基于網(wǎng)絡(luò)輿情研判的大型活動(dòng)群體性事件風(fēng)險(xiǎn)預(yù)警

劉穎璇，何維江

（中國人民武裝警察部隊(duì)學(xué)院警衛(wèi)系，河北 廊坊 065000）

基于網(wǎng)絡(luò)輿情研判的大型活動(dòng)群體性事件風(fēng)險(xiǎn)預(yù)警

劉穎璇，何維江

（中國人民武裝警察部隊(duì)學(xué)院警衛(wèi)系，河北 廊坊 065000）

大型活動(dòng)參與人員密度大、流動(dòng)性強(qiáng)，容易引發(fā)安全事故，造成較大的人員傷亡和社會(huì)影響，大型活動(dòng)的風(fēng)險(xiǎn)預(yù)警研究有著重要意義。文章從網(wǎng)絡(luò)輿情角度，研判大型活動(dòng)群體性事件預(yù)警研究，根據(jù)網(wǎng)絡(luò)輿情中群體性事件風(fēng)險(xiǎn)因素建立指標(biāo)體系，為大型活動(dòng)群體性事件預(yù)警提供參考。

網(wǎng)絡(luò)輿情；大型活動(dòng)；群體性事件；預(yù)警

群體性事件風(fēng)險(xiǎn)識(shí)別是做好群體性事件預(yù)警的必要條件。本文基于層次全息建模（Hierarchical Holographic Modeling，HHM）方法開展群體性事件預(yù)警研究。HHM是一種全面的思想和方法論，其目的在于捕捉和展現(xiàn)一個(gè)系統(tǒng)（在其眾多的方面和視角、觀點(diǎn)、維度和等級中）的內(nèi)在不同特征和本質(zhì)。HHM在對大規(guī)模的、復(fù)雜的、等級結(jié)構(gòu)的系統(tǒng)（比如國防基礎(chǔ)設(shè)施、民用基礎(chǔ)設(shè)施）進(jìn)行建模非常有用。HHM的多視角、多方位使風(fēng)險(xiǎn)分析變得更加可行。

1 構(gòu)建群體性事件風(fēng)險(xiǎn)識(shí)別的HHM框架

通過分析群體性事件中涉及的風(fēng)險(xiǎn)要素，構(gòu)建了“事件本體、輿情因素、處置能力”3個(gè)維度的群體性風(fēng)險(xiǎn)要素的HHM框架（見圖1），其中包括風(fēng)險(xiǎn)指標(biāo)17項(xiàng)。

圖1 群體性事件風(fēng)險(xiǎn)因素指標(biāo)的HHM框架

HHM框架的核心是擴(kuò)展功能，它采取反復(fù)迭代的方法來確定所有系統(tǒng)風(fēng)險(xiǎn)的結(jié)構(gòu)。首先，收集各類群體性事件的歷史信息；然后，應(yīng)用當(dāng)前的HHM框架驗(yàn)證風(fēng)險(xiǎn)來源；如果風(fēng)險(xiǎn)來源的確認(rèn)不是很好，則可以通過增加新視角的方法來擴(kuò)展該框架。反復(fù)修正HHM框架并使其最終能夠獲得所有的風(fēng)險(xiǎn)來源。在反復(fù)迭代的過程中，可以凝練出3個(gè)主要的HHM子模型—風(fēng)險(xiǎn)場景（見表1），將不同層面、不同側(cè)面、不同緯度的風(fēng)險(xiǎn)因子予以萃取，進(jìn)而進(jìn)行群體性事件風(fēng)險(xiǎn)識(shí)別，這也是HHM應(yīng)用在風(fēng)險(xiǎn)識(shí)別領(lǐng)域中的最佳特點(diǎn)。

表1 凝練HHM子模型—風(fēng)險(xiǎn)場景

事件本體有4個(gè)風(fēng)險(xiǎn)因素，輿情因素有8個(gè)風(fēng)險(xiǎn)因素，理論上有32種風(fēng)險(xiǎn)來源。以構(gòu)建“事件本體—輿情因素”風(fēng)險(xiǎn)場景為例進(jìn)行解釋說明。以事件本體為基礎(chǔ)視角，如果事件發(fā)生在群體性事件敏感期間，就會(huì)導(dǎo)致網(wǎng)絡(luò)輿情擴(kuò)散程度加重；如果事件類型是維護(hù)群體權(quán)益的，那么，受到權(quán)益影響的大V們就會(huì)發(fā)布不利于安全的言論。

