基于網絡輿情敏感信息的突發事件情景分析

陳祖琴 蔣勛 葛繼科

關鍵詞：網絡輿情;特征信息：敏感信息：突發事件：情景分析

1研究背景

常規認識中，網絡輿情是對突發事件情景的反映，應該先有突發事件情景發生，再產生相對應的輿情，然而實際上因為種種原因.突發事件情景很可能并不會被迅速、及時地意識到。隨著自媒體等新媒體渠道的發展，在突發事件情景被人們確知或重視以前，各種網絡輿情往往已經預先突顯。比如新型冠狀病毒（COVID-19）疫情中，網絡輿情的爆發時間相比正式重視疫情的時間具有明顯優勢.如果在輿情爆發之初就引起足夠重視，事件結果應該會具有很大的不同。因此，對網絡輿情進行研究，尤其通過網絡輿情敏感信息，發現可能已存在而未被確認或重視的突發事件情景，從而及時采取相應的措施，有助于提升突發事件的響應速度，提前進行突發事件情景的應對，減小突發事件造成的損失。

2相關研究

“情景一應對”應急決策模式是應急管理學界近年來的研究熱點。“情景一應對”決策范式是決策主體對已經擁有的數據、信息、知識的經驗提取與綜合集成.再根據當前突發事件具體的“情景”.利用經驗信息去判斷會出現什么樣的事件“態勢”、出現這些“態勢”的可能性以及這些“態勢”造成的危害程度等，并據此生成應對方案的一種決策方法。以“情景一應對”為指導思想的應急決策是突發事件應急響應情報體系建設的主流趨勢。近年來，人工智能技術特別是深度學習的發展，為“情景-應對”應急決策模式提供了新的理論和技術支撐。楊志等對基于“情景一應對”的突發網絡輿論事件演化博弈進行了分析。Xie T等基于“情景一應對”和離散事件系統理論，提出了一種公共安全事件應急決策生成方法。Qian J等研究了多維情景空間方法在地震災害應急響應突發事件應急決策生成機理中的應用。Ergu D等研究了“情景一應對”模式下利用對數平均誘導模型來評估自然災害突發事件應急方案和演化趨勢。YangF等研究了應急響應中將自然語言描述的文本轉換成虛擬情景的方法。基于隋景進行突發事件應對，前提是有效地明確了目標情景，然而由于種種原因.突發事件情景往往并不能被迅速有效地明確。

網絡輿情是公眾以網絡平臺為載體，圍繞已經發生或即將發生的輿情事件發布的意見、觀點、情感和態度的信息集合。隨著新媒體的流行，網絡輿情往往先于關聯的突發事件情景本身被人們所認識，故此利用輿情監測來分析目標突發事件情景具有可行性，這為突發事件情景明確提供了一種可供參考的途徑。傳統的輿情監測系統多采用“被動出擊”的方式發掘網絡輿情，難以對輿情變化做出迅速響應，為了提高輿情監測的效率以及準確性，部分學者提出利用敏感信息抓取進行網絡輿情監測。現有關于網絡輿情的研究，多將網絡輿情爆發本身作為獨立的突發事件情景進行探討，大量成果集中在對輿情演化規律和網絡輿情事件的處置措施等方面。如部分學者通過大量調研和分析，探討了影響輿情熱度和傳播的關鍵因素，并進一步探討了如何對輿情事件進行應急響應。另一部分成果集中在對具體的輿情案例進行實證分析，從而通過輿情研究關注潛藏的社會問題。此外，大量學者對輿情的演化進行了研究，如胡瓏瑛對網絡輿情演進過程參與主體策略行為進行了研究，蘭月新等利用不同的建模理論構建了網絡輿情的演化模型，以期從不同的視角展現輿情傳播特點和規律：夏立新等對基于事件鏈的網絡輿情事件的演化進行了研究，實現了網絡輿情的關鍵情景推演：王超對網絡輿情演化的結構特征進行了分析，豐富了網絡輿情傳播規律的共性認識;Gao G等在系統動力學基礎上，提出一種輿情演化的綜合因果關系模型：黃微等提出和構建了網絡輿情衍進指數，對網絡輿情演化過程中衍生出新的子話題的現象進行了研究。

這些研究成果表明.通過敏感信息抓取能提高輿情監測的效率.影響網絡輿情演化和傳播的關鍵因素是可以挖掘的，同時網絡輿情演化和傳播也是具有一定規律可循的。在上述研究的基礎上，本文首先基于統計和分類的方法提取突發事件情景對應的網絡輿情文本的特征信息.主要是文本中高頻出現的、反映突發事件各個維度特征的詞匯;其次，通過輿情特征信息提煉每個情景類關聯的輿情敏感信息，主要是對輿情關聯的突發事件情景類別確定具有決定作用的詞匯;最后，通過輿情敏感信息和情景之間的映射關系，根據網絡輿情的演化規律合理進行目標區域突發事件情景畫像，從而完成目標區域的突發事件情景分析。

