蘭月新 張麗巍 王華偉 趙麗娟 段海鵬

關(guān)鍵詞：網(wǎng)絡(luò)輿情;風(fēng)險(xiǎn)監(jiān)測(cè);異常感知;常態(tài)模型;風(fēng)險(xiǎn)計(jì)算

1現(xiàn)狀分析

網(wǎng)絡(luò)社會(huì)，網(wǎng)民通過(guò)互聯(lián)網(wǎng)發(fā)表觀點(diǎn)形成輿情已成為常態(tài)。然而，無(wú)論是破壞網(wǎng)絡(luò)秩序的網(wǎng)絡(luò)水軍和網(wǎng)絡(luò)推手，還是污染網(wǎng)絡(luò)環(huán)境的信息異化和網(wǎng)絡(luò)謠言，都嚴(yán)重阻礙民意表達(dá)，使得網(wǎng)絡(luò)輿情風(fēng)險(xiǎn)激增。明者遠(yuǎn)見(jiàn)于未萌，智者避危于無(wú)形，如何在海量輿情數(shù)據(jù)中快速監(jiān)測(cè)風(fēng)險(xiǎn)隱患，提前開(kāi)展風(fēng)險(xiǎn)防控，是政府治理輿情的關(guān)鍵問(wèn)題。

網(wǎng)絡(luò)輿情作為具有中國(guó)特色的研究領(lǐng)域，國(guó)內(nèi)網(wǎng)絡(luò)輿情風(fēng)險(xiǎn)研究在研究視角上，主要集中于新聞學(xué)與傳播學(xué)、情報(bào)學(xué)、管理學(xué)等學(xué)科視角;在研究方法上，主要采用系統(tǒng)動(dòng)力學(xué)、復(fù)雜網(wǎng)絡(luò)、統(tǒng)計(jì)建模、自然語(yǔ)言處理等技術(shù)方法;在研究主題上，如圖1所示，主要集中于以下3個(gè)方面。

1）網(wǎng)絡(luò)輿情風(fēng)險(xiǎn)演化及其挖掘研究（#0，#3）。主要研究風(fēng)險(xiǎn)演化機(jī)理，應(yīng)用數(shù)據(jù)挖掘、語(yǔ)義識(shí)別、文本挖掘、情感分析等方法開(kāi)展風(fēng)險(xiǎn)挖掘。例如應(yīng)用系統(tǒng)動(dòng)力學(xué)研究輿情風(fēng)險(xiǎn)形成及干預(yù)策略，并開(kāi)展仿真研究風(fēng)險(xiǎn)演化機(jī)理[1];基于風(fēng)險(xiǎn)感知的心理測(cè)量學(xué)派理論，結(jié)合微博輿情數(shù)據(jù)統(tǒng)計(jì)，使用信息傳播模型的計(jì)算方法，為爭(zhēng)議性科技事件建立信息傳播模型，并開(kāi)展實(shí)證研究[2];分析融媒體時(shí)代網(wǎng)絡(luò)輿情的特點(diǎn)，探討網(wǎng)絡(luò)輿情的潛在風(fēng)險(xiǎn)，并提出基于語(yǔ)義識(shí)別構(gòu)建網(wǎng)絡(luò)輿情風(fēng)險(xiǎn)挖掘策略[3]。

2）網(wǎng)絡(luò)輿情風(fēng)險(xiǎn)管理研究（#2，#4，#5）。主要涉及風(fēng)險(xiǎn)評(píng)估、預(yù)警、防范、治理等內(nèi)容，其中風(fēng)險(xiǎn)評(píng)估或者預(yù)警研究大多采用“評(píng)估指標(biāo)+評(píng)估方法”的模式展開(kāi)，AHP、ANP、灰色模糊評(píng)價(jià)、模糊綜合評(píng)價(jià)、BP神經(jīng)網(wǎng)絡(luò)、投影尋蹤模型、灰色統(tǒng)計(jì)分析、等級(jí)全息建模等成為評(píng)估或者預(yù)警的主要研究方法。例如依據(jù)網(wǎng)絡(luò)輿情演化理論，圍繞震災(zāi)網(wǎng)絡(luò)輿情的物理屬性和社會(huì)屬性提出震災(zāi)網(wǎng)絡(luò)輿情風(fēng)險(xiǎn)監(jiān)測(cè)指標(biāo)體系，并在輿情監(jiān)測(cè)指標(biāo)構(gòu)建基礎(chǔ)上提出基于加速遺傳算法的BP神經(jīng)網(wǎng)絡(luò)風(fēng)險(xiǎn)評(píng)估方法[4];將4種不同的投影尋蹤模型引入突發(fā)事件網(wǎng)絡(luò)輿情風(fēng)險(xiǎn)評(píng)價(jià)研究中，針對(duì)有教師值、無(wú)教師值和有單指標(biāo)評(píng)價(jià)標(biāo)準(zhǔn)的輿情風(fēng)險(xiǎn)評(píng)價(jià)問(wèn)題，分別采用兩種投影尋蹤模型進(jìn)行實(shí)證研究，拓展了輿情風(fēng)險(xiǎn)評(píng)價(jià)的新方法[5];將現(xiàn)代風(fēng)險(xiǎn)管理理論與方法融入輿情、輿論理論并進(jìn)行拓展，將統(tǒng)計(jì)方法與定性研究相結(jié)合，提出將輿情風(fēng)險(xiǎn)管理著力點(diǎn)前置到引導(dǎo)網(wǎng)民情緒和心理[6]。

