趙瓊，何健，武曉偉，邢小璐

?

大規(guī)模突發(fā)事件決策支持系統(tǒng)的研究與實(shí)現(xiàn)

趙瓊，何健，武曉偉，邢小璐

摘 要：為應(yīng)對(duì)各類異常事件，政府已經(jīng)擁有比較完善的匯報(bào)機(jī)制如安全巡防員、110報(bào)警電話等，也有比較健全的各類應(yīng)急預(yù)案。但是對(duì)于大規(guī)模異常事件，由于事件的復(fù)雜性和突發(fā)性，使得決策者很難判斷事件的真實(shí)情況，因此，啟用相應(yīng)應(yīng)急預(yù)案是一個(gè)復(fù)雜的決策過(guò)程。大規(guī)模突發(fā)事件決策支持系統(tǒng)通過(guò)學(xué)習(xí)大規(guī)模突發(fā)事件的警報(bào)內(nèi)容，利用社交網(wǎng)絡(luò)上的相關(guān)信息，建立大規(guī)模突發(fā)事件信息分析模型及實(shí)時(shí)監(jiān)測(cè)系統(tǒng)。在突發(fā)事件發(fā)生之后，對(duì)于相關(guān)信息進(jìn)行即時(shí)分析，抽取各類觀點(diǎn)并計(jì)算其可信度，為政府應(yīng)急機(jī)構(gòu)提供即時(shí)、客觀、全局的決策依據(jù)。

關(guān)鍵詞：大規(guī)模突發(fā)事件；決策支持系統(tǒng)；政府應(yīng)急機(jī)構(gòu)

0 引言

隨著我國(guó)城市化進(jìn)程的不斷加速，城市人口密度增大，結(jié)構(gòu)趨于復(fù)雜化。新興大中城市在給市民帶來(lái)生活便利及就業(yè)崗位的同時(shí)，也更容易面臨各種大規(guī)模突發(fā)事件，其中既包括海嘯、地震、臺(tái)風(fēng)等自然災(zāi)害，也包括大規(guī)?？植酪u擊等人為災(zāi)害。這些大規(guī)模突發(fā)事件通常具有如下特性：（1）成因相對(duì)復(fù)雜（尤其是人為災(zāi)害）；（2） 涉及城市面積相對(duì)較廣；（3）各區(qū)域受影響嚴(yán)重程度不同，所需應(yīng)對(duì)資源類別、數(shù)量也各不相同。我國(guó)雖然已有比較完善的突發(fā)事件匯報(bào)機(jī)制（如安全巡防員、報(bào)警電話等），也有比較完備的災(zāi)害處理預(yù)案，但政府應(yīng)急機(jī)構(gòu)在處理此類事件時(shí)仍會(huì)面臨決策困難的問(wèn)題。

在應(yīng)對(duì)大規(guī)模突發(fā)事件時(shí)，利用信息化技術(shù)建立大規(guī)模突發(fā)事件決策支持系統(tǒng)，通過(guò)對(duì)社交平臺(tái)的分析了解輿情和事件實(shí)時(shí)狀況，結(jié)合對(duì)大規(guī)模歷史事件的學(xué)習(xí)，使政府應(yīng)急機(jī)構(gòu)盡快了解事件的全面情況，可以正確判斷復(fù)雜的形勢(shì)，總攬全局、協(xié)調(diào)各方面，及時(shí)果斷準(zhǔn)確地制定針對(duì)突發(fā)事件的對(duì)策，盡可能的減小突發(fā)事件造成的危害。

1 研究現(xiàn)狀

1.1 相關(guān)概念

決策支持系統(tǒng)是綜合運(yùn)用了管理學(xué)、運(yùn)籌學(xué)、控制論等多方面知識(shí)，借助于計(jì)算機(jī)科學(xué)技術(shù)實(shí)現(xiàn)的信息化的系統(tǒng)。

