摘要：隨著突發(fā)事件的多發(fā)頻發(fā)，突發(fā)事件網(wǎng)絡(luò)輿情呈不斷上升態(tài)勢，其負面效應(yīng)凸顯，危及公共安全和社會穩(wěn)定。有效的早期監(jiān)測預(yù)警是防范突發(fā)事件網(wǎng)絡(luò)輿情蔓延擴散的前提條件，為此，該文提出構(gòu)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(shù)提升輿情分析能力和構(gòu)建面向突發(fā)事件的輿情預(yù)警等級和指標(biāo)體系三條針對性措施。

關(guān)鍵詞：突發(fā)事件;網(wǎng)絡(luò)輿情;監(jiān)測預(yù)警;人工智能

中圖分類號：TP393 文獻標(biāo)識碼：A

文章編號：1009-3044（2020）33-0066-03

開放科學(xué)（資源服務(wù)）標(biāo)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(dǎo)機制，全面提高網(wǎng)絡(luò)治理能力，營造清朗的網(wǎng)絡(luò)空間。當(dāng)前，隨著突發(fā)事件的多發(fā)頻發(fā)，突發(fā)事件網(wǎng)絡(luò)輿情呈不斷上升態(tài)勢。突發(fā)事件網(wǎng)絡(luò)輿情的負面效應(yīng)凸顯。如何有效抑制突發(fā)事件網(wǎng)絡(luò)輿情的負面效應(yīng)、發(fā)揮其正面作用成為提升網(wǎng)絡(luò)空間治理能力的重要課題。相對于一般網(wǎng)絡(luò)輿情，突發(fā)事件影響的廣泛性使得突發(fā)事件網(wǎng)絡(luò)輿情涉及因素眾多并且復(fù)雜多變，突發(fā)事件網(wǎng)絡(luò)輿情危及公共安全、社會穩(wěn)定的風(fēng)險顯著上升。因此，必須高度突發(fā)事件網(wǎng)絡(luò)輿情治理。

突發(fā)事件網(wǎng)絡(luò)輿情監(jiān)測預(yù)警是一種前瞻性的機制設(shè)計，通過實時監(jiān)測網(wǎng)絡(luò)平臺突發(fā)事件相關(guān)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(luò)輿情的可能性，當(dāng)突發(fā)事件相關(guān)輿情指標(biāo)超過某一閾值、具有很大概率形成網(wǎng)絡(luò)輿情時及時進行預(yù)警，以采用有效措施降低輿情熱度，通過提前介入干預(yù)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(dǎo)，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(yīng)迅速、分析準(zhǔn)確的突發(fā)事件網(wǎng)絡(luò)輿情監(jiān)測預(yù)警機制是實現(xiàn)有效預(yù)防的前提條件。

1 構(gòu)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(yīng)急管理和重大突發(fā)事件輿情的引導(dǎo)與回應(yīng)。早在2006年發(fā)布的《國家突發(fā)公共事件總體應(yīng)急預(yù)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(yīng)用，2016年，在《國務(wù)院關(guān)于全面推進政務(wù)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(yīng)工作，對重大以上級別突發(fā)事件的政務(wù)輿情，要在5小時內(nèi)發(fā)布權(quán)威信息，24小時內(nèi)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(quán)威信息[2]。從國家的頂層設(shè)計上可以看出，突發(fā)事件的應(yīng)急處置和輿情應(yīng)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(yīng)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(yīng)急處理與突發(fā)事件網(wǎng)絡(luò)輿情應(yīng)對的一體化聯(lián)動機制設(shè)計，在突發(fā)事件網(wǎng)絡(luò)輿情監(jiān)測預(yù)警方面就是要構(gòu)建面向輿情監(jiān)測預(yù)警的突發(fā)事件信息庫。

當(dāng)前，無論是官方主流媒體還是商業(yè)機構(gòu)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(shù)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(guān)分析報告。應(yīng)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(luò)輿情監(jiān)測時，針對性方面略顯不足。突發(fā)事件網(wǎng)絡(luò)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(dǎo)致被忽視或未引起足夠的重視，從而失去了早期監(jiān)測預(yù)警的關(guān)鍵窗口期。

突發(fā)事件的危害性、敏感性等形成的新聞性導(dǎo)致突發(fā)事件發(fā)生后能夠迅速引發(fā)廣泛關(guān)注并呈現(xiàn)在網(wǎng)絡(luò)平臺上，使得監(jiān)測預(yù)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(luò)輿情監(jiān)測，才能把握先機。因此，應(yīng)加強突發(fā)事件應(yīng)急處理與突發(fā)事件網(wǎng)絡(luò)輿情監(jiān)測預(yù)警的聯(lián)動設(shè)計和數(shù)據(jù)共享，構(gòu)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(dǎo)人;二是輿情監(jiān)測預(yù)警系統(tǒng)實時采集的有關(guān)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(guān)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(guān)人、事件爆料人等等。把突發(fā)事件信息庫集成到當(dāng)前輿情監(jiān)測預(yù)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(chǔ)開展面向突發(fā)事件的網(wǎng)絡(luò)輿情專項監(jiān)測，排除無關(guān)信息干擾，精準(zhǔn)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(luò)輿情監(jiān)測的針對性，進而保證預(yù)警及導(dǎo)控的及時性。

