shí)時(shí)信息獲取的重要渠道。Saroj 等學(xué)者［11］通過系統(tǒng)的綜述，發(fā)現(xiàn)突發(fā)事件中社交媒體信息主要集中于位置預(yù)測、 情感分析、 求助＆幫助、 時(shí)間以及損失傷亡這5 種類型的信息。對(duì)于不同類型的突發(fā)事件，信息內(nèi)容的差異也將導(dǎo)致分類標(biāo)準(zhǔn)的不同。 例如，Nguyen 等學(xué)者［12］將突發(fā)事件信息歸類為與事件相關(guān)和無關(guān)的2 種粗粒度分類的信息；Derczynski 等學(xué)者［13］對(duì)突發(fā)事件中社交媒體信息進(jìn)行分類研究，將其粗粒度地分類為信息豐富的和無信息的，盡管區(qū)分社交媒體中直接提供態(tài)勢感知、 現(xiàn)場幫助、 求助的應(yīng)急救援信息是粗粒度的分類，不能夠幫助進(jìn)一步理解突發(fā)事件的細(xì)節(jié)，但是卻能夠有效幫助緊急救援機(jī)構(gòu)及時(shí)獲取所需要的信息。 在社交媒體中應(yīng)急救援信息的粗粒度分類過程中，本文發(fā)現(xiàn)社交媒體在突發(fā)事件中主要使用了以下3 個(gè)層面的特征，包括：信息內(nèi)容、傳播和用戶特征。

社交媒體的信息內(nèi)容特征是對(duì)突發(fā)事件最直觀的反映，對(duì)社交媒體信息的內(nèi)容特征進(jìn)行挖掘分析，能夠發(fā)現(xiàn)用戶表達(dá)人物、地點(diǎn)、狀態(tài)等細(xì)節(jié)信息，包括對(duì)支撐應(yīng)急救援行動(dòng)有價(jià)值的信息。 在突發(fā)事件中，社交媒體信息數(shù)量和內(nèi)容還會(huì)隨時(shí)間演變而有明顯的變化，同時(shí)不同地理位置的社交媒體信息在內(nèi)容、數(shù)量方面也會(huì)有著顯著差異［14］。 而對(duì)社交媒體中人類活動(dòng)的單詞頻率和位置相關(guān)信息的進(jìn)一步研究，也表明人們的情緒和活動(dòng)受到暴雨強(qiáng)度的顯著影響，驗(yàn)證了社交媒體的內(nèi)容特征在一定程度上代表著人們的態(tài)度和行為［15］。

社交媒體的信息傳播特征則是突發(fā)事件相關(guān)信息在公眾中的傳播認(rèn)可的反映，研究發(fā)現(xiàn)社交媒體的傳播特征能夠在一定程度上反映內(nèi)容的有效性，例如包含態(tài)勢感知、損失情況和求助位置等能夠支撐應(yīng)急救援行動(dòng)的關(guān)鍵信息的社交媒體數(shù)據(jù)，在傳播途徑中更容易得到社交媒體用戶的關(guān)注度［16］；包含求助、聯(lián)系和情感的推文等信息特征的微博，其關(guān)注度也與信息特征數(shù)量成正比［17］，吳布林等學(xué)者［18］就直接指出了高轉(zhuǎn)發(fā)率的社交媒體應(yīng)急信息更有可能擁有更高的質(zhì)量。 毫無疑問，這些研究都體現(xiàn)了傳播特征在一定程度上對(duì)于內(nèi)容質(zhì)量的反映。

另外，社交媒體的用戶特征、即信息主體特征問題也一直是當(dāng)前推動(dòng)社交媒體信息納入正式應(yīng)急決策過程的關(guān)鍵點(diǎn)。 Chen 等學(xué)者［19］發(fā)現(xiàn)經(jīng)認(rèn)證的微博用戶往往比未經(jīng)認(rèn)證的用戶具有更高的社交網(wǎng)絡(luò)活動(dòng)強(qiáng)度和更大的影響力，能夠?yàn)橥话l(fā)事件的應(yīng)急管理提供更多可靠有用的信息。 并且不同用戶所發(fā)布信息內(nèi)容的影響性、權(quán)威性、專業(yè)性等方面也有著顯著差別［20］。

