董堅(jiān)峰

〔摘 要〕當(dāng)前網(wǎng)絡(luò)突發(fā)事件頻發(fā)，網(wǎng)絡(luò)輿情與突發(fā)事件的相互作用增加了輿情分析和預(yù)警的難度，現(xiàn)有輿情預(yù)警系統(tǒng)無(wú)法滿(mǎn)足需求。將Web挖掘技術(shù)引入到突發(fā)事件網(wǎng)絡(luò)輿情預(yù)警中，構(gòu)建了包括輿情采集層、輿情挖掘?qū)?、輿情分析層、預(yù)警研判層的基于Web挖掘的突發(fā)事件網(wǎng)絡(luò)輿情預(yù)警系統(tǒng)模型，集成和整合了突發(fā)事件網(wǎng)絡(luò)輿情預(yù)警全過(guò)程的重要功能，實(shí)現(xiàn)突發(fā)事件網(wǎng)絡(luò)輿情采集、分析處理、危機(jī)預(yù)警的自動(dòng)化、智能化和實(shí)時(shí)化。

〔關(guān)鍵詞〕Web挖掘；突發(fā)事件；網(wǎng)絡(luò)輿情預(yù)警；系統(tǒng)模型

DOI：10.3969/j.issn.1008-0821.2014.02.009

〔中圖分類(lèi)號(hào)〕G250.7 〔文獻(xiàn)標(biāo)識(shí)碼〕A 〔文章編號(hào)〕1008-0821（2014）02-0043-05

近年來(lái)，隨著我國(guó)改革開(kāi)放與社會(huì)轉(zhuǎn)型的推進(jìn)，互聯(lián)網(wǎng)上突發(fā)事件和公共危機(jī)話(huà)題不斷凸現(xiàn)，網(wǎng)絡(luò)逐步取代傳統(tǒng)媒體成為新的社會(huì)輿論場(chǎng)，基于互聯(lián)網(wǎng)的社會(huì)輿情生態(tài)環(huán)境逐步形成。據(jù)CNNIC《第32次中國(guó)互聯(lián)網(wǎng)絡(luò)發(fā)展?fàn)顩r統(tǒng)計(jì)報(bào)告》統(tǒng)計(jì)，截至2013年6月，我國(guó)網(wǎng)民規(guī)模達(dá)到5.91億，網(wǎng)站和網(wǎng)絡(luò)論壇達(dá)到294萬(wàn)個(gè)，手機(jī)上網(wǎng)用戶(hù)4.64億，全民網(wǎng)絡(luò)普及率高達(dá)44.1%，其中博客、論壇、微博使用人數(shù)分別為4.01億、1.41億、3.31億[1]。網(wǎng)絡(luò)在為社會(huì)公眾提供信息獲取、訴求表達(dá)、情緒宣泄、社會(huì)參與平臺(tái)的同時(shí)，也成為社會(huì)突發(fā)事件和群體性事件策源、醞釀的重要場(chǎng)域。網(wǎng)絡(luò)輿情熱點(diǎn)一方面直接發(fā)展、醞釀成為群體性事件，引發(fā)社會(huì)公共危機(jī)；另一方面，網(wǎng)絡(luò)輿情的非理性化、情緒化傾向加速突發(fā)事件的惡性發(fā)展，增加了突發(fā)事件的預(yù)警和處理難度。在這種背景下，如何利用現(xiàn)代技術(shù)手段和管理手段精確研判并有效應(yīng)對(duì)突發(fā)事件網(wǎng)絡(luò)輿情，避免突發(fā)事件危機(jī)產(chǎn)生或者提供危機(jī)預(yù)警，是當(dāng)前的一項(xiàng)重要工作。