決策支持系統(tǒng)能夠幫助決策者準(zhǔn)確全面地認(rèn)識(shí)事件情況，將計(jì)算機(jī)的知識(shí)封裝，把分析技術(shù)與傳統(tǒng)的數(shù)據(jù)存儲(chǔ)和檢索方式結(jié)合起來(lái)，使非計(jì)算機(jī)專業(yè)人員能夠簡(jiǎn)易便捷的使用該系統(tǒng)。決策支持系統(tǒng)雖然能夠?yàn)闆Q策者提供有效及時(shí)的信息，但并不代表決策者的意愿，系統(tǒng)并不一定能夠?yàn)闆Q策者提供最優(yōu)的解決方式，但是能夠?yàn)槠涮峁┹^為良好的方案，讓決策者參考方案，得出最終的決定。

在實(shí)現(xiàn)的過(guò)程中，決策支持系統(tǒng)包含了知識(shí)庫(kù)管理系統(tǒng)、數(shù)據(jù)庫(kù)管理系統(tǒng)、模型庫(kù)管理系統(tǒng)等多方面的知識(shí)，將這幾個(gè)方面結(jié)合起來(lái)，應(yīng)用到多個(gè)方面，如人口管理、產(chǎn)業(yè)動(dòng)態(tài)、宏觀經(jīng)濟(jì)監(jiān)測(cè)等。

1.2 研究水平及發(fā)展趨勢(shì)

在我國(guó)，國(guó)家公布了一些舉措和方案，能夠在突發(fā)事件發(fā)生時(shí)提供指導(dǎo)性方針。自2006年成立國(guó)務(wù)院應(yīng)急辦以來(lái)，發(fā)布了一系列以《國(guó)家突發(fā)公共事件總體應(yīng)急預(yù)案》為代表的應(yīng)急預(yù)案，使得應(yīng)急進(jìn)入“國(guó)家”層面，在全國(guó)建立起了規(guī)范有效的應(yīng)急框架體系，對(duì)于突發(fā)事件的處理卓有成效。但是由于缺乏信息流通的平臺(tái)和有效的信息分析，決策者有時(shí)不能全面準(zhǔn)確地判斷形勢(shì)，使得決策還是存在瑕疵，在許多時(shí)候都無(wú)法對(duì)局勢(shì)做出最佳的處理。

在國(guó)外，許多國(guó)家的政府都有自己的應(yīng)急機(jī)構(gòu)。例如，美國(guó)的聯(lián)邦緊急事務(wù)管理署，俄羅斯的緊急情況部。以美國(guó)為例，其面對(duì)突發(fā)事件的預(yù)案已經(jīng)非常成熟。聯(lián)邦跨部門運(yùn)作計(jì)劃（Federal Interagency Operational Plans）闡述了聯(lián)邦政府如何分配資源和保證其國(guó)家準(zhǔn)備目標(biāo)（National Preparedness Goal），國(guó)家準(zhǔn)備目標(biāo)是指在面對(duì)會(huì)對(duì)國(guó)家造成巨大的威脅和危害時(shí)，預(yù)防（Prevention）、保護(hù)（Protection）、減緩（Mitigation）、反應(yīng)（Response）、恢復(fù)（Recovery）的能力。其中的聯(lián)邦跨部門運(yùn)作計(jì)劃的反應(yīng)篇（Response Federal Interagency Operational Plans）可以作為突發(fā)事件發(fā)生后，聯(lián)邦政府采取行動(dòng)的指南。

但是從歷史上大規(guī)模突發(fā)事件的情況來(lái)看，可以發(fā)現(xiàn)國(guó)內(nèi)外的政府應(yīng)急機(jī)構(gòu)缺少可以在短時(shí)間內(nèi)整合信息和分析信息的平臺(tái)。在面對(duì)突發(fā)事件時(shí)，短時(shí)間內(nèi)決策者只能得到相對(duì)局部、片面的信息，無(wú)法做出相應(yīng)的決策。