3）網(wǎng)絡(luò)輿情傳播風(fēng)險(xiǎn)研究（#1，#6，#7）。主要涉及傳播主體、傳播平臺(tái)、傳播路徑、信息傳播異化等蘊(yùn)含的風(fēng)險(xiǎn)。例如結(jié)合實(shí)際的社交網(wǎng)絡(luò)使用行為，在分析社交網(wǎng)絡(luò)輿情傳播模式的基礎(chǔ)上，構(gòu)建了社交網(wǎng)絡(luò)輿情傳播模型，分析影響傳播概率的主要因素，建立了以信息風(fēng)險(xiǎn)感知為主的傳播概率的數(shù)學(xué)模型[7];通過(guò)對(duì)案例微博文本進(jìn)行分析，探討風(fēng)險(xiǎn)議題的形成、轉(zhuǎn)向和消解以及情緒在風(fēng)險(xiǎn)議題傳播中的作用機(jī)制[8];定性分析大數(shù)據(jù)環(huán)境下網(wǎng)絡(luò)輿情信息異化機(jī)理，將網(wǎng)絡(luò)輿情演化機(jī)理模型拓展為信息異化控制模型，并在此基礎(chǔ)上通過(guò)數(shù)值仿真研究政府控制信息異化的分類問(wèn)題[9]。

網(wǎng)絡(luò)輿情風(fēng)險(xiǎn)屬于小概率問(wèn)題，已有研究往往通過(guò)歷史案例中的風(fēng)險(xiǎn)信息或者數(shù)據(jù)建構(gòu)風(fēng)險(xiǎn)集開(kāi)展風(fēng)險(xiǎn)監(jiān)測(cè)，屬于“按圖索驥”式風(fēng)險(xiǎn)監(jiān)測(cè)方法，適用于解決已標(biāo)注風(fēng)險(xiǎn)問(wèn)題，但考慮到目前網(wǎng)絡(luò)輿情風(fēng)險(xiǎn)呈現(xiàn)突發(fā)、頻發(fā)、并發(fā)、多發(fā)態(tài)勢(shì)，嚴(yán)重破壞輿論生態(tài)環(huán)境，未標(biāo)注的新生風(fēng)險(xiǎn)挖掘研究尚缺乏深度的理論研究和科學(xué)準(zhǔn)確的分析方法，成為政府治理輿情亟需解決的問(wèn)題。

