質量安全網絡預警分析框架及模型實現?
——基于互聯網消費者質量風險信息的研究

余紅偉 余 凡 許 偉

質量安全網絡預警分析框架及模型實現?
——基于互聯網消費者質量風險信息的研究

余紅偉 余 凡 許 偉

運用消費者在互聯網上發布的質量信息進行質量安全預警，是網絡時代質量治理的新視角。文章研究了基于消費者質量安全網絡預警分析框架構建與模型實現的問題。從質量信息分類、風險分級以及警情劃分三個方面對質量安全網絡預警分析框架進行了設計，提煉出對消費者網絡質量信息的一般分類范式，即身體傷害類信息、不安全感類信息和性狀改變類信息，并結合網絡信息的特性，將這三類信息按風險嚴重程度分別劃分為五個不同的級別，基于風險的等級確定了預警警情的劃分。采用證據理論從識別框架構建、可信度評價獲取與遞歸融合算法三個步驟詳述了預警模型的構建過程，實現對不同類型、不同風險級別質量信息的融合。這項研究為大數據時代質量的網絡治理提供了一種思路與方法。

質量安全;網絡預警;分析框架;模型

一、引言

在我國，質量安全事故時有發生，事故的結果常常破壞市場秩序和社會公正，嚴重損害人民群眾生命健康財產，造成巨大的經濟損失。如何快速掌握風險信息，準確進行安全預警，避免大規模的質量安全危機事件的發生，是亟需深入研究的重大問題。

預警過程是一個不斷收集信息、分析信息并做出決策的過程。離開了信息，預警也便成了無源之水。互聯網的大規模普及與深入為我們全面獲取質量信息提供了良好的契機。據統計，截至2013年6月底，我國互聯網用戶已達5.91億人，手機網民規模達4.64億;在這些用戶中，博客和個人空間用戶數量為4.01億，而微博用戶數也高達到3.31億(CNNIC，2013)。作為網民的消費者可以通過互聯網，直接向社會傳播對質量風險評價信息，成為了質量安全風險信息的潛在提供和傳播者。互聯網信息發布與傳播具有廣泛性與實時性的特點。運用信息化手段，對網絡消費者發布的海量質量風險信息進行實時監測，就可以在空間維度上更為廣闊、在時間維度上更為迅速地獲取質量風險信息，更為全面深入地掌握消費者所面臨的質量安全問題，預警的結果也將更加實時與準確。因此，基于網絡消費者的海量質量風險信息進行質量安全預警，是大數據時代質量治理的一種新思路。

當前國內外直接針對質量安全網絡預警的研究幾乎屬于空白，較多的研究集中在借助已有的信息系統探討其對質量安全預警的網絡有效性(Rortais等，2010;唐曉存，2008;張東玲，2010)或者探討質量安全預警體系的網絡系統結構(Adrie等，2006;Peter，2007;Tom，2009)，而這些研究并未涉及消費者的網絡質量信息。從根本上講，網絡質量信息是消費者關于質量缺陷信息的一種網絡表達，質量安全網絡預警，本質是一種網絡信息的預警。消費者網絡質量信息紛繁復雜，如何進行有效地預警，關鍵在于處理好網絡質量信息海量性、不確定性和不完整性的特征。海量性是網絡質量信息的數量性特征，網絡上每天都有來自消費者發布數以萬計的質量信息，處理這么龐大的信息量，需要依靠大數據的方法和理念;不確定性是網絡質量信息的準確度特征，網絡上的消費者依據自身的語言習慣自由地進行質量信息的發布，形式不同、風格各異的質量信息通常對于準確的預警是很大的挑戰;不完整性是網絡質量信息的代表性特征，質量安全預警最終將反映的是存在于實體世界的風險，由于并非所有消費者都會上網進行質量信息的發布，通過網絡質量信息來反映這個現實風險，僅具有一定的代表性，信息存在一定程度的不完整缺陷。