因此本文認(rèn)為在對(duì)社交媒體進(jìn)行分析時(shí)，需要綜合考慮社交媒體信息的內(nèi)容、傳播和用戶特征，一方面能夠傳遞突發(fā)事件中用戶的求助、幫助的觀點(diǎn)，另一方面也是其他用戶對(duì)于該條微博態(tài)度的傳遞。因此，從這3 個(gè)維度中抽取相應(yīng)的特征指標(biāo)，探究幫助區(qū)分社交媒體內(nèi)容中應(yīng)急救援信息的關(guān)鍵的特征，從而更加有效地從嘈雜的用戶生成內(nèi)容中提取出應(yīng)急救援信息。

1.2 社交媒體應(yīng)急信息質(zhì)量的評(píng)價(jià)研究

在突發(fā)事件發(fā)生時(shí)，通過社交媒體進(jìn)行信息溝通主要有4 個(gè)方向：用戶對(duì)用戶（C2C）、用戶對(duì)政府機(jī)構(gòu)（C2A）、政府機(jī)構(gòu)對(duì)政府機(jī)構(gòu)（A2A）、政府機(jī)構(gòu)對(duì)用戶（A2C）［21］。 在這一溝通過程中，應(yīng)急機(jī)構(gòu)可以通過收集來自用戶的C2C 和C2A 信息，來幫助應(yīng)急救援行動(dòng)的開展。 然而，由于突發(fā)事件下社交媒體質(zhì)量層次不齊，在搜索不太具體的詞匯時(shí)，數(shù)據(jù)非?！班须s”、缺乏上下文，使得數(shù)據(jù)質(zhì)量難有保障，不足以直接幫助應(yīng)急救援行動(dòng)［22］。 因此，在缺少足夠權(quán)威評(píng)估標(biāo)準(zhǔn)的條件下，部分研究者使用了人類反饋的方法在主觀上進(jìn)行分析判斷來評(píng)估信息質(zhì)量［20，23］。 除了人類反饋這類主觀上評(píng)估應(yīng)急信息質(zhì)量的方法外，朱益平等學(xué)者［24］從測量方法的四要素出發(fā)，提出了應(yīng)急信息質(zhì)量測量框架。 針對(duì)應(yīng)急信息質(zhì)量評(píng)價(jià)體系的建立，徐文強(qiáng)等學(xué)者［25］從大數(shù)據(jù)角度下對(duì)應(yīng)急信息質(zhì)量評(píng)估進(jìn)行研究，從內(nèi)容質(zhì)量、描述質(zhì)量、信息約束這3 個(gè)維度抽取了8 個(gè)指標(biāo)構(gòu)建了大數(shù)據(jù)環(huán)境下應(yīng)急信息質(zhì)量評(píng)估指標(biāo)體系。另外還有相關(guān)研究者在主要的利益相關(guān)者、應(yīng)急服務(wù)機(jī)構(gòu)和市民的合作下，開發(fā)了一套包含需求、場景、用例的指標(biāo)來進(jìn)行突發(fā)事件相關(guān)社交媒體信息的衡量。 其衡量體系由可理解性，相關(guān)性、完整性、及時(shí)性和可信性這5 個(gè)指標(biāo)構(gòu)建［26］。

除了對(duì)應(yīng)急信息質(zhì)量某一指標(biāo)和應(yīng)急信息服務(wù)質(zhì)量評(píng)估的探討之外，吳雪華等學(xué)者［27］基于文本向量表示、語言、形式和用戶四個(gè)維度的特征，采用機(jī)器學(xué)習(xí)對(duì)社交媒體應(yīng)急信息的質(zhì)量進(jìn)行自動(dòng)識(shí)別分類。 劉校麟等學(xué)者［28］使用機(jī)器學(xué)習(xí)識(shí)別突發(fā)事件中的微博謠言，結(jié)果表示機(jī)器學(xué)習(xí)識(shí)別謠言的正確率遠(yuǎn)高于80%。 除此之外，在突發(fā)事件中，機(jī)器學(xué)習(xí)方法還被普遍用于突發(fā)事件信息抽取［29］、突發(fā)事件文本分類［30］、突發(fā)事件中情感分析［31］。 綜上所述，在評(píng)估應(yīng)急信息質(zhì)量的標(biāo)準(zhǔn)和方法上，未形成統(tǒng)一的質(zhì)量標(biāo)準(zhǔn)，而機(jī)器學(xué)習(xí)也日漸成為突發(fā)事件中社交媒體信息的評(píng)價(jià)與處理的重要方法。