2網(wǎng)絡(luò)輿情風(fēng)險(xiǎn)監(jiān)測(cè)機(jī)理

常規(guī)的網(wǎng)絡(luò)輿情監(jiān)測(cè)與網(wǎng)絡(luò)輿情風(fēng)險(xiǎn)監(jiān)測(cè)差異較大，前者是面向互聯(lián)網(wǎng)平臺(tái)的全網(wǎng)監(jiān)測(cè)，而后者則是在全網(wǎng)監(jiān)測(cè)數(shù)據(jù)的基礎(chǔ)上過(guò)濾風(fēng)險(xiǎn)，所以網(wǎng)絡(luò)輿情風(fēng)險(xiǎn)監(jiān)測(cè)方法成為關(guān)鍵?？紤]到網(wǎng)絡(luò)輿情風(fēng)險(xiǎn)屬于小概率問(wèn)題，解決已標(biāo)注風(fēng)險(xiǎn)問(wèn)題屬于正向監(jiān)測(cè)方法，即以小概率思維應(yīng)對(duì)小概率問(wèn)題，面對(duì)未標(biāo)注的新生風(fēng)險(xiǎn)，本文探索以大概率思維應(yīng)對(duì)小概率問(wèn)題，通過(guò)歷史案例中正常數(shù)據(jù)構(gòu)建多維度輿情傳播規(guī)律模型并據(jù)此過(guò)濾風(fēng)險(xiǎn)，屬于“執(zhí)常應(yīng)變”式風(fēng)險(xiǎn)監(jiān)測(cè)方法。該方法既能實(shí)現(xiàn)風(fēng)險(xiǎn)過(guò)濾，又可開(kāi)展常態(tài)輿情分析，屬于一體化研究，故本文主要采用此方法開(kāi)展網(wǎng)絡(luò)輿情風(fēng)險(xiǎn)監(jiān)測(cè)。

未知與不確定，是風(fēng)險(xiǎn)的核心特征，也是網(wǎng)絡(luò)輿情風(fēng)險(xiǎn)監(jiān)測(cè)的難點(diǎn)，解決未知與不確定是網(wǎng)絡(luò)輿情風(fēng)險(xiǎn)監(jiān)測(cè)的關(guān)鍵，如圖2所示。①風(fēng)險(xiǎn)多變，以不變應(yīng)萬(wàn)變。網(wǎng)絡(luò)輿情傳播的核心要素是網(wǎng)絡(luò)輿情風(fēng)險(xiǎn)的直接作用點(diǎn)。網(wǎng)絡(luò)輿情風(fēng)險(xiǎn)雖不確定，但其作用點(diǎn)卻是確定的，所以網(wǎng)絡(luò)輿情風(fēng)險(xiǎn)監(jiān)測(cè)問(wèn)題可轉(zhuǎn)化為網(wǎng)絡(luò)輿情傳播要素?cái)?shù)據(jù)監(jiān)測(cè)問(wèn)題。②風(fēng)險(xiǎn)未萌，必有異常之兆。風(fēng)險(xiǎn)作用于網(wǎng)絡(luò)輿情，必有異常征兆，可將網(wǎng)絡(luò)輿情風(fēng)險(xiǎn)監(jiān)測(cè)問(wèn)題轉(zhuǎn)化為網(wǎng)絡(luò)輿情數(shù)據(jù)異常監(jiān)測(cè)問(wèn)題，變未知為已知。所以，網(wǎng)絡(luò)輿情風(fēng)險(xiǎn)監(jiān)測(cè)問(wèn)題可轉(zhuǎn)化為數(shù)據(jù)驅(qū)動(dòng)的網(wǎng)絡(luò)輿情傳播核心要素的異常數(shù)據(jù)監(jiān)測(cè)問(wèn)題。

3面向風(fēng)險(xiǎn)監(jiān)測(cè)的網(wǎng)絡(luò)輿情異常感知方法

異常者，異于常也，所以按照“通變以知常，執(zhí)常以應(yīng)變”的思想，解決網(wǎng)絡(luò)輿情異常監(jiān)測(cè)問(wèn)題的步驟為：①確定網(wǎng)絡(luò)輿情傳播核心要素，及時(shí)監(jiān)測(cè)網(wǎng)絡(luò)平臺(tái)獲取數(shù)據(jù);②基于歷史數(shù)據(jù)，以網(wǎng)絡(luò)輿情傳播核心要素為變量，構(gòu)建演化規(guī)律模型;③基于核心要素演化規(guī)律模型，研究網(wǎng)絡(luò)輿情傳播核心要素異常數(shù)據(jù)過(guò)濾;④基于異常感知結(jié)果的風(fēng)險(xiǎn)預(yù)警。

3.1網(wǎng)絡(luò)輿情傳播核心要素

整理國(guó)內(nèi)學(xué)者對(duì)網(wǎng)絡(luò)輿情的定義[10-15]并繪制詞云圖，可以得出描述網(wǎng)絡(luò)輿情的主要關(guān)鍵詞為社會(huì)、事件、網(wǎng)絡(luò)、公眾、民眾、信息、情感、情緒、態(tài)度等，本文據(jù)此提煉網(wǎng)絡(luò)輿情傳播核心要素為輿情主體、輿情信息和網(wǎng)民情感，構(gòu)建網(wǎng)絡(luò)輿情傳播核心要素集為：