3網絡輿情的特征信息提取

以某一突發事件演化過程為主線爬取其對應的較為詳盡的網絡輿情信息，并通過預處理進行分詞等操作，再經過實體抽取、輿情特征信息詞抽取、情景關聯，完成輿情特征信息的提取。輿情特征信息提取過程如圖1所示。

3.1買體抽取

輿情信息包括真實信息與虛假信息兩類，真實信息可以輔助明確真實存在的突發事件情景，而虛假信息則可能導致誤判或者過度響應。利用輿情特征信息進行目標區域情景分析的前提，是對輿情信息的真偽進行判斷，在此基礎上再進行輿情重要程度的判斷。進行實體抽取的主要目的是對鑒別輿情真偽、判別突發事件重要程度起決定作用的因素進行抽取。因此，主要考慮信息傳播的三大要素，即信源、信道和信宿3個方面分別進行抽取。信源和信宿是輿情的施為者和關注者.屬于輿情的內部實體;信道是輿情的傳播渠道，屬于輿情的外部實體。

3.1.1內部實體抽取

1）輿情發布者抽取，即判斷輿情事件的信源。從輿情信息的來源進行輿情真偽和重要程度的鑒別，是確定輿情信息真實性和權威性最有效的途徑之一。針對某類事件，若是專業人士首先發出相應言論.輿情的真實性相對比較高，則需要高度關注。如與疫情相關的輿情信息，若是醫護群體首先發聲，則需要高度重視。反之，若是某網絡寫手最先發布一條疫情信息，其真實性和可信度相對較低，需要更加嚴謹地求證后再進行處理。

2）輿情關注群體抽取，即判斷輿情事件的信宿。從輿情關注群體進行輿情真偽和重要程度的鑒別，也是確定輿情信息真實性和權威性的有效途徑。利用用戶畫像技術，識別輿情信息的關注群體，通過鑒別，若輿情的關注群體整體是較為理性、客觀的用戶，比如具有較高的知識水平的職業等，則輿情的真實性可能會比較高.需要比較高度地關注，反之則需要進一步確認后處理。

3.1.2外部實體抽取

對輿情的真偽和重要程度具有影響的外部實體，主要考慮輿情的傳播渠道，即輿情傳播的信道。從輿情傳播渠道進行輿情真偽和重要程度的鑒別，是確定輿情信息真實性和權威性的另一途徑。若是在較為主流或權威的媒體或者平臺進行首發聲.并在較為主流或權威的媒體或者平臺進行傳播的輿情，其真實性比較高，則需要高度關注，反之則需要持一定的懷疑態度去求證。

3.2輿情特征信息詞抽取

利用實體抽取結果，篩選去除虛假輿情信息，對剩下的相對可靠的輿情信息進行特征信息詞抽取。由于本研究主要是為了了解網絡輿情與具體突發事件的關聯，抽取的輿情特征信息詞主要是與突發事件相關的信息。每一突發事件案例總是屬于特定的事件分類，具有特定的危害等級，遵循特定的演化規律，在不同的時間段處于事件的不同發展階段。因此，突發事件的描述主要從分類、分級、分期3個維度來刻畫，輿情特征詞提取也主要從這3個方面進行篩選。特征詞的提取同時基于統計和分類的方法進行，從分詞后的大量詞匯中抽取出高頻特征詞并進行規范化處理，在此基礎上對特征詞按照事件描述屬性進行分類，并將特征詞與對應的突發事件情景進行關聯。

3.2.1特征詞規范化處理

在輿情信息中，不同的詞匯表達的意思可能是相同的，比如“傳染性肺炎”“不明原因肺炎”等在COVID-19疫情中，其實是前期網民對此次疫情的不同稱呼，甚至官方發布的聲明中也由2019-nCoV轉變為COVID-19。同時，網民在進行討論時也會涉及突發事件中心詞匯的上位詞或者下位詞。為了不遺漏與突發事件相關的輿情信息，需要對表達同一內容的不同詞匯進行規范化處理，便于識別出同一內容的不同表達方式。