因此，本文在研究相關(guān)理論與實(shí)踐的基礎(chǔ)上，以“微博”為具體研究平臺(tái)，選取“＃河南暴雨互助?！痹掝}為研究數(shù)據(jù)，從用戶生成內(nèi)容中抽取能夠幫助區(qū)分應(yīng)急救援信息的指標(biāo)，利用機(jī)器學(xué)習(xí)進(jìn)行應(yīng)急救援信息分類實(shí)驗(yàn)，旨在探究社交媒體中應(yīng)急救援信息和普通信息之間的特征差別，探討區(qū)分社交媒體中應(yīng)急救援信息中不同特征的影響程度。

2 研究設(shè)計(jì)

2.1 研究對(duì)象

在對(duì)鄭州720 暴雨事件的關(guān)注中，研究發(fā)現(xiàn)微博“＃河南暴雨互助＃”話題下的微博內(nèi)容與應(yīng)急救援的相關(guān)性較高，存在較多的信息能夠有效支撐應(yīng)急救援行動(dòng)，因此將其作為研究對(duì)象。 在數(shù)據(jù)搜集階段，用Python 編寫關(guān)于微博的相關(guān)爬蟲，爬取微博“＃河南暴雨互助?！痹掝}下的原創(chuàng)微博，從2021.08.20 開始進(jìn)行數(shù)據(jù)爬??；通過爬蟲程序輸入“＃河南暴雨互助?！标P(guān)鍵詞，設(shè)置日期為2021.07.20～2021.08.12，發(fā)送到微博搜索引擎，對(duì)相關(guān)話題下的原創(chuàng)微博爬取數(shù)據(jù)。 由于話題下的原創(chuàng)微博只提供微博的點(diǎn)贊數(shù)、評(píng)論數(shù)、轉(zhuǎn)發(fā)數(shù)以及微博的相關(guān)正文內(nèi)容，并不足以支撐本文的分析，所以通過爬取發(fā)布微博信息的用戶主頁鏈接，從而進(jìn)入用戶主頁以爬取用戶的主頁相關(guān)內(nèi)容，如微博數(shù)、關(guān)注數(shù)、粉絲數(shù)，以利于后續(xù)對(duì)相關(guān)特征的進(jìn)一步分析。

獲得微博用戶信息和正文內(nèi)容后，對(duì)獲得的微博內(nèi)容進(jìn)行重復(fù)性等驗(yàn)證，研究文本內(nèi)容發(fā)現(xiàn)2021.08.02 之后的微博相關(guān)內(nèi)容對(duì)于應(yīng)急救援的相關(guān)性都較低，最終選擇2021.07.20～2021.08.03 期間的微博，刪除重復(fù)微博后獲得的7 979條微博數(shù)據(jù)，以便進(jìn)行此后的數(shù)據(jù)分析。 接下來為了獲得微博內(nèi)容是否是應(yīng)急救援信息，對(duì)微博內(nèi)容進(jìn)行人工標(biāo)注數(shù)據(jù)集，分類為1 936 條應(yīng)急救援信息和6 043 條普通信息。

本文研究通過對(duì)“微博”網(wǎng)站上應(yīng)急救援信息的觀察分析，并結(jié)合對(duì)已有的微博應(yīng)急救援信息內(nèi)容相關(guān)研究文獻(xiàn)的整理，在此基礎(chǔ)上展開研究論述如下。

2.2 研究方法

本文以數(shù)據(jù)挖掘?yàn)橹饕芯糠椒ǎ瑢⒃u(píng)估各個(gè)特征對(duì)于社交媒體應(yīng)急救援信息分類的影響程度，其中使用了CART 算法作為評(píng)估特征貢獻(xiàn)度的算法。