隨著近年來(lái)互聯(lián)網(wǎng)的發(fā)展，社交網(wǎng)絡(luò)（如人人、微博、微信等）因?yàn)槟軌虺浞譂M足人們的交友需求而受到青睞。在大規(guī)模突發(fā)事件爆發(fā)后，很多目擊者更傾向于通過(guò)社交網(wǎng)絡(luò)向公眾傳遞事件現(xiàn)場(chǎng)及自身狀況。這對(duì)于災(zāi)害情報(bào)收集提供了新的渠道，而且該渠道收集的信息往往更及時(shí)。為此，我國(guó)已有很多政府及企業(yè)采用輿情系統(tǒng)來(lái)動(dòng)態(tài)地發(fā)現(xiàn)、監(jiān)測(cè)及追蹤網(wǎng)絡(luò)輿情。這些系統(tǒng)通過(guò)采集各大新聞網(wǎng)站及社交網(wǎng)站，從海量文本信息中提取一段時(shí)間內(nèi)最熱門的人或事，以及某個(gè)具體事件在一段時(shí)間內(nèi)的變化過(guò)程，包括關(guān)注數(shù)量，正負(fù)面情緒等。

然而由于網(wǎng)絡(luò)輿情仍需要一定形成時(shí)間且現(xiàn)有輿情系統(tǒng)單純從在線資料中抽取事件信息，這些系統(tǒng)均存在時(shí)效問(wèn)題。而突發(fā)事件發(fā)生后的前30分鐘是政府最需要了解情報(bào)的階段，對(duì)災(zāi)情做出正確的判斷有助于各項(xiàng)工作開(kāi)展，然而大規(guī)模輿情形成并被探測(cè)到往往所需時(shí)間更多。因此，在大規(guī)模突發(fā)事件發(fā)生時(shí)雖然有一定有用的災(zāi)害描述被傳上網(wǎng)絡(luò)，但由于輿情系統(tǒng)本身的局限卻無(wú)法及時(shí)為災(zāi)害應(yīng)對(duì)負(fù)責(zé)人提供相關(guān)信息。

2 實(shí)現(xiàn)方案

2.1 系統(tǒng)目標(biāo)

大規(guī)模突發(fā)事件決策支持系統(tǒng)為了能夠盡快的對(duì)當(dāng)前事件作出反應(yīng)，當(dāng)災(zāi)害初期具體成因還不明確時(shí)，利用網(wǎng)絡(luò)輿情得到的信息，再結(jié)合報(bào)警信息及歷史事件的知識(shí)庫(kù)，對(duì)大規(guī)模突發(fā)事件進(jìn)行綜合判斷，得出決策支持結(jié)果。

為了以最快速度將大規(guī)模突發(fā)事件的詳細(xì)面貌呈現(xiàn)在決策者的面前，以幫助決策者進(jìn)行決策，減少因決策不當(dāng)而造成的不必要的經(jīng)濟(jì)損失或人員傷亡，減少大規(guī)模突發(fā)事件對(duì)于社會(huì)安定的影響，本項(xiàng)目將重點(diǎn)研究以下問(wèn)題：

（1）學(xué)習(xí)現(xiàn)有報(bào)警、災(zāi)害匯報(bào)數(shù)據(jù)，得到突發(fā)事件發(fā)生時(shí)信息的特征。

（2）研究從已有警報(bào)信息中提取關(guān)鍵詞，獲取關(guān)聯(lián)詞等技術(shù)，以便到網(wǎng)絡(luò)中尋找相關(guān)信息，準(zhǔn)確收集事件警報(bào)信息。

（3）研究為各種災(zāi)害信息（包括報(bào)警以及網(wǎng)絡(luò)信息）分類，生成小結(jié)，同時(shí)研究計(jì)算其可信度與支持度的技術(shù)。

（4）開(kāi)發(fā)一個(gè)自動(dòng)化決策支持系統(tǒng)：自動(dòng)從報(bào)警信息中發(fā)現(xiàn)事件并在網(wǎng)絡(luò)中豐富事件描述，最后自動(dòng)形成事件描述，對(duì)于相互矛盾的描述，每類呈現(xiàn)可信度與支持度。

2.2 系統(tǒng)架構(gòu)