通過構建輿情特征信息詞表.對輿情特征詞進行規范化處理。在詞表中為每個特征詞設置“同義詞”“上位詞”“下位詞”字段，將與其具有同義關系和上下位關系的所有詞匯統一關聯到規范的特征詞下，后續進行輿情特征信息描述時統一采用規范化的特征詞。同時，根據輿情特征信息詞表中詞匯之間上下位、同位類的關系，可以計算突發事件之間的相關性.對新出現的突發事件可借用相關度高的突發事件的處置方式進行快速響應。此外，選取規范特征詞時，應兼顧民眾表達特性，以貼近民眾用詞習慣為目的，盡量選取使用范圍較廣、接受度較高的詞.并不要求一定是學術性最強的表達。

例如.詞條“COVID-19”作為新出現的突發事件類型，在輿情特征信息詞表中，其同義詞集合包括2019-nCoV、不明原因肺炎、新冠肺炎、新型冠狀病毒肺炎……，其上位詞為{病毒性肺炎}，其下位詞集合為{COVID-19疫苗、COVID-19變異……}。由于“COVID-19”與“非典”同為“病毒性肺炎”的下位詞.相關度較高，因此在初始應對“COVID-19”疫情時首先可以借鑒“非典”的應對經驗。

3.2.2特征詞分類

對應突發事件情景的3個描述維度，輿情特征信息詞可分為情景類別輿情特征信息詞、情景分級輿情特征信息詞和情景分期輿情特征信息詞。對大量網絡輿情文本進行人工標注，再以人工標注結果為訓練集，通過機器學習進一步對更多的文本進行處理，實現輿情特征信息詞的自動分類。

1）情景類別輿情特征信息詞：代表輿論對事件類別認知的詞語.比如“肺炎”“流感”“病毒”等，是反映事件類型的特征信息。

2）情景分級輿情特征信息詞：代表輿論對事件嚴重程度認知的形容詞.如“非常嚴重”“不可控”“傳染”“人傳人”等，是反映事件嚴重程度的特征信息。

3）情景分期輿情特征信息詞：代表輿論對事件發展周期認知的詞語.如“出現”“蔓延”“擴散”等，是反映事件發展周期的特征信息。

3.3情景關聯

通過情景劃分方法.能夠將突發事件發展過程中情景的分類、分級、分期屬性不同的節點，劃分為更細粒度的突發事件子情景，并通過時間序列將子情景進行連接，描述完整的事件鏈。根據網絡輿情演化的時間流，確定輿情特征信息詞高頻出現的時間，對照相應時間節點內的突發事件情景，完成“輿情特征信息詞一突發事件情景”的關聯。情景關聯的表示方法如下：

針對某一輿情事件.存在輿情特征信息詞集合P=輿情特征信息詞P，、……、輿情特征信息詞該輿情事件反映的突發事件情景可以劃分為子情景集合。

4輿情敏感信息提取

對不同突發事件中提取的相似度大于設定閾值的子情景進行合并，用情景類進行統一描述，再通過輿情特征信息詞與情景類包含的子情景的映射關系疊加，確定輿情特征信息詞與對應情景類的關聯強度，從而提取強關聯的特征信息詞作為情景類的輿情敏感信息。

4.1輿情敏感信息詞識別

利用大量網絡輿情事件提取全部輿情特征信息詞，同時劃分這些輿情事件對應的突發事件情景.并合并同類子情景，得到全部的突發事件情景類。根據特征信息詞與情景之間的對應關系，生成“輿情特征信息詞一突發事件情景類”矩陣。“輿情特征信息詞一突發事件情景類”矩陣示例，如表1所示。……、，則輿情敏感信息與情景類S的映射關系可以用樸素貝葉斯分類器進行計算。

樣本集可以根據輿情敏感信息在“輿情特征信息詞一突發事件情景類”矩陣中所屬的情景類進行標注。計算每個類別在樣本中的出現頻率，以及每種輿情敏感信息組合對每個情景類的條件概率，最終可以得出待分類輿情敏感信息對應的情景類。

5基于輿情敏感信息的突發事件情景分析

基于輿情敏感信息的目標區域突發事件情景分析過程，如圖2所示。

首先.提煉當前網絡輿情中的可信輿情敏感信息，結合網絡輿情演化規律，預測可能的后續輿情狀態，從而利用輿情敏感信息與情景的映射函數，根據當前和后續的輿情敏感信息，得到當前情景與可能的后續情景;然后，綜合考慮情景特征屬性及其演化進行目標區域隋景畫像，最終明確目標情景。

其中，目標區域情景畫像是突發事件情景分析的關鍵，其過程如圖3所示。

根據輿情敏感信息確定當前情景，再基于系統動力學模型，確定后續輿情狀態.從而得到后續輿情敏感信息。建立當前輿情敏感信息{E，E，…，E}-后續輿情敏感信息{D，D，…，D}的關系，構造當前輿情敏感信息發展要素E和后續輿情敏感信息D之間的損失函數L（E，D），再應用基于帕累托法則的多目標優化方法，求解最小損失函數：min（L（E，D）），從而確定最可能的后續輿情敏感信息，確定后續情景。