研究首先在閱讀相應(yīng)的參考文獻(xiàn)以及“微博”平臺(tái)的數(shù)據(jù)構(gòu)成的基礎(chǔ)上，確定并篩選了所有可能對(duì)社交媒體應(yīng)急救援信息分類產(chǎn)生影響的特征。 最終確定的潛在特征見表1。

表1 社交媒體應(yīng)急救援信息分類潛在影響特征Tab. 1 Potential impact characteristics of social media emergency rescue information classification

2.2.1 人工標(biāo)注數(shù)據(jù)集

社交媒體應(yīng)急救援信息分類的訓(xùn)練可以看作是一個(gè)二分類問題，所以需要選擇正樣本和負(fù)樣本。為了確保應(yīng)急救援信息分類衡量標(biāo)準(zhǔn)的可靠性，需要對(duì)研究數(shù)據(jù)集中的微博內(nèi)容進(jìn)行人工標(biāo)注，即人工判斷每一條微博對(duì)于應(yīng)急救援行動(dòng)是否有用，即能否提供態(tài)勢感知、現(xiàn)場幫助、求助信息。 研究中招募了8 名大學(xué)生志愿者進(jìn)行人工數(shù)據(jù)標(biāo)注，標(biāo)注過程按照如下步驟進(jìn)行：

步驟1標(biāo)注要求的培訓(xùn)。 對(duì)志愿者進(jìn)行標(biāo)注要求培訓(xùn)，介紹了數(shù)據(jù)標(biāo)注的目的，并詳細(xì)解釋標(biāo)注的要求和注意點(diǎn)。 在志愿者理解數(shù)據(jù)標(biāo)注要求后，還進(jìn)行了試標(biāo)注，從而確保志愿者們充分掌握數(shù)據(jù)標(biāo)注的要求。

步驟2數(shù)據(jù)標(biāo)注過程。 數(shù)據(jù)人工標(biāo)注過程由8 名經(jīng)過訓(xùn)練的志愿者進(jìn)行。 7 979 條博文數(shù)據(jù)分為4 組，每組數(shù)據(jù)同時(shí)被2 名志愿者分別標(biāo)注，因此，每條微博都擁有2 個(gè)由不同志愿者標(biāo)注的結(jié)果。志愿者首先通過對(duì)微博正文進(jìn)行仔細(xì)閱讀并充分理解后，判斷微博的文本內(nèi)容是否對(duì)應(yīng)急救援行動(dòng)有用，進(jìn)行標(biāo)注。 每條微博的標(biāo)注結(jié)果分為3 種，包括：有用、無用、不確定。

步驟3核對(duì)并確定標(biāo)注結(jié)果。 將每條微博的2 個(gè)標(biāo)注結(jié)果進(jìn)行比對(duì)，以形成最終的數(shù)據(jù)標(biāo)注結(jié)果，最終結(jié)果只能是有用或者無用。 確定過程如下：

（1）如果2 個(gè)標(biāo)注結(jié)果相同（同時(shí)為有用，或同時(shí)為無用），則直接采用該標(biāo)注結(jié)果。

（2）如果一條微博存在2 個(gè)不同的標(biāo)注結(jié)果，即2 個(gè)標(biāo)注完全相反，或者結(jié)果中有“不確定”時(shí)，負(fù)責(zé)標(biāo)注的2 人與第三方研究人員共同分析討論確定最終的標(biāo)注結(jié)果。

正樣本為標(biāo)注為有用、即應(yīng)急救援信息，標(biāo)注為無用信息，即普通信息被視為負(fù)樣本。 最終得到1 936條正樣本，6 043 條負(fù)樣本。

2.2.2 應(yīng)急救援信息分類特征提取

（1）內(nèi)容語言學(xué)特征提取。 微博內(nèi)容預(yù)處理后，采用“Jieba”分詞去除文本內(nèi)容中的停用詞，隨后統(tǒng)計(jì)每條微博內(nèi)容的單詞數(shù)量，將文本的單詞數(shù)量記為內(nèi)容語言學(xué)特征F1。