1）輿情主體（S）。輿情主體包括普通網(wǎng)民和引導(dǎo)主體，其中前者數(shù)量較大，但輿情引導(dǎo)能力很小;后者主要包括媒體、政府、網(wǎng)絡(luò)大V等具有輿情引導(dǎo)能力的網(wǎng)絡(luò)用戶，數(shù)量較小，但輿情引導(dǎo)能力極大。

2）輿情信息（x）。輿情信息主要包括發(fā)文主體、發(fā)布時(shí)間、發(fā)布內(nèi)容、轉(zhuǎn)發(fā)、評(píng)論、點(diǎn)贊、發(fā)文網(wǎng)址等信息指標(biāo)。

3）網(wǎng)民情感（E）。網(wǎng)民情感分類有基于粗粒度分類的二分法（積極和消極）、三分法（正面、中性和負(fù)面）和基于細(xì)粒度分類的四分法（憤怒、厭惡、高興、悲傷）、七分法（憤怒、厭惡、恐懼、高興、喜好、悲傷、驚訝）等。

3.2網(wǎng)絡(luò)輿情傳播核心要素演化規(guī)律建模

網(wǎng)絡(luò)輿情演化遵循信息生命周期理論，經(jīng)歷潛伏期、擴(kuò)散期、消退期等階段，因此可以用描述生物萌芽、增長(zhǎng)、消亡的生長(zhǎng)過(guò)程的生態(tài)模型來(lái)研究網(wǎng)絡(luò)輿情傳播過(guò)程，本文選擇Logistic模型作為網(wǎng)絡(luò)輿情常態(tài)傳播過(guò)程中核心要素演化的基礎(chǔ)模型。

3.3網(wǎng)絡(luò)輿情傳播核心要素異常數(shù)據(jù)監(jiān)測(cè)

3.3.1監(jiān)測(cè)思路

網(wǎng)絡(luò)輿情常態(tài)傳播過(guò)程中，網(wǎng)絡(luò)輿情傳播核心要素對(duì)應(yīng)數(shù)據(jù)與演化規(guī)律符合程度較高，即用網(wǎng)絡(luò)輿情數(shù)據(jù)擬合時(shí)，實(shí)際數(shù)據(jù)與模型數(shù)據(jù)吻合程度較高，并且隨著動(dòng)態(tài)數(shù)據(jù)的融入，吻合程度會(huì)小幅度降低;當(dāng)網(wǎng)絡(luò)輿情傳播出現(xiàn)異常情況時(shí)，其直接表現(xiàn)是網(wǎng)絡(luò)輿情傳播核心要素出現(xiàn)一系列異常數(shù)據(jù)，這就導(dǎo)致部分網(wǎng)絡(luò)輿情傳播核心要素?cái)?shù)據(jù)逐漸偏離演化規(guī)律，即用網(wǎng)絡(luò)輿情數(shù)據(jù)擬合時(shí)，實(shí)際數(shù)據(jù)與模型數(shù)據(jù)吻合程度會(huì)明顯降低，并且隨著動(dòng)態(tài)數(shù)據(jù)的融入，吻合程度會(huì)大幅度降低?；诖?，本文選擇網(wǎng)絡(luò)輿情實(shí)際數(shù)據(jù)與模型數(shù)據(jù)的吻合程度作為監(jiān)測(cè)網(wǎng)絡(luò)輿情傳播核心要素異?，F(xiàn)象的判別指標(biāo)，建構(gòu)數(shù)據(jù)驅(qū)動(dòng)的網(wǎng)絡(luò)輿情傳播核心要素異常數(shù)據(jù)監(jiān)測(cè)方法，如圖4所示，為風(fēng)險(xiǎn)預(yù)警提供數(shù)據(jù)支撐。

3.3.2監(jiān)測(cè)方法

網(wǎng)絡(luò)輿情異常數(shù)據(jù)監(jiān)測(cè)思路中主要步驟是數(shù)據(jù)驅(qū)動(dòng)的演化模型參數(shù)確定過(guò)程（擬合數(shù)據(jù)），為保證擬合精度，本文選擇差分回歸法開(kāi)展數(shù)據(jù)擬合，擬合程度系數(shù)R2（可決系數(shù)）作為判別異常的關(guān)鍵指標(biāo)，具體思路如圖5所示。