1 突發(fā)事件網(wǎng)絡(luò)輿情分析和預(yù)警面臨的困難

1.1 網(wǎng)絡(luò)輿情與突發(fā)事件的相互作用增加了預(yù)警分析處理的難度 根據(jù)《中華人民共和國(guó)突發(fā)事件應(yīng)對(duì)法》的界定，突發(fā)事件是指突然發(fā)生，造成或者可能造成嚴(yán)重社會(huì)危害，需要采取應(yīng)急處置措施予以應(yīng)對(duì)的自然災(zāi)害、事故災(zāi)難、公共衛(wèi)生事件和社會(huì)安全事件[2]。與一般事件不同，突發(fā)事件具有較強(qiáng)的突發(fā)性、破壞性、公共性、復(fù)雜性、持續(xù)性，并可能在一定情勢(shì)下轉(zhuǎn)化為公共危機(jī)。在突發(fā)事件的發(fā)生發(fā)展過(guò)程中，媒體和網(wǎng)民通過(guò)各種渠道發(fā)表各自的意見(jiàn)和看法，匯集而成的網(wǎng)絡(luò)輿情經(jīng)常會(huì)發(fā)展為突發(fā)事件，并左右突發(fā)事件的演變進(jìn)程，同時(shí)對(duì)某些事件的演變起到了推波助瀾的作用。一方面，互聯(lián)網(wǎng)擁有自由民主、快速即時(shí)、便捷多向等優(yōu)勢(shì)，使其更易聚焦各類(lèi)社會(huì)熱點(diǎn)問(wèn)題，尤其是那些涉及群體利益、社會(huì)公平、貧富差距的話(huà)題極易激起大規(guī)模討論熱潮，導(dǎo)致網(wǎng)絡(luò)熱點(diǎn)直接發(fā)展、醞釀為突發(fā)事件，且發(fā)展迅速，影響極大；另一方面，由于網(wǎng)絡(luò)的匿名隱身、跨地域、無(wú)國(guó)界限制等特點(diǎn)，網(wǎng)絡(luò)輿情的非理性、情緒化特點(diǎn)明顯，導(dǎo)致一旦某個(gè)突發(fā)事件被網(wǎng)絡(luò)聚焦，一些不適當(dāng)?shù)摹⑼崆?、情緒化的、偏激的言論甚至謠言即迅速傳播，從而加速突發(fā)事件的惡性發(fā)展。在突發(fā)事件爆發(fā)過(guò)程中，強(qiáng)大的網(wǎng)絡(luò)輿情與突發(fā)事件即時(shí)互動(dòng)、互相強(qiáng)化、交流融合，使原本為時(shí)較短的突發(fā)事件成為持續(xù)時(shí)間較長(zhǎng)的公共危機(jī)，從而大大增加了事件處理難度和處理成本。尤其是在網(wǎng)絡(luò)輿情的推動(dòng)下，突發(fā)事件更加動(dòng)態(tài)化、反復(fù)化、持久化，相關(guān)輿情信息無(wú)規(guī)律化程度加劇，任何組織和個(gè)人都無(wú)法完全決定和控制網(wǎng)絡(luò)輿情信息的內(nèi)容，網(wǎng)絡(luò)輿情監(jiān)控和預(yù)警面臨極大的挑戰(zhàn)[3]。

2 現(xiàn)有輿情系統(tǒng)對(duì)突發(fā)事件輿情分析預(yù)警支持不足 網(wǎng)絡(luò)輿情的分析預(yù)警是一個(gè)融匯計(jì)算機(jī)網(wǎng)絡(luò)、人工智能、數(shù)據(jù)挖掘、自然語(yǔ)言處理等多學(xué)科知識(shí)的前沿領(lǐng)域，涉及網(wǎng)絡(luò)輿情信息采集、分析、處理、分類(lèi)、監(jiān)測(cè)和預(yù)警的全過(guò)程。近年來(lái)，國(guó)內(nèi)外眾多學(xué)者和研究機(jī)構(gòu)對(duì)此從不同領(lǐng)域和多個(gè)角度開(kāi)展了探討，并研發(fā)了各種軟件產(chǎn)品或系統(tǒng)來(lái)自動(dòng)或者輔助政府輿情工作人員進(jìn)行輿情信息的分析和監(jiān)控，如國(guó)內(nèi)的谷尼、方正、TRS和國(guó)外的Review See、StatPac、Opinion Finder等系統(tǒng)。這些系統(tǒng)功能多樣，圍繞網(wǎng)絡(luò)輿情分析和預(yù)警提供了多種支持（如表1所示）。

表1 國(guó)內(nèi)外網(wǎng)絡(luò)輿情預(yù)警分析系統(tǒng)的比較[4-8]