（2）內(nèi)容語義特征提取。 微博內(nèi)容的情感一般可以分為正向、中性或者負(fù)向。 本文通過專門的Python 程序結(jié)合成熟的情感詞典，計(jì)算出該微博文本內(nèi)容的情感值。 首先，對(duì)單條微博的文本內(nèi)容分詞后的詞匯列表進(jìn)行遍歷，檢查出詞匯中的程度副詞、否定詞和情感詞，記錄相應(yīng)位置，將積極和消極情感詞分別標(biāo)記為1、－1。 然后，找出程度副詞和否定副詞的權(quán)重，與情感詞加權(quán)得到情感值得分。 計(jì)算程序采用了知網(wǎng)HowNet 情感詞典、臺(tái)灣大學(xué)NTUSD 簡體中文情感極性詞典以及大連理工大學(xué)的中文情感詞匯本體庫。 情感值得分大于0、小于0、等于0 分別代表該微博文本內(nèi)容表現(xiàn)為正面情感傾向、負(fù)面情感傾向以及中性情感傾向。 將程序計(jì)算得到的情感值記為內(nèi)容語義特征F2。

（3）內(nèi)容精確地址提取。 從信息學(xué)角度來說，如果一條文本與其他文本在某個(gè)關(guān)鍵屬性上差別越大，那么就可以利用這個(gè)屬性的差別來區(qū)分文本的類別［32］。 社交媒體應(yīng)急救援信息中涉及關(guān)鍵屬性，那么其為應(yīng)急救援信息的概率就越高。 而在應(yīng)急救援信息中，精確的地址信息和聯(lián)系信息被視為能夠幫助救援的關(guān)鍵信息［15］。 因此，本文通過自行編寫的Python 程序?qū)ξ⒉﹥?nèi)容根據(jù)文本中的地址特征字進(jìn)行命名實(shí)體識(shí)別，提取每條微博存在的精確地址信息，有則為1，無則為0。 根據(jù)由微博內(nèi)容是否存在精確地址信息形成的一個(gè)由0、1 組成的字典，作為內(nèi)容地址信息特征F3。

（4）內(nèi)容聯(lián)系信息提取。 在應(yīng)急救援信息中幫助救援行動(dòng)開展的關(guān)鍵屬性除了精確地址之外，聯(lián)系信息也被認(rèn)為是區(qū)分應(yīng)急救援信息的一個(gè)重要屬性。 因此，對(duì)每條微博原始博文進(jìn)行了正則提取聯(lián)系信息，有則為1，無則為0。 而根據(jù)由微博內(nèi)容是否存在精確地址信息所形成的由0、1 組成的字典，則作為內(nèi)容聯(lián)系信息特征F4。

（5）圖片數(shù)量提取。 由于突發(fā)事件中圖片能夠更為直觀地展示受害者以及旁觀者的處境，本文將圖片數(shù)量作為考慮的屬性之一。 文中是在微博爬取過程進(jìn)行圖片數(shù)量的抽取，通過Python 爬取微博圖片并計(jì)數(shù)，記為圖片信息特征F5。

（6）標(biāo)簽數(shù)量提取。 標(biāo)簽是微博話題是否與事件強(qiáng)相關(guān)的重要因素，而微博內(nèi)容中含有的標(biāo)簽數(shù)與是否是應(yīng)急救援信息的關(guān)聯(lián)問題也是亟需探討的內(nèi)容。 本文采用Python 程序?qū)ξ⒉┪谋纠谜齽t表達(dá)式提取內(nèi)容中的標(biāo)簽并計(jì)數(shù)，記為標(biāo)簽數(shù)量特征F6。

（7）信息傳播特征提取。 由上文綜述可知，社交媒體的信息傳播特征能夠反映突發(fā)事件相關(guān)信息在公眾中的傳播認(rèn)可，能夠有效地評(píng)估信息在傳播過程中公眾的認(rèn)可度。 因此，本文爬取了每條微博的評(píng)論數(shù)、轉(zhuǎn)發(fā)數(shù)、點(diǎn)贊數(shù)。 根據(jù)其中位數(shù)以及平均數(shù)，分別賦值為0.1、0.1、0.01。 3 個(gè)維度的最大值分別為33.33，最終得到的信息傳播特征分?jǐn)?shù)為0 ～100。 將加權(quán)得到的信息傳播特征得分記為信息傳播特征F7。