面對消費者網絡質量信息的三個突出特點，本文認為質量安全網絡預警的研究，需要著重解決三個方面的問題:第一個是網絡質量風險信息的分類，按照預警的一般原則劃定預警信息的范圍，選擇消費者自由發表的與質量安全相關的言論，并對不同形式和內容的質量信息進行合理的分類，使預警信息在統一的分析范式內發揮價值;第二個是基于分類后的網絡質量信息的風險分級，即要根據信息的呈現形式與具體內容反映出的質量信息風險程度，構建出不同分類信息的風險預警級別;第三個是將不同信息類別、不同風險級別的產品質量信息進行融合，融合時要充分考慮信息的不確定性與不完整性特征，因此人工智能的相關方法應該被考慮應用。

基于以上的分析，本文將從網絡信息分類、風險分級、警情劃分三個方面的分析入手，構造出質量安全網絡預警分析的一般性框架，并探討運用智能化的信息融合方法實現預警模型的構建，以期為質量安全預警提供一種新的網絡化模型與方法。

二、質量安全網絡預警的分析框架

(一)信息分類

對消費者發布的紛繁復雜的海量互聯網質量信息進行有效地分類，是成功預警的首要步驟。目前學術界與實踐領域直接對質量安全網絡信息進行分類的研究與探索并不多見，比較有代表性的是程虹等(2012)關于互聯網信息的企業質量安全分類模型及實現方法的研究。程虹等(2012)基于互聯網上消費者的質量安全信息，在提煉了已有文獻中產品性能、服務質量和運營質量等3個成熟分類指標的基礎上，通過網絡文本數據的實證分析，研究得出了適應互聯網條件的安全性、公眾形象和經濟性等3個新的分類指標，并基于這6大分類指標構建了20個指標的基于互聯網信息的企業質量安全分類模型。他們的研究對于本文進行網絡質量風險信息的分類具有重要的借鑒意義。

程虹等(2012)所構建的6大維度的風險分類指標，面向的對象是生產企業，涵蓋了公眾形象、經濟性、服務質量、運營質量等與企業經營管理和社會責任等相關的信息類別，而本文所研究的是預警問題。黃冠勝等(2006)認為，所謂預警的“警”是事物發展過程中出現的極不正常的情況，是可能導致風險危機的情況。Maslow(1943)提出，安全需要是僅次于生理需要的人類需要，也是消費者對產品質量的一項基本需求。因此，本文質量安全預警的研究將重點關注質量的安全性特征，選擇消費者關注度最高也最為敏感的“安全性”維度為切入點，來進行互聯網質量信息的分類。從消費者的角度來分析，質量的固有特性是否安全，最直接的判斷標準，就是在使用的過程中，是否對自身造成了身體傷害，或者性狀改變使得質量存在潛在傷害的可能性，再或者是造成傷害的事實和某些不足的屬性給消費者帶來的不安感。因此，根據程虹等(2012)的研究結論，本文將互聯網質量信息劃分為身體傷害、不安全感與性狀改變三個類別。

其一，身體傷害。身體傷害是指消費者在接觸或使用時，人體在一定時間內經受不可承受的能量時導致的身體損傷。這是由于質量安全隱患而造成的最直接的傷害，通常造成傷害的形式有物理性傷害、化學性傷害和生物性傷害等(GB/T22760－2008)，如死亡、中毒、皮膚過敏、腹瀉等。美國的國家電子傷害監測系統(NEISS)、歐盟的非食品類消費品快速預警系統(RAPEX)，以及日本的全國消費生活信息網絡系統(PIO-NET)，均是以收集到的消費者受到質量身體傷害的信息，作為監測質量安全風險進行預警的重要依據的。