輿情預(yù)警分析系統(tǒng)研發(fā)企業(yè)主 要 功 能方正智思輿情預(yù)警輔助決策支持系統(tǒng)北大方正網(wǎng)絡(luò)輿情的全文檢索、自動(dòng)分類(lèi)、自動(dòng)聚類(lèi)、主題監(jiān)測(cè)/追蹤、相關(guān)推薦與消重、關(guān)聯(lián)分析與趨勢(shì)分析、自動(dòng)摘要與自動(dòng)關(guān)鍵詞提取、突發(fā)事件分析、生成統(tǒng)計(jì)報(bào)表等功能谷尼輿情監(jiān)控分析系統(tǒng)谷尼國(guó)際軟件公司輿情信息自動(dòng)獲取、自動(dòng)聚類(lèi)、敏感話(huà)題識(shí)別、熱點(diǎn)話(huà)題識(shí)別、輿情主題監(jiān)測(cè)與跟蹤、自動(dòng)摘要、輿情趨勢(shì)分析、突發(fā)事件分析、輿情報(bào)警、輿情統(tǒng)計(jì)報(bào)告等功能TRS互聯(lián)網(wǎng)輿情信息監(jiān)控系統(tǒng)北京拓爾思信息技術(shù)股份有限公司網(wǎng)絡(luò)輿情實(shí)時(shí)監(jiān)測(cè)、輿情熱點(diǎn)發(fā)現(xiàn)和熱點(diǎn)跟蹤、敏感信息監(jiān)控、輔助決策支持、輿情預(yù)警等多種功能Beehoo3.0互聯(lián)網(wǎng)輿情監(jiān)測(cè)系統(tǒng)中科院計(jì)算所輿情信息的采集、熱點(diǎn)分析、重點(diǎn)話(huà)題檢測(cè)、輿情熱點(diǎn)的預(yù)警等樂(lè)思網(wǎng)絡(luò)輿情預(yù)警系統(tǒng)深圳市樂(lè)思軟件技術(shù)有限公司信息采集、信息處理（自動(dòng)分類(lèi)聚類(lèi)、主題檢測(cè)、專(zhuān)題聚焦等）、信息服務(wù)（如自動(dòng)生成輿情信息簡(jiǎn)報(bào)、追蹤輿論焦點(diǎn)、趨勢(shì)分析，預(yù)警、決策支持等）Cision美國(guó)Cision公司博客、論壇、富媒體等網(wǎng)站的網(wǎng)絡(luò)輿情實(shí)時(shí)監(jiān)測(cè)，實(shí)時(shí)輿情報(bào)表生成，行業(yè)動(dòng)態(tài)的趨勢(shì)分析和發(fā)展預(yù)測(cè)，一站式輿情綜合資訊，企業(yè)公關(guān)和媒體監(jiān)測(cè)等功能Review Seer多種評(píng)論性網(wǎng)站的輿情信息采集、網(wǎng)絡(luò)評(píng)論詞條的語(yǔ)義傾向性判斷、自動(dòng)文摘和輿情報(bào)告生成等功能StatPacStatPac Inc支持互聯(lián)網(wǎng)、電子郵件、平板電腦、智能手機(jī)等多種網(wǎng)絡(luò)信息源的調(diào)查統(tǒng)計(jì)分析；自動(dòng)生成輿情信息報(bào)告Opinion Finder匹茲堡大學(xué)、康奈爾大學(xué)、猶他大學(xué)自動(dòng)分析網(wǎng)絡(luò)語(yǔ)句中那些含主觀性成分的內(nèi)容，并針對(duì)這些主觀性的關(guān)鍵字檢測(cè)其來(lái)源與傳播途徑

從表1可以看出，這些系統(tǒng)基本上都提供了網(wǎng)絡(luò)輿情分析和預(yù)警功能，能幫助政府或企業(yè)把握網(wǎng)絡(luò)輿情信息、預(yù)警可能發(fā)生的輿情危機(jī)。各個(gè)軟件在輿情分析和預(yù)警上各有優(yōu)勢(shì)，比如在輿情采集階段使用自動(dòng)搜索技術(shù)，在輿情分析階段綜合使用文本挖掘、自動(dòng)摘要、主題聚類(lèi)等技術(shù)，在輿情預(yù)警階段提供了多種預(yù)警途徑等。但總體來(lái)看，單個(gè)軟件的功能還遠(yuǎn)未達(dá)到真正的網(wǎng)絡(luò)輿情分析的智能化要求，都存在這樣或那樣的不足，暫時(shí)沒(méi)有一個(gè)整體功能完備的系統(tǒng)。具體如下：

1.2.1 輿情信息源整合不夠，信息采集質(zhì)量不高對(duì)于輿情預(yù)警系統(tǒng)來(lái)說(shuō)，其信息源來(lái)源多樣，尤其是在Web2.0環(huán)境下，以微博、社交網(wǎng)絡(luò)、即時(shí)通訊為載體的“微內(nèi)容”更成為主要信息來(lái)源，而現(xiàn)有的輿情預(yù)警系統(tǒng)支持信息源明顯不夠，對(duì)各類(lèi)信息源的整合力度也不大，不能實(shí)現(xiàn)全網(wǎng)采集，從而制約了輿情預(yù)警的效果。另外，目前輿情預(yù)警系統(tǒng)大多數(shù)是借助搜索引擎等爬蟲(chóng)工具進(jìn)行信息采集，采集算法簡(jiǎn)單，信息采集呈重復(fù)性、非相關(guān)性和表層化，導(dǎo)致檢索結(jié)果數(shù)量大且多為重復(fù)的、非相關(guān)的、淺層的，甚至是虛假的信息；采集過(guò)程也缺乏跟蹤和監(jiān)測(cè)，采集效率不高。

1.2.2 輿情分析過(guò)程缺乏智能性，信息分析深度不夠現(xiàn)有輿情預(yù)警系統(tǒng)在信息處理方面，要么是將收集的信息經(jīng)過(guò)簡(jiǎn)單整理后交給工作人員進(jìn)行人工定性分析和經(jīng)驗(yàn)判斷，要么是借助輿情字典和統(tǒng)計(jì)學(xué)進(jìn)行分析判斷，信息僅僅停留在相關(guān)數(shù)據(jù)的統(tǒng)計(jì)層面，沒(méi)有深入挖掘數(shù)據(jù)背后隱含的深層知識(shí)，更無(wú)法涉及輿情信息的語(yǔ)義層次，系統(tǒng)智能化程度不高。