為了避免時(shí)效性過(guò)低、系統(tǒng)負(fù)載過(guò)大等問(wèn)題，目標(biāo)系統(tǒng)以報(bào)警信息（110、巡防員或應(yīng)急反應(yīng)人員等報(bào)警）為基礎(chǔ)，當(dāng)確認(rèn)大事件發(fā)生之后再?gòu)幕ヂ?lián)網(wǎng)查找更多描述以豐富事件具體內(nèi)容，并形成事件簡(jiǎn)報(bào)。系統(tǒng)的基本模型，共分為準(zhǔn)備、監(jiān)測(cè)和匯報(bào)3個(gè)循環(huán)，如圖1所示：

圖1　大規(guī)模突發(fā)事件決策支持系統(tǒng)架構(gòu)圖

準(zhǔn)備循環(huán)的目的是學(xué)習(xí)歷史警報(bào)信息形成突發(fā)事件資料庫(kù)。歷史警報(bào)既包括正例（大事件中的報(bào)警內(nèi)容），也包括反例（普通事件的報(bào)警內(nèi)容）。機(jī)器學(xué)習(xí)可分為兩種，監(jiān)督學(xué)習(xí)和非監(jiān)督學(xué)習(xí)。監(jiān)督學(xué)習(xí)準(zhǔn)確性較高，但伴隨著較高的人力投入以及僅能識(shí)別人為確認(rèn)的信息；非監(jiān)督學(xué)習(xí)恰好相反。為了發(fā)揮這兩種學(xué)習(xí)算法的優(yōu)點(diǎn)，“重大事件學(xué)習(xí)模塊”同時(shí)運(yùn)用兩種學(xué)習(xí)方法：利用監(jiān)督學(xué)習(xí)來(lái)準(zhǔn)確發(fā)現(xiàn)已知事件；同時(shí)采用非監(jiān)督學(xué)習(xí)來(lái)發(fā)現(xiàn)一些隱性（之前未曾發(fā)生或未被掌握）重大事件?！爸卮笫录Y料庫(kù)”中包含各種已知及未知事件的語(yǔ)言特征供發(fā)現(xiàn)模塊評(píng)價(jià)當(dāng)前警報(bào)。為了進(jìn)一步提高準(zhǔn)確度，準(zhǔn)備循環(huán)可以根據(jù)人工反饋進(jìn)行進(jìn)一步學(xué)習(xí)。

監(jiān)測(cè)循環(huán)主要根據(jù)重大事件資料庫(kù)的語(yǔ)言特征對(duì)最近一段時(shí)間的報(bào)警信息進(jìn)行分析以判斷警報(bào)涉及內(nèi)容是否為重大事件。如果確認(rèn)為重大事件，則抽取目標(biāo)事件的特征（如事件名稱、發(fā)生地點(diǎn)、發(fā)生時(shí)間等），并以此特征啟動(dòng)重大事件匯報(bào)循環(huán)。

為保證警報(bào)系統(tǒng)核心“重大事件匯報(bào)模塊”的通用性，匯報(bào)循環(huán)既可以由事件發(fā)現(xiàn)模塊啟動(dòng)，也可以由人工輸入目標(biāo)事件特征來(lái)手動(dòng)啟動(dòng)?？紤]到報(bào)警人的局部視野及情感偏差，僅從報(bào)警內(nèi)容中了解事件全貌往往不夠。因此警報(bào)系統(tǒng)從互聯(lián)網(wǎng)的社交網(wǎng)絡(luò)及新聞媒體中豐富事件描述。為了更高效的從互聯(lián)網(wǎng)獲得信息，系統(tǒng)具有統(tǒng)一的搜索接口。當(dāng)確認(rèn)事件發(fā)生時(shí)，系統(tǒng)可向搜索接口提供相應(yīng)關(guān)鍵詞及篩選條件（地點(diǎn)、時(shí)間等），由搜索接口獲取相應(yīng)的新聞、博文及討論內(nèi)容。匯報(bào)模塊從這些文本中抽取相應(yīng)主題（不同人，不同地點(diǎn)對(duì)于事件嚴(yán)重情況的描述）以及這些主題的支持度和可信度。根據(jù)這些主題，匯報(bào)模塊利用摘要生成工具為事件決策者還原事件的全貌?？紤]到重大事件往往是一個(gè)演進(jìn)的過(guò)程，匯報(bào)循環(huán)應(yīng)可以根據(jù)決策團(tuán)隊(duì)的反饋（或是新的報(bào)警內(nèi)容）來(lái)更新目標(biāo)事件特征，然后重復(fù)信息搜索及主題、摘要提取過(guò)程，為決策者提供實(shí)時(shí)事件更新。