其二，不安全感。不安全感是指質量的某些特性給消費者心理帶來的不安與恐懼感。即使沒有對使用者造成身體傷害，但由于消費者的心理變化，會產生在使用上的擔心或恐懼，這種描述心理感受的信息在程虹等(2012)所監測的網絡文本數據中普遍存在。這種不安全感可能來自于受到或見到過的質量傷害，抑或是來自質量性狀改變而推測出的質量傷害。它反映的是消費者主觀感受到會遭受類似質量傷害的可能性，通常是通過消費者的情緒來間接表達的。

其三，性狀改變。性狀改變是指質量的物理和化學特性與出廠狀態相比發生了改變，消費者通過肉眼或簡單的測試與推理方法能夠感知到這種變化。通常消費者對于性狀改變的描述，并沒有直接反映消費者受到的質量傷害，但是它卻能真實反映存在質量安全隱患的事實。而這些質量安全隱患將會成為危及消費者身體健康與消費權益的潛在性風險，并且這種信息的數量越大，潛在風險也越大。消費者在互聯網上關于質量性狀改變的描述信息非常普遍，如包含異物、過期、發霉、失靈等詞匯的質量風險信息在論壇、博客以及微博的內容中經常可見。

一般的風險評估通常是從兩個方面對風險信息源進行刻畫的，一個是質量對人體傷害的程度，另一個是傷害發生的可能性。與一般風險評估原理相比，本文對互聯網質量信息的分類具有兩個突出的特點。第一個是考慮了潛在風險。身體傷害反映的是質量對人體傷害的程度，不安全感反映的是傷害發生的可能性，而性狀改變則反映了質量對人體造成傷害的潛在風險性，并且這個潛在風險性的大小也在不安全感的描述中得以刻畫。第二個是結合了網絡的特性。一方面性狀改變的信息通過網絡質量風險信息數量來反映潛在風險大小，另一方面不安全感的信息以風險信息傳播的特性來反映發生傷害的可能性，并且潛在風險大小與發生傷害可能性都與身體傷害的信息具有很強的相關性;而互聯網將這三者有機地組合在了一起。質量信息分類結果及特征如表1所示。

表1 質量安全網絡預警的信息分類

(二)風險分級

在質量安全網絡預警信息分類的基礎上，需要對不同類別的質量安全信息進行風險分級。身體傷害類別的質量信息是對消費者受到實際傷害的描述，可以考慮沿用成熟的傷害風險級別劃分方式;不安全感與性狀改變類別的質量信息，與網絡傳播特性和信息數量相關，需要特別考慮從網絡的特征入手進行風險級別的劃分。

1.身體傷害的風險級別

對于質量安全而造成的身體傷害程度的劃分，許多國家都已經有了比較成熟的實踐與應用。歐盟的“非食品類消費品快速預警系統”(RAPEX)將傷害的嚴重性劃分為輕微的、嚴重的、非常嚴重的等3個級別;日本科學技術聯盟所開發的R-MAP將消費品傷害發生的嚴重程度分為致命的、嚴重的、中等的、輕微的、無傷害等5個等級;我國2009年開始實施的《消費者安全風險評估通則》的國家標準中，將消費品對人體的傷害程度分為非常嚴重、嚴重、一般、微弱等4個級別。參考這些已經成熟應用的傷害級別劃分，同時考慮互聯網消費者質量信息的紛繁復雜性，本文將互聯網質量信息中身體傷害類別信息的風險劃分為5個級別，分別為:(1)致命的，導致災難性的傷害，如死亡、植物人、高位截癱等;(2)非常嚴重的，會導致不可逆轉的傷害，對人體造成較嚴重的負面影響，如肢體殘疾、大面積面部疤痕等;(3)嚴重的，需要在急診室治療或定期住院治療才可恢復的傷害;(4)中等的，需要看醫生，在門診對傷害進行處理即可，對人體將造成的影響一般;(5)輕微的，不需要看醫生，可以家里自行對傷害進行處理，對人體造成某種程度的不舒適感，對人體的影響較輕。具體如表2所示。