1.2.3 輿情預(yù)警研判功能偏弱，無(wú)法滿(mǎn)足決策支持現(xiàn)有的輿情系統(tǒng)進(jìn)行預(yù)警時(shí)多為自動(dòng)輿情分析報(bào)告和人工經(jīng)驗(yàn)相結(jié)合的方式，鮮有設(shè)置科學(xué)系統(tǒng)的預(yù)警研判指標(biāo)體系，從而導(dǎo)致提供的預(yù)警結(jié)果無(wú)法滿(mǎn)足決策支持的需要。有鑒于此，本文結(jié)合突發(fā)事件網(wǎng)絡(luò)輿情預(yù)警的現(xiàn)實(shí)需求和現(xiàn)有的輿情分析預(yù)警系統(tǒng)的不足，將Web挖掘技術(shù)引入到突發(fā)事件網(wǎng)絡(luò)輿情信息分析和預(yù)警中，提出了基于Web挖掘的網(wǎng)絡(luò)輿情預(yù)警的思路和系統(tǒng)模型，以期為政府公共管理部門(mén)開(kāi)展網(wǎng)絡(luò)輿情預(yù)警提供一些借鑒。

2 基于Web挖掘的網(wǎng)絡(luò)輿情預(yù)警

2.1 Web挖掘Web挖掘是數(shù)據(jù)挖掘在Web上的應(yīng)用，它綜合使用數(shù)據(jù)挖掘、機(jī)器學(xué)習(xí)、自然語(yǔ)言處理和人工智能等智能信息處理技術(shù)從WWW的資源（Web文檔）和行為（Web服務(wù)）中自動(dòng)發(fā)現(xiàn)并提取人們感興趣的、有用的模式和隱含的信息。根據(jù)挖掘?qū)ο蟮牟煌?，Web挖掘可以分為Web內(nèi)容挖掘、Web結(jié)構(gòu)挖掘和Web使用挖掘。與傳統(tǒng)的網(wǎng)絡(luò)輿情分析方法，例如抽象分析、比較分析、相關(guān)分析和內(nèi)容分析法等相比，Web挖掘可以得到指定時(shí)間段內(nèi)網(wǎng)絡(luò)輿情的狀況和走向以及與之關(guān)聯(lián)的熱點(diǎn)問(wèn)題，為網(wǎng)絡(luò)輿情的深層次分析和智能化預(yù)警提供了技術(shù)支持和解決方案[9]。

2.1.1 Web內(nèi)容挖掘Web內(nèi)容挖掘是從Web文檔本身的內(nèi)容或者Web搜索的結(jié)果中抽取知識(shí)的過(guò)程，它可以對(duì)大量的Web文本集合進(jìn)行分類(lèi)、聚類(lèi)、關(guān)聯(lián)分析，以及利用Web內(nèi)容進(jìn)行趨勢(shì)預(yù)測(cè)。在網(wǎng)絡(luò)輿情分析中，Web內(nèi)容挖掘可以發(fā)現(xiàn)與突發(fā)事件主題相關(guān)的知識(shí)內(nèi)容和語(yǔ)義關(guān)聯(lián)模式。

2.1.2 Web使用挖掘Web使用挖掘是通過(guò)挖掘Web使用數(shù)據(jù)或者訪(fǎng)問(wèn)日志來(lái)提取瀏覽者的行為模式，獲取有價(jià)值的信息的過(guò)程。它通過(guò)挖掘用戶(hù)上網(wǎng)時(shí)產(chǎn)生的網(wǎng)絡(luò)服務(wù)器訪(fǎng)問(wèn)記錄、代理服務(wù)器日志記錄、瀏覽器日志記錄、用戶(hù)登錄和注冊(cè)記錄、用戶(hù)對(duì)話(huà)或交易信息、用戶(hù)提問(wèn)等交互式信息發(fā)現(xiàn)用戶(hù)的瀏覽習(xí)慣、相似用戶(hù)群體、Web頁(yè)面的訪(fǎng)問(wèn)頻率等知識(shí)模式，從而更好地理解用戶(hù)行為和提供智能化的服務(wù)。通過(guò)Web使用挖掘，可以確定輿情熱點(diǎn)和焦點(diǎn)、預(yù)測(cè)網(wǎng)民行為。

2.1.3 Web結(jié)構(gòu)挖掘Web結(jié)構(gòu)挖掘就是對(duì)WWW的組織結(jié)構(gòu)、Web頁(yè)面的超鏈結(jié)構(gòu)等進(jìn)行挖掘并從中提取出隱藏的有價(jià)值的知識(shí)的過(guò)程。大量的Web鏈接信息提供了豐富的關(guān)于Web內(nèi)容相關(guān)性、質(zhì)量和結(jié)構(gòu)方面的信息，是進(jìn)行網(wǎng)絡(luò)輿情站點(diǎn)分析的重要資源[10]。通過(guò)Web結(jié)構(gòu)挖掘，可以獲得與輿情主題高度相關(guān)的鏈接以及鏈接邏輯結(jié)構(gòu)的語(yǔ)義知識(shí)，從而幫助輿情分析人員確定重要輿情源和中心頁(yè)面。