（8）信息主體特征提取。 由上文可知，微博發(fā)布者的主體特征是信息源可靠性的重要屬性。 因此本文進(jìn)入了微博內(nèi)容發(fā)布者主頁，爬取了主頁中的微博發(fā)布數(shù)、粉絲數(shù)、關(guān)注數(shù)、微博認(rèn)證等級(jí)。 再根據(jù)其中位數(shù)、平均值、等級(jí)數(shù)分別賦值為0.01，0.1、0.1。這3 個(gè)維度的最大值同樣為33.33，最終得到的信息主體特征分?jǐn)?shù)為0～100。 將加權(quán)得到的信息傳播特征得分記為信息主體特征F8。

3 實(shí)驗(yàn)評(píng)估

為了挖掘出真正能夠幫助區(qū)分社交媒體中應(yīng)急救援信息的關(guān)鍵特征項(xiàng)，本部分研究首先通過自行編寫的Python 程序基于研究數(shù)據(jù)集選擇最佳的分類模型，然后根據(jù)選定的分類模型對(duì)各個(gè)特征進(jìn)行特征貢獻(xiàn)度分析，確定能夠區(qū)分社交媒體中應(yīng)急救援信息產(chǎn)生重要影響的特征項(xiàng)，并對(duì)這些特征項(xiàng)進(jìn)行討論。

3.1 社交媒體應(yīng)急救援信息分類模型選擇

在閱讀參考文獻(xiàn)的基礎(chǔ)上，研究確定了樸素貝葉斯、邏輯斯蒂回歸、決策樹算法作為擬定的初步算法，為了進(jìn)一步確定最合適的算法，研究擬采用十折交叉驗(yàn)證法分別用樸素貝葉斯、邏輯斯蒂回歸和決策樹算法結(jié)合信息內(nèi)容、主體、傳播這3 個(gè)維度中抽取的8 個(gè)特征進(jìn)行分類結(jié)果比較，以確定最佳分類算法。 評(píng)估標(biāo)準(zhǔn)擬選定為F － score， 實(shí)驗(yàn)結(jié)果見表2。

表2 不同分類算法性能比較Tab. 2 Performance comparison of different classification algorithms

從表2 中分析可知，3 個(gè)分類器分類的精度都在80%以上，綜合判斷選擇了精度和F值都較高的決策樹算法作為分類模型算法。

3.2 特征的統(tǒng)計(jì)以及貢獻(xiàn)度分析

為了能夠了解數(shù)據(jù)集分布情況，本文對(duì)社交媒體中應(yīng)急救援信息和普通信息的8 個(gè)數(shù)值型指標(biāo)以及信息傳播特征和信息主體特征這2 個(gè)綜合指標(biāo)進(jìn)行了描述性統(tǒng)計(jì)分析，統(tǒng)計(jì)其最小值、最大值、平均值、中位數(shù)、標(biāo)準(zhǔn)差，統(tǒng)計(jì)結(jié)果見表3。 由表3 中可以見得，轉(zhuǎn)發(fā)數(shù)、評(píng)論數(shù)、點(diǎn)贊數(shù)、發(fā)布微博、粉絲數(shù)這5 個(gè)指標(biāo)標(biāo)準(zhǔn)差較大，表明這部分幫助區(qū)分社交媒體中應(yīng)急救援信息的特征數(shù)據(jù)也不穩(wěn)定，并且根據(jù)分類的實(shí)驗(yàn)結(jié)果，選擇8 個(gè)特征進(jìn)行分類實(shí)驗(yàn)的結(jié)果（0.745）也優(yōu)于12 個(gè)基本指標(biāo)特征的實(shí)驗(yàn)結(jié)果（0.726）。 因此，本文選擇信息內(nèi)容語言學(xué)特征、信息內(nèi)容語義特征、內(nèi)容地址信息特征、內(nèi)容聯(lián)系信息特征、圖片信息特征、標(biāo)簽信息特征、信息傳播特征、信息主體特征這個(gè)8 個(gè)特征作為基本特征項(xiàng)。