2 利用人工智能技術(shù)提升輿情分析能力

網(wǎng)絡(luò)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(jié)構(gòu)化、半結(jié)構(gòu)化和非結(jié)構(gòu)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(luò)輿情預(yù)警的準(zhǔn)確性一直都是輿情分析研究不懈追求的目標(biāo)。近年來，大數(shù)據(jù)驅(qū)動的人工智能技術(shù)的興起和廣泛應(yīng)用為網(wǎng)絡(luò)輿情分析提供了新的方法手段，要充分利用人工智能技術(shù)實現(xiàn)突發(fā)事件網(wǎng)絡(luò)輿情分析的自動化、智能化、精準(zhǔn)化。具體來說：

1）利用人工智能技術(shù)提升突發(fā)事件網(wǎng)絡(luò)輿情數(shù)據(jù)預(yù)處理的自動化水平。數(shù)據(jù)預(yù)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(yù)處理已成為不可能完成的任務(wù)，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(xué)習(xí)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(zhǔn)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(xué)習(xí)算法提高識別分析的準(zhǔn)確率。以輿情情感分類為例，輿情的情感分類是網(wǎng)絡(luò)輿情分析的重要內(nèi)容，特別是對于突發(fā)事件網(wǎng)絡(luò)輿情，網(wǎng)民關(guān)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(luò)輿情數(shù)據(jù)進行情感分類研究能夠在很大程度上預(yù)判輿情走勢。當(dāng)前，輿情情感分類主要是基于淺層學(xué)習(xí)的詞典建模分析和機器學(xué)習(xí)算法實現(xiàn)，基于詞典的情感分類算法需要構(gòu)建的情感數(shù)據(jù)詞典，而基于機器學(xué)習(xí)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(fù)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(luò)輿情，在標(biāo)注數(shù)據(jù)難以大量自動獲取的情況下，開發(fā)深度學(xué)習(xí)學(xué)習(xí)算法提升輿情情感分類的準(zhǔn)確率是可行路徑之一。深度學(xué)習(xí)算法能夠自動發(fā)現(xiàn)數(shù)據(jù)特征，使得基于深度學(xué)習(xí)的情感分類方法具有分類精度高，領(lǐng)域適應(yīng)性強，不依賴詞典等優(yōu)點。

3）利用人工智能技術(shù)實現(xiàn)跨媒體網(wǎng)絡(luò)輿情數(shù)據(jù)智能分析與處理。當(dāng)前網(wǎng)絡(luò)輿情監(jiān)測采集與分析的主要是結(jié)構(gòu)化和半結(jié)構(gòu)化的網(wǎng)頁文本數(shù)據(jù)。隨著新媒體的發(fā)展和網(wǎng)絡(luò)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(dǎo)致突發(fā)事件網(wǎng)絡(luò)輿情非結(jié)構(gòu)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(nèi)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(guān)注。很多突發(fā)事件因為視聽內(nèi)容的加入迅速引爆網(wǎng)絡(luò)輿情或加速網(wǎng)絡(luò)輿情的蔓延，2018年8-27昆山持刀砍人案網(wǎng)絡(luò)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(zhǔn)確把握和深層次認知，進而影響對輿情走勢的精準(zhǔn)預(yù)測和輿情危機的有效應(yīng)對。故而必須加強跨媒體網(wǎng)絡(luò)輿情數(shù)據(jù)的關(guān)聯(lián)分析處理，人工智能技術(shù)的發(fā)展為此提供了可能。比如：基于深度學(xué)習(xí)的無監(jiān)督多模態(tài)特征自動聚類方法和技術(shù)進行跨媒體網(wǎng)絡(luò)輿情話題智能識別、基于深度學(xué)習(xí)構(gòu)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(shù)對突發(fā)事件網(wǎng)絡(luò)輿情進行更多維度的分析。傳統(tǒng)的網(wǎng)絡(luò)輿情研究主要關(guān)注的是網(wǎng)民話語表達的內(nèi)容層面，借助人工智能算法為核心的大數(shù)據(jù)分析技術(shù)能夠深入內(nèi)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(luò)輿情的有效引導(dǎo)應(yīng)對;同時利用這些多維度的信息結(jié)合人工智能預(yù)測模型（比如：人工神經(jīng)網(wǎng)絡(luò)預(yù)測模型）能夠?qū)ν话l(fā)事件網(wǎng)絡(luò)輿情的發(fā)展趨勢進行更為精準(zhǔn)的預(yù)測。