2.2 基于Web挖掘的網(wǎng)絡(luò)輿情預(yù)警流程一般來(lái)說(shuō)，采用Web挖掘方法進(jìn)行網(wǎng)絡(luò)輿情預(yù)警的處理流程包括輿情主題規(guī)劃、輿情信息采集、輿情信息預(yù)處理、輿情信息分析、輿情危機(jī)預(yù)警處理5個(gè)步驟（如圖1所示）[11]。（1）輿情主題規(guī)劃。根據(jù)輿情預(yù)警需求，設(shè)定輿情主題目標(biāo)，同時(shí)確定輿情分析的對(duì)象（來(lái)源）、關(guān)鍵詞、主題等，并在實(shí)施過(guò)程中根據(jù)實(shí)際需求調(diào)整采集主題。（2）輿情信息采集。根據(jù)輿情主題規(guī)劃任務(wù)從多個(gè)信息源中提取相關(guān)數(shù)據(jù)，并對(duì)目標(biāo)Web數(shù)據(jù)進(jìn)行網(wǎng)頁(yè)的特征提取、基于內(nèi)容的網(wǎng)頁(yè)聚類(lèi)、網(wǎng)頁(yè)間內(nèi)容的關(guān)聯(lián)規(guī)則發(fā)現(xiàn)等，從中得到和挖掘目的相關(guān)的數(shù)據(jù)。圖1 基于Web挖掘的網(wǎng)絡(luò)輿情危機(jī)預(yù)警流程圖

（3）輿情信息預(yù)處理。將先前獲取的網(wǎng)頁(yè)源碼作進(jìn)一步的信息處理，包括網(wǎng)頁(yè)凈化、文本分詞、特征向量表示、停用詞及虛詞凈化、詞頻統(tǒng)計(jì)、降維處理等，最終為輿情分析做好充分的數(shù)據(jù)準(zhǔn)備。（4）輿情信息分析。利用Web挖掘算法對(duì)輿情信息進(jìn)行分析，挖掘出有效的、新穎的、潛在的、有用的及最終可以理解的信息和知識(shí)。常用的信息分析技術(shù)包括：文本挖掘、事件識(shí)別、主題發(fā)現(xiàn)、熱點(diǎn)跟蹤、關(guān)聯(lián)分析、趨勢(shì)分析、傾向性分析等。（5）危機(jī)預(yù)警處理。對(duì)挖掘出來(lái)的輿情信息進(jìn)行分析、解釋?zhuān)奢浨榉治鰣?bào)告，并根據(jù)分析結(jié)果對(duì)網(wǎng)絡(luò)輿情進(jìn)行危機(jī)預(yù)警。

3 基于Web挖掘的突發(fā)事件網(wǎng)絡(luò)輿情預(yù)警系統(tǒng)模型

3.1 模型概述針對(duì)現(xiàn)有網(wǎng)絡(luò)輿情預(yù)警系統(tǒng)普遍存在的突出問(wèn)題，根據(jù)Web數(shù)據(jù)挖掘在信息分析和知識(shí)發(fā)現(xiàn)中的優(yōu)勢(shì)，本文綜合應(yīng)用Web挖掘、語(yǔ)義分析、信息集成等技術(shù)，構(gòu)建了基于Web挖掘的突發(fā)事件網(wǎng)絡(luò)輿情預(yù)警系統(tǒng)模型，如圖2所示。本模型包括輿情采集層、輿情挖掘?qū)?、輿情分析層和預(yù)警應(yīng)用層等4層，集成和整合了突發(fā)事件網(wǎng)絡(luò)輿情預(yù)警全過(guò)程的重要功能，實(shí)現(xiàn)突發(fā)事件網(wǎng)絡(luò)輿情采集、分析處理、危機(jī)預(yù)警的自動(dòng)化、智能化和實(shí)時(shí)化。

3.1.1 輿情采集層輿情采集層是本模型的最底層，主要負(fù)責(zé)完成網(wǎng)絡(luò)輿情信息的采集和預(yù)處理，為輿情挖掘和分析提供所需的數(shù)據(jù)。在采集時(shí)，一方面可以利用聚集爬蟲(chóng)對(duì)各主要門(mén)戶(hù)網(wǎng)站、新聞網(wǎng)站、時(shí)事論壇、微博和博客、BBS論壇進(jìn)行信息抓取，獲取最新動(dòng)態(tài)；另一方面，可以結(jié)合近年來(lái)突發(fā)事件輿情多發(fā)主題，對(duì)網(wǎng)絡(luò)曝光率和點(diǎn)擊率較高的微博/QQ