2.不安全感的風險級別

不安全感刻畫的是傷害事件發生的可能性。與國家《消費品安全風險評估通則(GB/T 22760－2008)》通過歷史數據、試驗模擬、專家判斷等方法計算并劃分可能性級別不同，不安全感類別的信息是基于消費者在網絡上的情緒表達來度量的。與網絡輿情傳播規律類似，輿論強度與網民的用詞強度存在正向相關的關系。通常網民用詞強度越強，表明網民的情緒越大，則網絡輿論強度也越大;網民的用詞強度指標反映了輿論受關注的程度以及社會情緒趨勢變化狀態的特征。在質量信息中，消費者用詞越強烈，通常表明質量安全問題越突出，受到質量傷害的可能性也就越大。因此，本文通過質量信息中用詞強度的區分刻畫出不同情緒表達下的傷害事件發生的可能性，以此確定對不安全感類別信息進行風險級別的劃分。

表2 身體傷害信息風險分級

本文采用“李克特五點量表”(Likert Scale)來將消費者在互聯網上表達不安全感的情緒信息轉換為傷害事件發生的可能性度量。李克特五點量表是現代調查研究中普遍采用的一種測量量表，適用于情意領域的態度測量評價(Likert，1932);而關于質量不安全感的網絡信息，正是消費者情緒與態度的表達。參照李克特五點量表，將消費者的不安全感情緒由強至弱劃分為5個等級，并結合《消費品安全風險評估通則(GB/T 22760－2008)》對風險發生可能性的描述，構建出無法避免、極有可能、可能、可忽略、不太可能等5級不安全感信息風險級別，如表3所示。

表3 不安全感信息風險分級

3.性狀改變的風險級別

與互聯網上輿情信息的數量變化相似，本文考慮用信息的總體數量來表征性狀改變類別信息的風險級別，而不再考慮不同形式的性狀改變，即將異物、過期、變質等所有性狀改變的信息都一同計入總體數量①這是因為在互聯網上產品性狀改變的信息反映的都只是產品質量安全的潛在風險，并未造成真實的危害發生，而且消費者不安全感的風險信息也將在一定程度上刻畫出其間的差異，況且如果傷害一旦真實發生，相關風險信息又將被計入身體傷害的類別，所以本文并不考慮不同性狀的分類統計。。通常可以認為在產品質量安全危機初期，有關某種產品性狀改變的質量風險信息出現的數量很少，但是隨著有更多的消費者購買和使用這些產品，將會有越來越多的類似信息出現，造成性狀改變信息快速增長，預示危機即將爆發。因此，對于產品性狀改變而引起的質量安全風險級別，我們更關注的是信息數量在特定時段內的增加量。

學者黃鳴剛(2009)構建了網絡危機事件增長規律模型，通過定量計算可以獲取信息增長量與危機爆發時間的關系，如圖1所示。

圖1中p為網民關于危機事件的發帖數量;r為發帖數量增長比率;c為一個常數，取決于網民對不同危機類型的關注程度;k代表該危機信息能夠達到的最大發帖數量，S型增長曲線漸近于k。

在其研究的結論的基礎上，本文將假定產品性狀改變的質量風險信息服從一般網絡信息傳播規律，即其數量增長曲線為S型，并用a代表質量安全危機爆發時的信息變化率即危機爆發時的S曲線的斜率值，有:

a與產品的類型相關，反映了消費者對不同產品的敏感度。通過比較單位時間內風險信息增加的頻率與不同產品a值的大小，同時保持與“身體傷害”和“不安全感”相同的風險級別數，本文構建非常頻繁、頻繁、常常、有時、很少等5級頻率特征的風險級別劃分，如表4所示。