3 關(guān)鍵技術(shù)

為了完成該系統(tǒng)，需要搜索引擎技術(shù)、實(shí)體名識(shí)別、句法分析、語(yǔ)義分析、文本模型（包括文本表示、權(quán)重和相似度計(jì)算等）、文本分割、文本聚類及類排序、指代關(guān)系處理、自動(dòng)摘要等技術(shù)。其中一些關(guān)鍵技術(shù)的具體研究方案如下：

3.1 實(shí)體名識(shí)別

實(shí)體名識(shí)別是查詢分析中非常重要的模塊。它包含了兩個(gè)部分：1.如何發(fā)現(xiàn)一個(gè)實(shí)體名，即如何判斷一個(gè)字符串是否代表一個(gè)實(shí)體。2.標(biāo)志該實(shí)體名，即當(dāng)發(fā)現(xiàn)實(shí)體名后，將該實(shí)體名分為哪一類別。實(shí)體名分為名字（姓名、地名、機(jī)構(gòu)名）、數(shù)字（日期、時(shí)間、百分比和貨幣）兩大類。目前中文實(shí)體識(shí)別的方法主要有：基于規(guī)則的方法、基于統(tǒng)計(jì)的方法、規(guī)則和統(tǒng)計(jì)相結(jié)合的方法等。

應(yīng)用于各類型的系統(tǒng)和研究中的自然語(yǔ)言處理的各種形式模型種類繁多，包括基于短語(yǔ)結(jié)構(gòu)語(yǔ)法的形式模型、基于合一運(yùn)算的形式模型、基于依存和配價(jià)的形式模型、基于格語(yǔ)法的形式模型、基于詞匯主義的形式模型、語(yǔ)義自動(dòng)處理的形式模型、系統(tǒng)功能語(yǔ)法、語(yǔ)用自動(dòng)處理的形式模型、概率語(yǔ)法、Bayes公式與動(dòng)態(tài)規(guī)劃算法、N-元語(yǔ)法和數(shù)據(jù)平滑、隱馬爾可夫模型（HMM）、統(tǒng)計(jì)機(jī)器翻譯的形式模型。

在本系統(tǒng)的實(shí)現(xiàn)中使用基于機(jī)器學(xué)習(xí)的實(shí)體名識(shí)別方法。通過(guò)積累，在擁有經(jīng)過(guò)詞性標(biāo)注和實(shí)體名識(shí)別的中、英文語(yǔ)料庫(kù)的基礎(chǔ)上，進(jìn)行比較充分的機(jī)器學(xué)習(xí)。在系統(tǒng)實(shí)現(xiàn)過(guò)程中使用了兩種方案：其一是用神經(jīng)網(wǎng)的方法。實(shí)體名識(shí)別的實(shí)質(zhì)可認(rèn)為是一個(gè)函數(shù)，它以各種特征信息為輸入?yún)?shù)，輸出值為特定的實(shí)體名類型。這種判決函數(shù)很容易聯(lián)想到用神經(jīng)網(wǎng)來(lái)實(shí)現(xiàn)，只要給定足夠的樣本，使神經(jīng)網(wǎng)充分地學(xué)習(xí)，一旦學(xué)習(xí)過(guò)程完成后，對(duì)任意給定的輸入，即可求得相應(yīng)的輸出；其二是基于自動(dòng)標(biāo)注的方法，用隱馬爾可夫模型方法進(jìn)行初始的標(biāo)注，再利用錯(cuò)誤驅(qū)動(dòng)的方法加以修改。

3.2 基于知識(shí)庫(kù)的語(yǔ)義分析

系統(tǒng)研究了實(shí)用意義下的語(yǔ)義分析，通過(guò)語(yǔ)義分析獲得雖然是淺層的但是卻很有價(jià)值的信息。實(shí)現(xiàn)的方法是通過(guò)知識(shí)庫(kù)來(lái)進(jìn)行語(yǔ)義標(biāo)注。