3.4異常感知驅(qū)動(dòng)的網(wǎng)絡(luò)輿情風(fēng)險(xiǎn)預(yù)警

構(gòu)建網(wǎng)絡(luò)輿情傳播核心要素指標(biāo)集H={S，xi，Ei}，計(jì)算指標(biāo)集中指標(biāo)權(quán)重形成權(quán)重集T（H）={T（S），T（xi），T（Ei）}，以第一個(gè)異常數(shù)據(jù)點(diǎn)為時(shí)間起點(diǎn)，按照異常數(shù)據(jù)出現(xiàn)的時(shí)間順序，構(gòu)建異常指標(biāo)序列（H1，H2，…，Hn），定義t時(shí)刻網(wǎng)絡(luò)輿情風(fēng)險(xiǎn)概率為：

4實(shí)證研究

4.1數(shù)據(jù)來(lái)源

選取2018年重慶公交車墜江事件輿情作為本文實(shí)證研究案例，通過(guò)爬蟲(chóng)獲取該事件微博數(shù)據(jù)179046條，每條微博屬性為發(fā)文時(shí)間、發(fā)文博主、發(fā)文內(nèi)容、轉(zhuǎn)發(fā)數(shù)、評(píng)論數(shù)等，監(jiān)測(cè)時(shí)段為2018年10月28日10時(shí)45分—2018年11月2日19時(shí)59分，如圖6所示。該事件初始輿情時(shí)間為2018年10月28日10時(shí)，初期輿情圍繞公交車墜江原因以及事故救援等主題展開(kāi)，2018年11月2日10時(shí)，該事件墜江原因曝光，輿情發(fā)生反轉(zhuǎn)，出現(xiàn)輿情異常現(xiàn)象，基于此，本文實(shí)證研究分為兩個(gè)階段：①常態(tài)輿情建模階段：該階段主要建構(gòu)常態(tài)模型，為異常監(jiān)測(cè)提供模型基礎(chǔ)，主要驗(yàn)證常態(tài)模型建構(gòu)合理性;②異常數(shù)據(jù)建模與風(fēng)險(xiǎn)預(yù)警階段：該階段基于常態(tài)模型開(kāi)展異常數(shù)據(jù)過(guò)濾并對(duì)此開(kāi)展風(fēng)險(xiǎn)計(jì)算，主要驗(yàn)證異常監(jiān)測(cè)敏銳程度。

4.2常態(tài)建模

選擇2018年10月28日10時(shí)—31日7時(shí)的數(shù)據(jù)作為建模數(shù)據(jù)，獲取常態(tài)模型建模變量數(shù)據(jù)發(fā)文主體數(shù)量、輿情信息發(fā)布數(shù)量、轉(zhuǎn)發(fā)數(shù)量、評(píng)論數(shù)量等，并通過(guò)文本分析開(kāi)展情感分析，獲取3類情感信息數(shù)量。在此基礎(chǔ)上，針對(duì)3類常態(tài)模型開(kāi)展數(shù)據(jù)擬合，確定模型參數(shù)。

4.3異常數(shù)據(jù)建模與風(fēng)險(xiǎn)預(yù)警

首先，為方便監(jiān)測(cè)異常數(shù)據(jù)，本文將可決系數(shù)R2的差分作為監(jiān)測(cè)指標(biāo)，當(dāng)可決系數(shù)絕對(duì)差分值R2≥0.02時(shí)，判定為數(shù)據(jù)異常（異常為1，反之為0）;其次，網(wǎng)絡(luò)輿情傳播核心要素指標(biāo)集包括發(fā)文主體、發(fā)布信息、中性情感、負(fù)面情感、正面情感5個(gè)指標(biāo)且指標(biāo)權(quán)重相等。在常態(tài)建?；A(chǔ)上，逐步融入新數(shù)據(jù)（2018年10月31日8時(shí)為起點(diǎn)），通過(guò)數(shù)據(jù)擬合計(jì)算各個(gè)網(wǎng)絡(luò)輿情傳播核心要素模型對(duì)應(yīng)的可決系數(shù)R2的差分?jǐn)?shù)據(jù)，監(jiān)測(cè)異常數(shù)據(jù)并計(jì)算風(fēng)險(xiǎn)值，如圖7所示。