圖2 基于Web挖掘的突發(fā)事件網(wǎng)絡(luò)輿情預(yù)警系統(tǒng)模型

空間、主流論壇/BBS、知名門(mén)戶(hù)網(wǎng)站、各大網(wǎng)絡(luò)媒體、知名人士博客/空間、主流搜索工具、國(guó)外媒體等網(wǎng)絡(luò)新媒體上的信息進(jìn)行實(shí)時(shí)監(jiān)測(cè)，及時(shí)采集敏感信息。采集回來(lái)的輿情信息網(wǎng)頁(yè)進(jìn)行URL抽取、網(wǎng)頁(yè)解析、關(guān)鍵內(nèi)容提取等處理后整理存儲(chǔ)到輿情信息庫(kù)中。

3.1.2 輿情挖掘?qū)虞浨橥诰驅(qū)又饕瓿蓪?duì)輿情信息庫(kù)中內(nèi)容的多維挖掘和處理，利用Web挖掘技術(shù)對(duì)網(wǎng)絡(luò)輿情的內(nèi)容、結(jié)構(gòu)和使用記錄進(jìn)行挖掘。為了更好地實(shí)現(xiàn)對(duì)網(wǎng)絡(luò)輿情突發(fā)事件的監(jiān)控和預(yù)警，在本層需要綜合采用多種Web挖掘方法，除前文提到了的Web使用挖掘、Web結(jié)構(gòu)挖掘和Web內(nèi)容挖掘外，還需要采用以下兩類(lèi)挖掘技術(shù)：（1）Web數(shù)據(jù)流挖掘。突發(fā)事件網(wǎng)絡(luò)輿情在網(wǎng)絡(luò)上的發(fā)生和演變具有極強(qiáng)的時(shí)空演化性，可以看成是一種連續(xù)不斷到達(dá)的、時(shí)變的、有序的且快速流動(dòng)的數(shù)據(jù)元素組成的文本數(shù)據(jù)流，利用頻繁項(xiàng)挖掘或突變檢測(cè)等數(shù)據(jù)流挖掘方法可以快速獲取敏感網(wǎng)頁(yè)和話(huà)題。（2）Web語(yǔ)義挖掘。利用XML-Ontology技術(shù)對(duì)輿情信息庫(kù)中的數(shù)據(jù)進(jìn)行語(yǔ)義抽取、標(biāo)注和描述，在此基礎(chǔ)上建立與突發(fā)事件相關(guān)領(lǐng)域的語(yǔ)義知識(shí)庫(kù)，并利用工具挖掘輿情規(guī)律。

3.1.3 輿情分析層輿情分析層是本模型的核心層，也是實(shí)現(xiàn)突發(fā)事件輿情預(yù)警的前提。本層主要從輿情信息內(nèi)容和輿情演變態(tài)勢(shì)兩個(gè)方面分析突發(fā)事件網(wǎng)絡(luò)輿情的內(nèi)容和發(fā)展趨勢(shì)，并生成輿情分析報(bào)告。（1）輿情信息內(nèi)容分析。主要實(shí)現(xiàn)網(wǎng)絡(luò)突發(fā)事件的分類(lèi)、應(yīng)用語(yǔ)義分析對(duì)文本的分類(lèi)、對(duì)論壇及評(píng)論中的輿情情感傾向性分析、對(duì)構(gòu)成危害的敏感信息的監(jiān)控和不良信息的過(guò)濾等功能。（2）輿情趨勢(shì)演化分析。主要根據(jù)突發(fā)事件體現(xiàn)出的網(wǎng)頁(yè)數(shù)量的變化、詞頻的變化、轉(zhuǎn)載及擴(kuò)散的變化建立合適的統(tǒng)計(jì)模型來(lái)分析演變態(tài)勢(shì)和波動(dòng)性，實(shí)現(xiàn)輿情演變的趨勢(shì)監(jiān)測(cè)功能[12]。