根據(jù)國(guó)際ACE會(huì)議的定義，事件抽取需要找到相應(yīng)的觸發(fā)動(dòng)詞，發(fā)生的時(shí)間、地點(diǎn)，參與的人物等信息，一般一個(gè)事件范圍不超過(guò)一個(gè)句子。大規(guī)模事件抽取方式利用語(yǔ)義角色標(biāo)注可以很好的完成，系統(tǒng)能夠找出每個(gè)事件對(duì)應(yīng)的觸發(fā)動(dòng)詞，然后標(biāo)注出它的各種語(yǔ)義角色作為事件的參數(shù)，并根據(jù)參數(shù)的特點(diǎn)，進(jìn)一步確認(rèn)是否為需要的事件。在實(shí)際應(yīng)用中，參數(shù)往往是較長(zhǎng)的人名、地名、機(jī)構(gòu)名、時(shí)間和數(shù)字等，因此，對(duì)這些實(shí)體的識(shí)別變得異常重要，實(shí)體的識(shí)別準(zhǔn)確率提高，語(yǔ)義角色標(biāo)注的性能也將隨之提高。

3.3 文本模型

文本模型是大規(guī)模文本處理非?；镜囊蛩兀_定了文本模型也就基本確定了文本的內(nèi)部表示、權(quán)重和相似度計(jì)算，以及文本的排序策略。系統(tǒng)采用經(jīng)典的向量空間模型作為本項(xiàng)研究的文本模型，并針對(duì)本項(xiàng)任務(wù)進(jìn)行必要的改進(jìn)。

系統(tǒng)在文本表示、權(quán)重計(jì)算和相似度計(jì)算改進(jìn)原有的文本模型，對(duì)互聯(lián)網(wǎng)中的大規(guī)模文本進(jìn)行數(shù)據(jù)挖掘，選取特征項(xiàng)為詞項(xiàng)是常用的選擇，這樣文本是一個(gè)非常高維度的向量，使用SVD奇異值分解、LDA主題模型對(duì)文本進(jìn)行降維處理。

在權(quán)重計(jì)算上，一方面根據(jù)文檔本身的結(jié)構(gòu)化信息，如標(biāo)題、顯示風(fēng)格等和網(wǎng)頁(yè)中的鏈接信息來(lái)修改基本的權(quán)重公式；另一方面則研究了文本長(zhǎng)度的歸一化方法。

實(shí)時(shí)性是大規(guī)模文本處理的基本要求，這就決定了不能采用過(guò)于復(fù)雜的相似度計(jì)算方法。目前，系統(tǒng)根據(jù)向量的余弦相似度公式來(lái)計(jì)算文本之間的相似度。該計(jì)算公式未考慮特征項(xiàng)之間的相互作用，而只是簡(jiǎn)單地把它們累加在一起，也就是說(shuō)，不同的特征項(xiàng)被認(rèn)為是正交的。在本系統(tǒng)中使用組合方法生成彼此更獨(dú)立的特征項(xiàng)，其中包括了自動(dòng)聚類、線性變換和詞匯語(yǔ)義索引技術(shù)。

3.4 文本聚類

文本聚類是一種無(wú)監(jiān)督的機(jī)器學(xué)習(xí)算法，它將相似的文本分到一個(gè)組中，每一個(gè)組叫做一個(gè)類。類中的文本是相似的，類間的文本是不相似的。文本聚類的方法有很多種，有以K-MEANS為代表的劃分方法，BIRCH的層次方法，以及一些概率模型的方法。

在系統(tǒng)中多次用到了聚類的方法，例如，對(duì)歷史的報(bào)警信息進(jìn)行聚類，對(duì)互聯(lián)網(wǎng)上的海量文本進(jìn)行聚類等等。為了對(duì)不同的信息進(jìn)行聚類，系統(tǒng)對(duì)現(xiàn)有的方法進(jìn)行了改進(jìn)，如對(duì)微博使用短文本聚類。面對(duì)大數(shù)據(jù)量、高維特征等問(wèn)題，通過(guò)犧牲精確度的概率方法以及降維方法來(lái)完成分析。