觀察圖像發(fā)現(xiàn)：2018年10月31日23時(shí)之后，僅中性情感指標(biāo)出現(xiàn)3次異常（t=16;t=24;t=25），導(dǎo)致風(fēng)險(xiǎn)值達(dá)到49%;2018年11月2日10時(shí)（t=50），5個(gè)指標(biāo)均出現(xiàn)異常，風(fēng)險(xiǎn)值增至83%，此后的11時(shí)至13時(shí)（t=51;t=52;t=53），5個(gè)指標(biāo)大部分仍處于異常狀態(tài)，風(fēng)險(xiǎn)值增至99%。對(duì)比該案例實(shí)際情況，在11月2日10時(shí)17分，公交車墜江原因微博發(fā)布，輿情出現(xiàn)反轉(zhuǎn)，這與異常監(jiān)測(cè)的時(shí)間點(diǎn)吻合，故說(shuō)明本文提出的異常數(shù)據(jù)感知思路可以為風(fēng)險(xiǎn)監(jiān)測(cè)提供依據(jù)。

5結(jié)論

本文在明晰網(wǎng)絡(luò)輿情風(fēng)險(xiǎn)監(jiān)測(cè)機(jī)理的基礎(chǔ)上，研究了一類網(wǎng)絡(luò)輿情異常感知方法，為網(wǎng)絡(luò)輿情風(fēng)險(xiǎn)監(jiān)測(cè)自動(dòng)化、智能化提供研究思路，也可為網(wǎng)絡(luò)輿情風(fēng)險(xiǎn)治理理論提供方法支撐，最后通過(guò)實(shí)證研究驗(yàn)證方法可行性，得出以下結(jié)論：

1）本文基于常態(tài)模型監(jiān)測(cè)異常數(shù)據(jù)，本質(zhì)是以大概率思維解決問(wèn)題，可提升輿情數(shù)據(jù)利用效率，且在兼顧異常監(jiān)測(cè)的同時(shí)，可根據(jù)常態(tài)模型開(kāi)展輿情傳播深度分析，實(shí)現(xiàn)“深度分析+異常監(jiān)測(cè)”一體化。但考慮到網(wǎng)絡(luò)輿情事件具有較強(qiáng)的多樣性和不確定性，本文提出的網(wǎng)絡(luò)輿情傳播核心要素指標(biāo)集和網(wǎng)絡(luò)輿情演化常態(tài)模型庫(kù)的完整性有待進(jìn)一步提升。

2）本文提出的網(wǎng)絡(luò)輿情異常感知方法，在獲取輿情監(jiān)測(cè)數(shù)據(jù)后，需要進(jìn)行的步驟主要有：情感計(jì)算、變量提取、數(shù)據(jù)擬合和風(fēng)險(xiǎn)計(jì)算，將4個(gè)步驟涉及的模型轉(zhuǎn)化為算法可為輿情風(fēng)險(xiǎn)自動(dòng)化計(jì)算提供支撐，但情感計(jì)算步驟的效能會(huì)直接影響異常監(jiān)測(cè)的實(shí)時(shí)性，所以情感計(jì)算宜采用粗粒度劃分方法，在節(jié)省計(jì)算時(shí)間的同時(shí)保障識(shí)別精度。

3）本文針對(duì)歷史網(wǎng)絡(luò)輿情事件進(jìn)行事后分析，主要驗(yàn)證模型和方法的可行性，而在網(wǎng)絡(luò)輿情實(shí)際工作中，即在大樣本實(shí)時(shí)網(wǎng)絡(luò)輿情數(shù)據(jù)環(huán)境下，需要有明確的監(jiān)測(cè)對(duì)象，保障建模數(shù)據(jù)完整，進(jìn)而提升建模精度，所以對(duì)于突發(fā)事件誘發(fā)的網(wǎng)絡(luò)輿情異常監(jiān)測(cè)效果會(huì)更加明顯，而對(duì)網(wǎng)絡(luò)話題誘發(fā)的網(wǎng)絡(luò)輿情來(lái)說(shuō)，需要溯源數(shù)據(jù)，保障監(jiān)測(cè)數(shù)據(jù)完整性。

4）本文探索以大概率思維應(yīng)對(duì)小概率問(wèn)題，為解決未標(biāo)注的新生風(fēng)險(xiǎn)提供解決思路，而在網(wǎng)絡(luò)輿情風(fēng)險(xiǎn)監(jiān)測(cè)實(shí)際工作中，需要將多種風(fēng)險(xiǎn)監(jiān)測(cè)方法組合使用，提升監(jiān)測(cè)精度。

3837500338272