3.1.4 預(yù)警研判層本層主要根據(jù)在輿情分析層所得到的輿情分析報(bào)告，從輿情熱度、特性、危險(xiǎn)性等指標(biāo)進(jìn)行輿情信息評(píng)測(cè)，研判是否發(fā)布輿情預(yù)警信號(hào)，并提供輿情信息摘要、輿情簡(jiǎn)報(bào)等信息內(nèi)容展示，為相關(guān)職能部門(mén)快速了解輿情動(dòng)態(tài)、掌握熱點(diǎn)事件突發(fā)事件的來(lái)龍去脈提供決策依據(jù)。（1）熱度研判。主要從報(bào)道量、點(diǎn)擊量、評(píng)論量、發(fā)帖/發(fā)文量、轉(zhuǎn)載/轉(zhuǎn)播量和搜索量等多個(gè)數(shù)據(jù)指標(biāo)來(lái)判斷當(dāng)前網(wǎng)民和媒體對(duì)事件或信息的關(guān)注度，判斷是否可能形成并爆發(fā)網(wǎng)絡(luò)輿情突發(fā)事件。通常，關(guān)注度或熱度越高，越容易形成和爆發(fā)網(wǎng)絡(luò)輿情，朝著存在安全隱患和不安全的路徑演變；反之亦然。（2）特性研判。主要從事件或信息的主題敏感程度、內(nèi)容真?zhèn)涡院蛠?lái)源的權(quán)威性3個(gè)角度來(lái)判斷其自身特性。其中，涉及公共安全、貧富差距、國(guó)計(jì)民生、公平公正等主題為敏感主題，關(guān)注程度較高；內(nèi)容真?zhèn)涡灾饕钦鐒e信息內(nèi)容的虛假和失真性，避免被個(gè)別人或團(tuán)體非法利用和轉(zhuǎn)播，以謠言和訛傳詆毀政府形象；來(lái)源的權(quán)威性主要是從信息發(fā)布者的知名度、活躍度、信息質(zhì)量等角度研判，越是權(quán)威的信息越容易成為網(wǎng)絡(luò)熱點(diǎn)。因此，輿情特性越明顯，隱含的不安全因素就越高，越容易向不安全和危險(xiǎn)性路徑發(fā)展演變[13]。（3）危險(xiǎn)性研判。主要從網(wǎng)絡(luò)覆蓋度、地域覆蓋度、網(wǎng)民情緒、網(wǎng)民態(tài)度和行為等5個(gè)角度進(jìn)行網(wǎng)絡(luò)輿情的危險(xiǎn)性研判。一般來(lái)說(shuō)，網(wǎng)絡(luò)和地域覆蓋度越大，網(wǎng)民情緒越激動(dòng)和憤怒，態(tài)度越負(fù)面，網(wǎng)絡(luò)行為越偏激，危險(xiǎn)性則越大，突發(fā)事件越容易產(chǎn)生或者激化。

3.2 突發(fā)事件監(jiān)控與預(yù)警分析上述模型介紹了各功能層能完成的對(duì)網(wǎng)絡(luò)輿情突發(fā)事件從資源采集到事件預(yù)警的功能和流程，下面重點(diǎn)對(duì)突發(fā)事件監(jiān)控與預(yù)警實(shí)現(xiàn)的一些關(guān)鍵環(huán)節(jié)進(jìn)行分析。（1）突發(fā)事件分類(lèi)。由突發(fā)事件引發(fā)的網(wǎng)絡(luò)輿情信息，從內(nèi)容形式來(lái)看主要為文本，因此，突發(fā)事件分類(lèi)可以轉(zhuǎn)化為文本分類(lèi)問(wèn)題。在具體實(shí)施時(shí)，可以通過(guò)網(wǎng)頁(yè)內(nèi)容的分類(lèi)分析將相關(guān)主題網(wǎng)頁(yè)都劃分到同一個(gè)類(lèi)別，并通過(guò)關(guān)聯(lián)分析和序列分析追蹤輿情源頭，有效地輔助發(fā)現(xiàn)并預(yù)警不良信息，及時(shí)制止輿情的進(jìn)一步突變，起到輔助決策支持的作用。（2）文本數(shù)據(jù)流突發(fā)檢測(cè)。文本流突發(fā)檢測(cè)主要是借助Kleinberg方法來(lái)實(shí)現(xiàn)：在文本分類(lèi)的基礎(chǔ)上，針對(duì)某一特定主題的輿情文本，按照其到來(lái)的時(shí)間順序定義為文本序列，利用形式化方法的無(wú)窮狀態(tài)自動(dòng)機(jī)對(duì)文本流進(jìn)行建模。若{t1，t2，…，tn，tn+1，…}為文本序列，兩文本的時(shí)間間隔為xt，xt隨著單位時(shí)間內(nèi)的文本數(shù)量的變化而變化。如果有突發(fā)事件，短時(shí)間內(nèi)與此事件相關(guān)的文本增多，導(dǎo)致xt變短，就將此時(shí)的狀態(tài)定義為突發(fā)狀態(tài)Sb（Burst State），如果沒(méi)有突發(fā)即為普通狀態(tài)Sn（Normal State）。從普通狀態(tài)到突發(fā)狀態(tài)的轉(zhuǎn)換則可以通過(guò)時(shí)間間隔xt的變化帶來(lái)的改變檢測(cè)到。（3）趨勢(shì)預(yù)測(cè)分析。通過(guò)對(duì)某個(gè)與突發(fā)事件相關(guān)的主題在不同的時(shí)間段內(nèi)被關(guān)注的程度進(jìn)行跟蹤，從而獲取輿情隨時(shí)間的發(fā)展變化趨勢(shì)或規(guī)律，實(shí)現(xiàn)對(duì)輿情環(huán)境的監(jiān)控和預(yù)警，進(jìn)行適時(shí)控制和疏導(dǎo)。（4）敏感話(huà)題監(jiān)控。借助敏感詞典等工具對(duì)突發(fā)事件、涉及內(nèi)容安全的話(huà)題尤其是敏感話(huà)題進(jìn)行有效監(jiān)控和預(yù)警。一方面，根據(jù)輿情分析結(jié)果對(duì)用戶(hù)關(guān)注的輿情內(nèi)容進(jìn)行有效分類(lèi)，從中找出與突發(fā)事件主題相關(guān)的敏感話(huà)題；另一方面，根據(jù)分類(lèi)結(jié)果評(píng)估分析突發(fā)事件網(wǎng)絡(luò)輿情發(fā)展態(tài)勢(shì)并給出預(yù)警信息。（5）情感傾向分析。對(duì)網(wǎng)民發(fā)布的與突發(fā)事件主題相關(guān)的話(huà)題進(jìn)行情感傾向性分析，了解和歸納網(wǎng)民的主流觀點(diǎn)和情感趨勢(shì)——贊同、反對(duì)、高興或者悲傷，識(shí)別和統(tǒng)計(jì)其情感傾向及隨時(shí)間的演化規(guī)律，從中獲取與突發(fā)事件相關(guān)的各類(lèi)征兆。