2 群體性事件風(fēng)險(xiǎn)量化過程

風(fēng)險(xiǎn)量化與評級的思路是：首先，將群體性事件的HHM框架轉(zhuǎn)換為群體性事件風(fēng)險(xiǎn)指標(biāo)體系（見表2）；其次，應(yīng)用層次分析法（Analytic Hierarchy Process，AHP）計(jì)算各指標(biāo)權(quán)重，進(jìn)而對風(fēng)險(xiǎn)因素進(jìn)行量化（見表3）；最后，應(yīng)用主次因素分析法（Activity Based Classification，ABC）進(jìn)行風(fēng)險(xiǎn)等級評定。

2.1 指標(biāo)體系構(gòu)建及權(quán)重賦予

首先構(gòu)建指標(biāo)體系，然后運(yùn)用AHP計(jì)算指標(biāo)權(quán)重。AHP是一種定性分析與定量分析相結(jié)合的多目標(biāo)決策分析方法，能夠有效分析體系間的層次結(jié)構(gòu)。確定權(quán)重的步驟是：建立層次結(jié)構(gòu)模型；構(gòu)造判斷矩陣并計(jì)算權(quán)重；一致性檢驗(yàn)（Consistency Check，CR）小于0.1。指標(biāo)及權(quán)重如表2所示。

表2 風(fēng)險(xiǎn)量化指標(biāo)體系及權(quán)重

2.2 基于ABC分類法的風(fēng)險(xiǎn)等級評定

ABC分類法是項(xiàng)目管理中常用的一種分類方法。首先，計(jì)算各因素整體權(quán)重并將各因素整體權(quán)重從大到小進(jìn)行排序；其次，計(jì)算各風(fēng)險(xiǎn)因素的累加權(quán)重（見表3）；最后，根據(jù)實(shí)際分析，將風(fēng)險(xiǎn)因素分為3個(gè)級別進(jìn)行評級，其標(biāo)準(zhǔn)如表4所示（圖表僅展示中高風(fēng)險(xiǎn)）。

表3 末級指標(biāo)權(quán)重分析

續(xù)表3

表4 風(fēng)險(xiǎn)等級評定標(biāo)準(zhǔn)

根據(jù)評定標(biāo)準(zhǔn)，對17個(gè)風(fēng)險(xiǎn)指標(biāo)進(jìn)行評級，高風(fēng)險(xiǎn)指標(biāo)2個(gè)，中風(fēng)險(xiǎn)指標(biāo)4個(gè)，一般風(fēng)險(xiǎn)指標(biāo)11個(gè)。其中高風(fēng)險(xiǎn)指標(biāo)是維權(quán)、敏感。中度風(fēng)險(xiǎn)指標(biāo)是泄憤、自媒體、大V、機(jī)構(gòu)設(shè)置。這些指標(biāo)是預(yù)警大型活動(dòng)群體性事件的重點(diǎn)領(lǐng)域，應(yīng)引起高度重視，做好相應(yīng)工作。

[1]蘭月新，董希琳，鄧新元，等.基于HHM的公共危機(jī)事件網(wǎng)絡(luò)輿情風(fēng)險(xiǎn)管理研究[J].情報(bào)雜志，2014（10）：33-38.

[2]張艷巖.基于支持向量機(jī)的網(wǎng)絡(luò)輿情危機(jī)預(yù)警研究[D].南昌：江西財(cái)經(jīng)大學(xué)，2013.

[3]陳天平，鄭連清，張新源，等.HHM在信息系統(tǒng)風(fēng)險(xiǎn)識(shí)別中的應(yīng)用[J].中國安全生產(chǎn)科學(xué)技術(shù)，2008（6）：98-100.

[4]曾潤喜.網(wǎng)絡(luò)輿情突發(fā)事件預(yù)警指標(biāo)體系構(gòu)建[J].情報(bào)理論與實(shí)踐，2010（1）：78.

[5]張小偉.群體性事件的網(wǎng)絡(luò)輿情預(yù)警機(jī)制構(gòu)建研究[D].成都：電子科技大學(xué)，2014.

Study on early warning of large activity in mass events based on judgment of network public opinion

Liu Yingxuan, He Weijiang
（Security Department, The Chinese People’s Armed Police Forces Academy, Langfang 065000, China）

The density of participants is large and the mobility is strong, which is easy to cause safety accidents, resulting in greater casualties and social impacts. So study on early warning of large activity is of great significance. From the perspective of network public opinion, this paper analyzes early warning of large activity in mass events, to set up the system of index according to risk factors of network public opinion, so as to provide reference for early warning of large activity in mass events.

network public opinion; large activity; mass events; early warning

廊坊市軟科學(xué)研究計(jì)劃項(xiàng)目；項(xiàng)目名稱：基于網(wǎng)絡(luò)輿情研判的大型活動(dòng)群體性事件預(yù)警研究；項(xiàng)目編號(hào)：2016023209。

劉穎璇（1983— ），女，河北保定人，碩士，講師；研究方向：網(wǎng)絡(luò)輿情。