根據當前輿情狀態對應的當前情景，確定其對應的分類、分級、分期屬性，結合可能的后續情景對應的分類、分級、分期屬性，得到其分類、分級、分期屬性可能的演化路徑，綜合確定各個維度最可能的目標值，從而綜合確定目標情景。

根據情景屬性在后續情景中出現的綜合概率，分別選取分類、分級、分期屬性中綜合概率較高的項，作為目標情景中的屬性值，從而完成目標情景畫像，得到目標情景。

6基于COVID-2019疫情的算例分析

2020年初暴發的新型冠狀病毒肺炎疫情，其實在2019年底就初露端倪.忽略輿論小規模的私下流傳不易捕捉和驗證的時間，第一次較大規模的輿情暴發點是2019年12月30日。李文亮醫生于2019年12月30日率先在微信群披露不明肺炎有關情況，被截圖轉發引發輿論關注。

6.1輿情敏感信息提取

首先，進行實體抽取，判斷輿情的可信度。該網絡輿情的事件發布者是李文亮醫生，其言論從專業的角度來看是具有一定可信度的。事件的接受者最開始也是醫生，說明關注群體也是對事件認知比較明確的。事件的傳播渠道是微信，是目前應用比較廣泛的一種社交媒體。從實體抽取結果看，該網絡輿情信息的可信度是比較高的，應該高度關注。

其次，進行輿情敏感信息提取。從該輿情信息中可以捕捉到輿情敏感信息“不明原因肺炎”“SARS”“冠狀病毒”“確診7例”“正在進行病毒分型”等。此時該事件的病毒類型還沒有明確，但可以通過上位詞“病毒性肺炎”對該事件進行初步歸類，找到相似事件SARS、MERS等重大公共衛生事件。因此，需要對輿情信息引起重視，進行進一步的分析。

6.2目標情景畫像

根據輿情敏感信息中與事件類別有關的詞“不明原因肺炎”“SARS”“冠狀病毒”等，判斷相關事件分類為公共衛生事件，且疑似非典;根據與事件級別有關的敏感信息詞“確診”，依據《國家特別重大、重大突發公共事件分級標準（試行）》，發生傳染性非典型肺炎疑似病例屬于重大公共衛生事件，該事件級別可以定義為二級;根據與事件分期有關的敏感信息“確診7例”，判斷事件處于預警期。進一步進行輿情演化分析，一種可能是事件與非典類特別嚴重的傳染病無關，則事件類別改變，輿情會相應消退，事件發展周期也進入緩解期;而另一種可能則是輿情影響范圍進一步擴散，可能是對應事件的升級.證實發生傳染性非典型肺炎或與之危害程度相當的其他傳染病，疫情有擴散趨勢，這樣事件就會上升到特別重大公共衛生事件，即公共衛生事件一級，且事件發展周期進入暴發期。據此，按照預先應對減少損失的原則，需要對事件按照公共衛生事件二級響應進行預應對，并隨時做好向一級升級的準備。之后的工作就是進一步求證，最終根據事件發展結果進行相應的應對。

6.3效果分析

在情景畫像以后可以發現.該輿情對應的突發事件情景和我國曾經暴發的SARS相似。因此，可以參照其應急處置措施.啟動相應的應急預案進行應對。按照此分析，COVID-19疫情的有效防控措施應該在2019年1月初啟動。鐘南山院士在2月27日廣州市政府新聞辦舉行的疫情防控專場新聞通氣會上說，“假如我們在12月初，甚至是1月初能夠采取嚴格防控措施的話，我們的病人將會大幅減少”。

新型冠狀病毒肺炎疫情算例分析顯示，如果重視網絡輿情對突發事件情景的反映.根據輿情敏感信息快速確定目標情景，并采取相應的應對措施，能夠對突發事件的應急響應產生積極的作用。

7結束語

利用當前網絡輿情可能先于突發事件情景被迅速、及時地關注的特性.本文進行了基于輿情敏感信息的目標突發事件情景畫像研究，從而分析目標區域的可能情景。通過對輿情敏感信息進行提煉并辨別真偽，發現已存在而未被明確的突發事件情景.有利于對突發事件做出正確的判斷，加快突發事件的響應速度，減小突發事件的損失。本文主要是從理論的角度進行研究.方法的實用性還有待進一步的檢驗，這將是下一步的主要工作。