表3 特征數(shù)據(jù)的統(tǒng)計(jì)差異分析Tab. 3 Statistical difference analysis of characteristic data

在分類模型中，2 種較為常用的分類方法是樹歸納法和線性邏輯斯蒂回歸方法，本文通過使用樹歸納法計(jì)算基尼不純度度量來計(jì)算特征貢獻(xiàn)度［33］，采用CART 算法進(jìn)行剪枝，即采用一種二分遞歸分割技術(shù)，將分類樣本集分為2 個(gè)子樣本集，生成的決策樹的每一個(gè)非葉節(jié)點(diǎn)都有2 個(gè)分枝。 在CART 算法中， 使用獨(dú)立于訓(xùn)練樣本集的測試樣本集對(duì)分枝樣本集的分類錯(cuò)誤進(jìn)行計(jì)算，找出分類錯(cuò)誤最小的子樹作為最終的分類模型［33－34］。 本研究中，利用CART 算法求得的特征貢獻(xiàn)度如圖1 所示。 因此，可以確定對(duì)社交媒體應(yīng)急救援信息分類產(chǎn)生重要影響的3 個(gè)特征：內(nèi)容地址信息特征、內(nèi)容語言學(xué)特征、信息主體特征。

圖1 特征貢獻(xiàn)度Fig. 1 Contribution of different characteristics

由圖1 可知，內(nèi)容地址信息特征、即精確地址信息在社交媒體應(yīng)急救援信息分類中的影響程度最大，本文對(duì)這一項(xiàng)數(shù)據(jù)進(jìn)行分析。 對(duì)比應(yīng)急救援信息和普通信息中是否包含精確地址信息，發(fā)現(xiàn)應(yīng)急救援信息中的精確地址信息約為80%，而普通信息中精確地址信息只有25%。 并且，包含精確地址信息的普通社交媒體內(nèi)容有50%是官方媒體機(jī)構(gòu)對(duì)受影響地區(qū)和受害者的綜合報(bào)道。 因此，研究認(rèn)為精確地址信息是區(qū)分應(yīng)急救援信息的關(guān)鍵特征，并且在區(qū)分個(gè)人發(fā)布的社交媒體內(nèi)容中的應(yīng)急救援信息方面能夠提供更加優(yōu)越的效果。

信息內(nèi)容語言特征的文本單詞數(shù)量就是指去除停用詞之后的社交媒體內(nèi)容分詞后的單詞數(shù)量（47.23）。其中，普通文本的單詞數(shù)量為34.32，遠(yuǎn)低于應(yīng)急救援文本的單詞數(shù)量為51.37。 為了避免由于單詞數(shù)量極值影響實(shí)驗(yàn)判斷的科學(xué)性，進(jìn)一步分析了文本單詞數(shù)量的中位數(shù)，分別為32，44。 這也表明在一定程度上，社交媒體內(nèi)容中文本單詞數(shù)量越多，關(guān)于應(yīng)急事件描述越詳細(xì)，更有可能是應(yīng)急救援信息。 為了進(jìn)一步評(píng)估關(guān)鍵特征在區(qū)分社交媒體中應(yīng)急救援信息方面的表現(xiàn)，本文對(duì)信息語言學(xué)特征（word＿num）和信息主體特征（user＿score）進(jìn)行偏相關(guān)關(guān)系以進(jìn)一步闡釋其表現(xiàn)， 結(jié)果如圖2 所示。由圖2 可知，微博內(nèi)容中單詞數(shù)量與社交媒體內(nèi)容是否是應(yīng)急救援信息有著明顯的遞增關(guān)系，說明微博內(nèi)容單詞數(shù)量越多、描述越詳細(xì)，社交媒體內(nèi)容就越有可能是應(yīng)急救援信息。

圖2 關(guān)鍵特征與應(yīng)急救援信息分類偏相關(guān)關(guān)系Fig. 2 Partial correlation between key features and emergency rescue information classification