(三)警情劃分

警情是指風險的發展變化、未來狀態是否偏離可控運行軌道或是否將導致損失;如果偏離軌道或導致損失，那么偏離的程度、損失的大小將是什么情況。警情是一方面描述了無警與有警的臨界值，另一方面也表征了有警情況下警情的嚴重級別。因此，質量安全網絡警情的劃分是進行預警分析的關鍵環節。人們通常根據預測損失的大小，將警情分為有警和無警兩種狀態。而“有警”又可以分為輕警、中警、重警和巨警等警情(孔繁濤，2009);預警實踐中為了更加直觀地反映預警結果，通常又采用類似交通信號燈的標識方法來分別表示不同的警情，如綠燈、黃燈、紅燈等。

本文已將消費者網絡質量信息分為身體傷害、不安全感、性狀改變等3類，每類信息均劃分5個級別的風險等級。依照此方式，本文將采用無警、輕警、中警、重警和巨警5個級別的警情劃分來表示質量安全網絡預警結果，并以紅色、橙色、黃色、藍色和綠色依次表示警情級別高低。需要強調說明的是，綠色為最低風險級別，只需持續重點監測不需要預警，而高于綠色的狀態，則表明質量安全問題比較突出，需要預警并采取與警情相對應的級別響應措施，如表5所示。

圖1 網絡危機事件增長規律

表4 性狀改變信息風險級別

表5 警情劃分

通過對網絡質量信息的分類、信息風險的分級以及警情級別劃分三個內容的研究，本文構建如圖2所示的質量安全網絡預警的一般分析框架，可以實現海量質量信息的輸入到最終預警結果的輸出。

三、基于證據理論的質量安全網絡預警模型

在質量安全網絡預警的分析框架下，要實現對最終預警結果的輸出，需要構建一個以信息整合為核心的預警模型，將分類分級的網絡質量信息進行有效地融合。考慮到網絡質量信息海量性、不確定性和不完整性等特點，本文采用證據理論的方法來實現質量安全網絡預警模型，進行網絡質量風險信息的融合。證據理論是一種不精確推理理論，屬于人工智能的范疇，最早應用于專家系統中，具有處理不確定信息的能力。作為一種有確定推理方法，證據理論的主要特點是滿足比貝葉斯概率論更弱的條件，并且具有直接表達“不確定”和“不知道”的能力。采用證據理論的方法進行網絡質量信息的融合，將能有效地處理網絡質量信息的海量性、不確定性和不完整性等特征。本文將從識別框架構建、可信度評價獲取以及遞歸融合算法三個方面介紹基于證據理論的質量安全網絡預警模型的實現過程。

(一)識別框架構建

對質量安全預警評判所有可能結果的集合即組成識別框架Θ。證據理論的創始人之一Shafer指出識別框架Θ的選取“依賴于我們的知識，依賴于我們的認識水平，依賴于我們所知道和想要知道的”。在互聯網上，我們應用人工智能的方法進行網絡質量信息的獲取與分類分級，因此識別框架依賴于本文所構建的質量安全網絡預警分析框架。在圖2所示的預警分析框架中，預警的結果即警情劃分為紅色警度、橙色警度、黃色警度、藍色警度和綠色警度等5個級別，并分別與身體傷害、不安全感、性狀改變等3類質量信息的5個風險等級分別對應。因此識別框架Θ有:

Θ＝{V1(紅色警度)，V2(橙色警度)，V3(黃色警度)，V4(藍色警度)，V5(綠色警度)}

識別框架中的一個等級元素表明對質量安全網絡預警評判的一種可能結果，這個結果來自對身體傷害、不安全感、性狀改變等3類質量信息的風險級別確定，如表5所示。

(二)可信度評價獲取

三種類別的網絡質量信息被評判為識別框架Θ中各風險等級的信度，即為質量信息的可信度評價。可信度評價一方面要反映不同類別質量信息對預警結果的相對權重，另一方面也要包含相同類別質量信息評判成不同級別風險的程度。對網絡質量信息的可信度評價可按如下步驟進行。