4 總結(jié)

大規(guī)模突發(fā)事件決策支持系統(tǒng)的研究與實(shí)現(xiàn)，能夠應(yīng)用在政府應(yīng)急機(jī)構(gòu)中，為政府處理大規(guī)模的突發(fā)事件提供強(qiáng)有力的支持，達(dá)到及時(shí)了解事件情況，通過(guò)對(duì)歷史突發(fā)事件的學(xué)習(xí)和參考，對(duì)當(dāng)前的局勢(shì)做出準(zhǔn)確的判斷。雖然系統(tǒng)目前仍然存在著一些不足，如在實(shí)現(xiàn)過(guò)程中警報(bào)數(shù)據(jù)的來(lái)源目前是一些非準(zhǔn)確數(shù)據(jù)等，但是大規(guī)模突發(fā)事件決策支持系統(tǒng)仍然具有重要的現(xiàn)實(shí)意義，值得深入的探索。

參考文獻(xiàn)

[1] 曾思軼.我們有備而來(lái)——細(xì)數(shù)我國(guó)災(zāi)害應(yīng)急機(jī)制的形成過(guò)程[J].百姓, 2008 (6):6-10.

[2] 曾平輝,王海軍.公共危機(jī)下政府應(yīng)急機(jī)制的缺失及對(duì)策探析[J].惠州學(xué)院學(xué)報(bào),2007,27(5):40-44.

[3] Federal Emergency Management Agency [EB/OL]. (2014-12-11).https://www.fema.gov/

[4] EMERCOM of Russia [EB/OL]. (2014-12-11). http://en.mchs.ru/

[5] Security Homeland. Response Federal Interagency Operational Plan [G/OL]. 2014,8.

[6] 馮志偉.自然語(yǔ)言處理的形式模型[M].中國(guó)科學(xué)技術(shù)大學(xué)出版社,2010,3,4

Research and Implementation of Large-scale Emergencies Decision Support System

Zhao Qiong, He Jian, Wu Xiaowei, Xing Xiaolu
(Software School, Public Performance and Information Research Center, Fuan University, Shanghai 201203, China)

Abstract:In response to various anomalous events, the governments already have perfect emergency mechanisms such as security scouts, 110. They also have all kinds of contingency plans. However, for large-scale emergencies, it is difficult to know the real situation of them for policymakers due to the complexity and suddenness. So the process of choosing a suitable contingency plan is very complicated. Large-scale Emergencies Decision Support System has the function of monitoring and analysis on large-scale emergencies through machine learning and public opinion monitoring. Once the emergencies happen, the system can do real-time analysis through the relevant information. Thus all kinds of opinions can be extracted and credibility can be calculated. The system can provide immediate, objective and global information for the government to make policy accordingly.

Key words:Large-scale Emergencies; Decision Support System; Government Emergency Institution

收稿日期：（2015.04.21）

作者簡(jiǎn)介：趙 瓊（1991-），女，復(fù)旦大學(xué)，軟件學(xué)院，復(fù)旦大學(xué)公共績(jī)效與信息化研究中心，碩士研究生，研究方向：電子商務(wù)與電子政務(wù)，上海，201203 何 健（1989-），女，復(fù)旦大學(xué)，軟件學(xué)院，復(fù)旦大學(xué)公共績(jī)效與信息化研究中心，碩士研究生，研究方向：電子商務(wù)與電子政務(wù)，上海，201203武曉偉（1992 -），男，復(fù)旦大學(xué)，軟件學(xué)院，復(fù)旦大學(xué)公共績(jī)效與信息化研究中心，碩士研究生，研究方向：電子商務(wù)與電子政務(wù)，上海，201203邢小璐（1991 -），男，復(fù)旦大學(xué)，軟件學(xué)院，復(fù)旦大學(xué)公共績(jī)效與信息化研究中心，碩士研究生，研究方向：電子商務(wù)與電子政務(wù)，上海，201203

文章編號(hào)：1007-757X(2016)01-0051-03

中圖分類號(hào)：TP311

文獻(xiàn)標(biāo)志碼：A