3 構(gòu)建面向突發(fā)事件的輿情預(yù)警等級和指標(biāo)體系

在輿情監(jiān)測預(yù)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(yù)警是目的，意圖通過精準(zhǔn)預(yù)警、提前干預(yù)防范網(wǎng)絡(luò)輿情高漲帶來的社會安全與穩(wěn)定風(fēng)險。進行預(yù)警必須依據(jù)一定的指標(biāo)體系對網(wǎng)絡(luò)輿情態(tài)勢進行評估，確定輿情預(yù)警等級，后續(xù)再依據(jù)預(yù)警等級采取相應(yīng)規(guī)格的應(yīng)對措施進行干預(yù)。因此，確定突發(fā)事件網(wǎng)絡(luò)輿情預(yù)警的分級標(biāo)準(zhǔn)和指標(biāo)體系是輿情預(yù)警的首要環(huán)節(jié)。

不同于一般網(wǎng)絡(luò)輿情，突發(fā)事件網(wǎng)絡(luò)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(luò)輿情分級標(biāo)準(zhǔn)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(yīng)對法》[5]對自然災(zāi)害、事故災(zāi)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(quán)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(luò)輿情熱度狀態(tài)參照國家突發(fā)事件預(yù)警級別確定突發(fā)事件網(wǎng)絡(luò)輿情預(yù)警分級標(biāo)準(zhǔn)，如表1所示。

其中，預(yù)警等級由高到低分別為一級紅色拒絕預(yù)警、二級橙色預(yù)警、三級黃色預(yù)警、四級藍色預(yù)警。對于一般和較大型突發(fā)事件網(wǎng)絡(luò)輿情，本著第一時間介入、快速響應(yīng)的原則，在網(wǎng)絡(luò)輿情開始進入較高熱度狀態(tài)時就實施三級黃色預(yù)警，進入超高熱度狀態(tài)實施二級橙色預(yù)警;對于重大和特別重大突發(fā)事件網(wǎng)絡(luò)輿情，2016年發(fā)布的《國務(wù)院關(guān)于全面推進政務(wù)公開工作的意見》實施細則[6]中明確要求要快速反應(yīng)。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(yù)警，在輿情熱度進入高熱度狀態(tài)時實施一級紅色預(yù)警。輿情預(yù)警等級隨網(wǎng)絡(luò)輿情熱度狀態(tài)動態(tài)調(diào)整。

突發(fā)事件網(wǎng)絡(luò)輿情預(yù)警指標(biāo)體系是評估網(wǎng)絡(luò)輿情熱度狀態(tài)、進行輿情風(fēng)險預(yù)警的依據(jù)?？茖W(xué)合理的預(yù)警指標(biāo)體系能夠使預(yù)警更加及時準(zhǔn)確，減少報假警、遲報警甚至不報警的狀況出現(xiàn)。網(wǎng)絡(luò)輿情預(yù)警指標(biāo)體系一般由不同層級的指標(biāo)構(gòu)成，其中，最底層的指標(biāo)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(biāo)。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(yù)警指標(biāo)體系構(gòu)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(biāo)[7]。

具體對于突發(fā)事件網(wǎng)絡(luò)輿情的指標(biāo)體系來說，通過對突發(fā)事件網(wǎng)絡(luò)輿情各主體構(gòu)成要素的識別、理解，從利益相關(guān)者視角設(shè)置網(wǎng)絡(luò)媒體影響力、傳統(tǒng)媒體影響力、意見領(lǐng)袖助推力、普通網(wǎng)民作用力、政府導(dǎo)控力加上事件觸發(fā)力六個一級指標(biāo)，再依次設(shè)置二級指標(biāo)和三級指標(biāo)，以網(wǎng)絡(luò)媒體影響力為例，設(shè)計微博影響力、微信公眾號影響力、網(wǎng)絡(luò)新聞影響力、網(wǎng)絡(luò)新聞評論影響力等二級指標(biāo)，在微博影響力下設(shè)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(luò)大v發(fā)帖量等可監(jiān)測采集的三級指標(biāo)。

根據(jù)網(wǎng)絡(luò)層次分析法（ANP）等相對客觀的方式科學(xué)確定指標(biāo)權(quán)重，結(jié)合輿情預(yù)警模型判斷網(wǎng)絡(luò)輿情熱度等級。預(yù)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(xué)習(xí)的方法，比如：BP神經(jīng)網(wǎng)絡(luò)、貝葉斯網(wǎng)絡(luò)等。建立指標(biāo)體系一般使用基于模糊理論建立的預(yù)警模型進行預(yù)警，基于模糊理論建立的預(yù)警模型是通過建立隸屬度函數(shù)對各指標(biāo)利用模糊推理技術(shù)進行評判確定其隸屬度，將其與網(wǎng)絡(luò)輿情熱度等級閾值進行比較，確定網(wǎng)絡(luò)輿情熱度等級，進而再根據(jù)突發(fā)事件網(wǎng)絡(luò)輿情預(yù)警分級標(biāo)準(zhǔn)判別輿情預(yù)警等級進行預(yù)警。

參考文獻：

[1]國家突發(fā)公共事件總體應(yīng)急預(yù)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(wù)院辦公廳.《關(guān)于全面推進政務(wù)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(xué)習(xí)的多維度中文網(wǎng)絡(luò)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(luò)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(yīng)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(wù)院辦公廳.《關(guān)于全面推進政務(wù)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(luò)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。