圖2 質量安全網絡預警的分析框架

表6 識別框架各等級元素描述

Step1:確定身體傷害、不安全感、性狀改變等3類信息的相對權重。

Step2:獲取質量信息在不同風險級別的智能評價概率。

由于網絡質量信息的海量性、不確定性和不完整性等特點，評判結果將評價每一條質量信息所屬的風險級別，即第i類第j(j＝1，2，…，J，J為實際網絡質量信息總數量)條質量信息Cij被評判為識別框架中Vk(k＝1，…，5)時的評價概率值βijk，其滿足置信度不等式:

式(2)一方面允許每條網絡質量信息以不同的置信度評定為識別框架中的多個等級元素，便于更加準確地評判處于不同識別等級的不確定信息;另一方面允許同一條質量信息風險級別的總置信度不超過100%，對于少于100%的部分則表示對于整體質量信息的“未知性”。這種評判的形式更符合網絡質量信息的實際特點。

Step3:獲取可信度評價矩陣。

網絡質量信息可信度函數的計算應該包括兩個方面的過程:一個過程是不同質量信息類別Ci的相對權重評價(step1所示);另一個過程是以βijk的置信度把每條質量信息Cij評判為識別框架中的Vk(step2所示)。通過以上評價可形成如表7所示的評價矩陣結果。

表7 質量信息的智能評價矩陣表

因此可以得到質量信息Cij評定為識別框架中Vk的可信度為:

剩下的不能進一步分配的信度，表示對整體質量信息的“未知性”，其為:

對于以上兩個過程而言，前者是對信息權重的評價，后者是對信息風險級別的評價。直觀上看，這兩個評價過程可以認為是相互獨立的，即對信息風險狀態的評價并不影響對該信息重要性的評價。

(三)遞歸融合算法

證據理論對信息的融合是按Dempster合成規則進行的。Dempster合成規則具有交換律和結合律，這里介紹一種融合的遞歸計算方法。

定義Mi(Vk)為信息Ci被評判為Vk的信度;Mφi(Vk)表示剩下的不能進一步分配的信度。

假設信息Ci所含的質量信息個數j＝2時，有:

并由此可得，當j＝l＋1(l＝1，2，…，J－1)時，證據理論合成法則的遞歸算法公式為:

運用以上合成方法可以得到每類質量信息的信度集函數為:

M(V)＝{Mφi(Vk)，Mi(Vk)|i＝1，…，3;k＝1，…，5}(9)

同樣，依據上述合成法則對這3個不同類別信息的信度函數進行再次合成，可以得到網絡質量信息評判的最信度集函數C(V)，并由此可得出質量安全網絡預警的最終量化預警級別。

四、總結

通過收集消費者在互聯網上發布的質量風險信息，實現對質量安全的網絡預警，是質量監管領域的新課題。網絡質量信息的海量性、不確定性、不完整性等特征，使得進行基于互聯網信息的質量安全預警的研究，變得十分具有挑戰性。

本文研究了基于消費者質量安全網絡預警分析框架構建與模型實現的問題。首先，基于學者程虹等(2012)的研究，本文提煉出對消費者網絡質量信息的一般分類范式，即身體傷害類信息、不安全感類信息和性狀改變類信息，在文獻分析與實踐借鑒的基礎上，深入考慮網絡信息的特性，將這三類信息按風險嚴重程度分別劃分為5個不同的信息風險級別，探討了基于5個信息風險等級的警情警度的劃分。從質量信息分類、風險分級以及警情劃分三個方面完成了質量安全網絡預警分析框架的設計。其次，著重考慮網絡質量信息三大特點的基礎上，采用證據理論進行不同類型、不同風險級別質量信息的融合，從識別框架構建、可信度評價獲取與遞歸融合算法三個步驟詳述了預警模型的實現過程。

本文所構建的基于互聯網信息的質量安全網絡預警分析框架與模型，為大數據時代質量的網絡治理提供了一種新的思路與方法。進一步的研究可以考慮對分析框架的系統實現，預警模型的適用性與準確度進行測算及模型修正等。