信息主體特征包含微博發(fā)布者的微博數(shù)、粉絲數(shù)、關(guān)注數(shù)，是社交媒體信息來源可信度的重要特征。 分析信息主體得分的平均數(shù)，應(yīng)急救援信息（34.74）明顯高于普通信息（16.73），且應(yīng)急救援信息的信息主體得分中位數(shù)（9）也遠(yuǎn)高于普通信息得分（4）。 這就清楚地表明，高質(zhì)量用戶在突發(fā)事件中能夠提供信息的質(zhì)量也更高。 但是在偏相關(guān)關(guān)系分析中，微博發(fā)布者的用戶主體特征并沒有與應(yīng)急救援信息分類表現(xiàn)出明顯關(guān)系，可得信息主體特征與其他特征共同影響著應(yīng)急救援信息的分類。

研究中還發(fā)現(xiàn)，原以為聯(lián)系方式信息和圖片信息在應(yīng)急救援信息分類中能夠起到關(guān)鍵性作用，然而，在本次實(shí)驗(yàn)中卻顯示出聯(lián)系信息和是否存在圖片沒有對(duì)區(qū)分應(yīng)急救援信息起到理想的作用。 根據(jù)初步觀察和以往的研究可知，圖片信息盡管能夠更加直觀地展示突發(fā)事件的發(fā)展?fàn)顩r以及受害者現(xiàn)狀，但是在社交媒體中很大一部分圖片與社交媒體文本內(nèi)容呈現(xiàn)為非強(qiáng)相關(guān)，這類普通信息對(duì)于圖片使用的不嚴(yán)謹(jǐn)使得分類器難以依靠圖片科學(xué)地區(qū)分出應(yīng)急救援信息。 與此同時(shí)，還進(jìn)一步發(fā)現(xiàn)被歸類為應(yīng)急救援信息的部分內(nèi)容創(chuàng)作者可能不喜歡、甚至不適應(yīng)使用圖片表達(dá)信息，還有部分內(nèi)容創(chuàng)作者為旁觀者，不能夠提供高相關(guān)性的圖片，這也在一定程度上降低了圖片的區(qū)分應(yīng)急救援信息的貢獻(xiàn)度。另外，對(duì)于社交媒體信息中聯(lián)系信息的使用，根據(jù)本次研究與發(fā)布者的溝通以及綜合分析，有著相當(dāng)一部分應(yīng)急救援信息發(fā)布者沒有意識(shí)到除微博本身外聯(lián)系信息發(fā)布的關(guān)鍵性。 還有一部分應(yīng)急救援信息是旁觀者的收集，其聯(lián)系信息的缺失是由于自身能力和獲得信息手段的限制。

4 結(jié)束語

針對(duì)社交媒體內(nèi)容質(zhì)量層次不齊、難以有效區(qū)分其中應(yīng)急救援信息的現(xiàn)實(shí)問題，本文研究主要基于對(duì)“微博”上應(yīng)急救援信息的分析與相關(guān)文獻(xiàn)研究，從信息內(nèi)容、傳播、用戶三個(gè)維度提取了12 個(gè)指標(biāo)、8 類特征，選擇CART 算法進(jìn)一步分析這些特征對(duì)于區(qū)分應(yīng)急救援信息關(guān)鍵性。 研究結(jié)果顯示內(nèi)容地址信息特征、信息內(nèi)容語言特征、信息主體特征對(duì)社交媒體中的應(yīng)急救援信息分類有重要作用。 上述探討發(fā)現(xiàn)是對(duì)社交媒體中應(yīng)急救援信息研究的進(jìn)一步補(bǔ)充。

接下來，將探索如何更高效地在“微博”平臺(tái)上識(shí)別應(yīng)急救援信息。 如何引導(dǎo)用戶上傳更高質(zhì)量的應(yīng)急救援信息，從而幫助應(yīng)急救援行動(dòng)快速實(shí)施，也是后期需著重探討與研究的方向。 例如，給用戶提供更為專業(yè)的應(yīng)急救援信息模板，在社交媒體發(fā)布端自動(dòng)識(shí)別與突發(fā)事件低相關(guān)性的質(zhì)量信息，給用戶提供信息類別的選擇上傳選項(xiàng)等。