4 結(jié)束語(yǔ)實(shí)踐證明，Web挖掘是一種自動(dòng)化的信息分析與知識(shí)發(fā)現(xiàn)的方法和技術(shù)。將Web挖掘融入突發(fā)事件網(wǎng)絡(luò)輿情分析與預(yù)警之中，可以充分發(fā)揮Web挖掘技術(shù)在處理海量網(wǎng)絡(luò)數(shù)據(jù)和發(fā)現(xiàn)隱含知識(shí)規(guī)律的優(yōu)勢(shì)，實(shí)現(xiàn)網(wǎng)絡(luò)輿情信息的自動(dòng)化、智能化獲取和深層次、多維化分析，達(dá)到突發(fā)事件網(wǎng)絡(luò)輿情動(dòng)態(tài)預(yù)警和輔助決策的目的。在網(wǎng)絡(luò)輿情預(yù)警中應(yīng)用Web挖掘的技術(shù)和方法，將是提高網(wǎng)絡(luò)輿情預(yù)警監(jiān)控系統(tǒng)智能性的有效途徑，也是其未來(lái)的發(fā)展方向，相關(guān)研究仍需進(jìn)一步的探索和證明。

參考文獻(xiàn)

[1]中國(guó)互聯(lián)網(wǎng)絡(luò)信息中心.第32次中國(guó)互聯(lián)網(wǎng)絡(luò)發(fā)展?fàn)顩r統(tǒng)計(jì)報(bào)告[R].http：∥www.cnnic.net.cn/hlwfzyj/hlwxzbg/hlwtjbg/201307/t2013071740664.htm，2013-07-17.

[2]中華人民共和國(guó)突發(fā)事件應(yīng)對(duì)法[EB/OL].http：∥www.gov.cn/ziliao/flfg/2007-08/30/content732593.htm，2007-08-30.

[3]曲淑華，劉.群體性事件網(wǎng)絡(luò)輿情應(yīng)對(duì)策略研究[J].長(zhǎng)春工業(yè)大學(xué)學(xué)報(bào)：社會(huì)科學(xué)版，2013，（5）：146-148.

[4]丁菊玲，勒中堅(jiān)，王根生.我國(guó)網(wǎng)絡(luò)輿情危機(jī)預(yù)警研究探討[J].情報(bào)雜志，2010，（10）：5-8.

[5]董楊.中美兩國(guó)網(wǎng)絡(luò)輿情監(jiān)管體系比較研究[D].長(zhǎng)春：吉林大學(xué)碩士學(xué)位論文，2013.

[6]www.founder.com.cn[EB].

[7]http：∥us.cision.com/[EB].

[8]http：∥www.statpac.com/[EB].

[9]張玉峰，何超.基于Web挖掘的網(wǎng)絡(luò)輿情智能分析研究[J].情報(bào)科學(xué)，2011，（4）：64-68.

[10]周君.Web文本挖掘關(guān)鍵技術(shù)的研究與實(shí)現(xiàn)[D].西安：西安電子科技大學(xué)碩士學(xué)位論文，2009.

[11]梅中嶺.基于Web信息挖掘的網(wǎng)絡(luò)輿情分析技術(shù)[J].中國(guó)人民公安大學(xué)學(xué)報(bào)：自然科學(xué)版，2007，（4）：85-88.

[12]萬(wàn)源.基于語(yǔ)義統(tǒng)計(jì)分析的網(wǎng)絡(luò)輿情挖掘技術(shù)研究[D].武漢：武漢理工大學(xué)博士學(xué)位論文，2012.

[13]劉金榮.基于動(dòng)態(tài)演變路徑的網(wǎng)絡(luò)輿情研判體系構(gòu)建[J].圖書(shū)館學(xué)研究，2013，（5）：32-35，97.

（本文責(zé)任編輯：馬 卓）