[1] 程虹、范寒冰、肖宇:2012:《企業質量安全風險有效治理的理論框架——基于互聯網信息的企業質量安全分類模型及實現方法》，《管理世界》第12期。

[2] 程虹、劉蕓，2013:《利益一致化的標準理論框架與體制創新——基于“聯盟標準”的案例研究》，《宏觀質量研究》第2期。

[3] 范銳敏，2013:《中國消費者組織質量社會監督職能的消費者評價》，《宏觀質量研究》第2期。

[4] 黃冠勝、林偉，2006:《風險預警系統的一般理論研究》，《中國標準化》第3期。

[5] 孔繁濤，2009:《畜產品質量安全預警理論與方法》，中國經濟出版社。

[6] 李酣，2013:《從市場失靈到政府失靈——政府質量安全規制的國外研究綜述》，《宏觀質量研究》第2期。

[7] 唐曉純，2008:《多視角下的食品安全預警體系》，《中國軟科學》第6期。

[8] 武漢大學質量發展戰略研究院中國質量觀測課題組，2013:《2012年中國質量發展報告》，《宏觀質量研究》第1期。

[9] 張東玲、高齊圣、楊澤慧，2010:《農產品質量安全風險評估與預警模型:以山東省蔬菜出口示范基礎為例》，《系統工程理論與實踐》第6期。

[10]張繼宏，2013:《特種設備質量安全檢驗博弈分析》，《宏觀質量研究》第2期。

[11]Adrie J.M.Beulens，Yuan Li，Mark R.Kramer，Jack G.A.J.Vander Vorst，2006，“Possibilities for Applying Data Mining for Early Warning in Food Supply Network”.

[12]Likert，Rensis，1932:“A Technique for the Measurement of Attitudes”，Archives of Psychology，140，pp.1-55.

[13]Maslow，A.H.，1943:“A Theory of Human Motivation”，Psychological Review，50，pp.370-396.

[14]Peter Karim Ben Embarek，2007，“Information Sharing Between National and International Authorities”，Senior Regional Food Safety Authority Response Coordination Roundtable，11(7).

[15]Rortais A，Belyaeva J，Gemo M，et al.，2010，“An Early-warning System for the Detection of re－emerging foodand feed-borne Hazards”，Food Research International，43(5):1553-1556.

[16]Tom Sidebottom，2009，”Food Emergency Response Network(FERN)”，http://w ww.fda.gov/ohrms/ dockets/ac/03/slides/4001s1_07_Sciacchitano.ppt.，(5):01-04.

■責任編輯 汪曉清

An Analysis Framework and Model for Quality Safety Early-warning Based on Online Information

YU Hongwei，YU Fan and XU Wei
(Institute of Quality Development Strategy，Wuhan University)

In network era，it is a new perspective for quality governance to give early-warning of product safety by using consumer releasing information on the Internet.This paper designs an online early-warning model of product safety in three procedures.First，based on some relative research results，this paper refines a general classification paradigm for online quality information，including information on body injury，feeling of insecurity and characters changes.Then，followed by literature analysis and practical application，this paper respectively divides the three categories of quality information into 5 risk levels.At last，evidence theory is employed to fuse different information categories with different risk levels，and details of the whole fusion process are introduced.

Online Information;Product Quality;Early-Warning Model

?余紅偉、余凡、許偉，武漢大學質量發展戰略研究院，電子郵箱:yuhongwei928＠163.com、303717695＠qq.com、16661021＠qq.com。本文為國家社科基金重大項目(11&ZD158)、“十二五”國家科技支撐計劃項目(2011BAK06B06)、科技部公益性行業科研專項(201210117、201310202)和國家標準化管理委員會軟課題“團體標準必要性可行性研究及管理制度設計”的階段性成果。衷心感謝武漢大學質量發展戰略研究院程虹教授的指導和啟發，以及武漢深度網科技有限公司王超的支持。同時感謝兩位匿名審稿人對本文提出的寶貴意見，當然文責自負。