群體性突發(fā)公共事件本體知識(shí)庫(kù)構(gòu)建及應(yīng)用

摘要：群體性突發(fā)事件具有突發(fā)性、涉及人數(shù)眾多、影響范圍廣泛、后果嚴(yán)重等特點(diǎn)，備受社會(huì)各界關(guān)注。通過(guò)構(gòu)建本體知識(shí)庫(kù)，有利于提高群體性突發(fā)事件處置方案的有效性和可行性。將相關(guān)案例進(jìn)行系統(tǒng)化地歸納整理、分析和應(yīng)用，再通過(guò)計(jì)算事件間的相似度并與預(yù)先設(shè)定的相似度閾值進(jìn)行比較，篩選并構(gòu)建有效的相似本體知識(shí)庫(kù)。當(dāng)收集到最新事件時(shí)，知識(shí)庫(kù)會(huì)自動(dòng)更新，從而提高信息檢索效率。該知識(shí)庫(kù)為相關(guān)決策提供科學(xué)依據(jù)，提升政府和社會(huì)對(duì)群體性突發(fā)事件的應(yīng)對(duì)和處理能力。

關(guān)鍵詞：群體性突發(fā)事件；本體；知識(shí)庫(kù)；相似度

中圖分類(lèi)號(hào)：TP18 文獻(xiàn)標(biāo)識(shí)碼：A

文章編號(hào)：1009-3044（2024）32-0011-05 開(kāi)放科學(xué)（資源服務(wù)）標(biāo)識(shí)碼（OSID） ：

1 概述

1.1 群體性突發(fā)事件的定義與特點(diǎn)

隨著社會(huì)的發(fā)展和信息技術(shù)的進(jìn)步，人類(lèi)社會(huì)面臨的突發(fā)事件愈發(fā)頻繁和復(fù)雜。群體性突發(fā)事件作為一種特殊的突發(fā)事件，因其影響范圍廣泛、后果嚴(yán)重等特點(diǎn)，備受社會(huì)各界關(guān)注。如：2003 年“非典”（SARS） 疫情、2008年汶川地震、2008年雪災(zāi)、2011年溫州動(dòng)車(chē)事故、2019 年冠狀病毒（COVID-19） 疫情等[1-2]。為了提升應(yīng)對(duì)和預(yù)防群體性突發(fā)事件的能力，需要一個(gè)完備的本體知識(shí)庫(kù)，以便于對(duì)相關(guān)案例進(jìn)行系統(tǒng)化的整理、分析和應(yīng)用，提高信息檢索的效率，為相關(guān)決策提供科學(xué)依據(jù)，提升政府和社會(huì)對(duì)群體性突發(fā)事件的應(yīng)對(duì)能力[3-6]。

1.2 基于本體的群體性突發(fā)事件知識(shí)建模

通過(guò)本體可以將知識(shí)清晰、準(zhǔn)確、統(tǒng)一規(guī)范地進(jìn)行結(jié)構(gòu)化表示，并展示概念間的層次結(jié)構(gòu)和邏輯關(guān)系[7]。王世文等[8]基于本體對(duì)網(wǎng)絡(luò)輿情信息源及要素進(jìn)行分析，構(gòu)建了數(shù)據(jù)模型，為網(wǎng)絡(luò)輿情案例數(shù)據(jù)庫(kù)奠定基礎(chǔ)。王琳[9]基于案例類(lèi)和屬性構(gòu)建了面向突發(fā)事件的糧食應(yīng)急案例庫(kù)本體模型，為糧食應(yīng)急供應(yīng)提供決策支持。王紅等[10]基于本體關(guān)系建立了結(jié)合注意力機(jī)制與雙向門(mén)控循環(huán)單元的關(guān)系抽取模型，為民航突發(fā)事件自動(dòng)獲取本體關(guān)系提供方法支持。劉煒等利用事件本體設(shè)計(jì)模式，建立了基于共享詞匯的環(huán)境污染突發(fā)事件本體模式，驗(yàn)證了使用事件本體模式實(shí)現(xiàn)領(lǐng)域事件本體建模的有效性和概念一致性[11]。

為構(gòu)建有利于群體性突發(fā)事件應(yīng)急處理的概念統(tǒng)一、知識(shí)共享和決策智能，本文基于本體進(jìn)行群體性突發(fā)事件知識(shí)表示，并研究基于本體的知識(shí)庫(kù)構(gòu)建方法。提出基于本體名稱(chēng)、屬性、結(jié)構(gòu)、綜合相似度的知識(shí)推理整合算法，構(gòu)建了群體性突發(fā)事件領(lǐng)域的本體知識(shí)表示模型及知識(shí)庫(kù)應(yīng)用關(guān)鍵技術(shù)，為群體性突發(fā)事件知識(shí)庫(kù)構(gòu)建和基于知識(shí)庫(kù)的知識(shí)表示、知識(shí)檢索、事件預(yù)警等典型知識(shí)管理和知識(shí)服務(wù)應(yīng)用提供新的思路。

2 基于本體的群體性突發(fā)事件知識(shí)表示

2.1 基于本體的知識(shí)表示模型

群體性突發(fā)事件是一種事發(fā)突然、多數(shù)人參與的事件，通常通過(guò)加劇沖突、濫施暴力等手段來(lái)滿(mǎn)足某種需求，從而破壞或威脅社會(huì)秩序，需要立即處置[12]。群體性突發(fā)事件涉及公共管理、社會(huì)學(xué)、政治學(xué)、法學(xué)等多學(xué)科領(lǐng)域的知識(shí)，并且其發(fā)生的知識(shí)服務(wù)場(chǎng)景豐富且具有差異化。因此，需要建立統(tǒng)一的標(biāo)準(zhǔn)化本體表示模型，以便進(jìn)行事件的整合。本文通過(guò)構(gòu)建實(shí)體、屬性、實(shí)體間關(guān)系、事件類(lèi)型、事件間關(guān)系這五個(gè)通用本體建模元語(yǔ)，搭建基于本體的知識(shí)表示五元組模型[13]，其定義如下式：

Ontology =< A，CA，L，B，DS > （1）

式中：A用于表示實(shí)體集合，CA表示實(shí)體間關(guān)系集合，二者用于表示事件中實(shí)體名稱(chēng)和關(guān)系。例如，在群體性突發(fā)事件中，存在事件發(fā)生的時(shí)間點(diǎn)，而時(shí)間點(diǎn)會(huì)對(duì)應(yīng)屬于事件發(fā)生的潛伏期、爆發(fā)期、恢復(fù)期、解決期。實(shí)體間的基本關(guān)系如表1所示。

L 表示事件類(lèi)型的集合，B 表示實(shí)體屬性的集合。本文在復(fù)用SEM、ABC Ontology等本體表示模型的同時(shí)，參考國(guó)務(wù)院發(fā)布的《國(guó)家突發(fā)公共事件總體應(yīng)急預(yù)案》、應(yīng)急管理部門(mén)及地方政府發(fā)布的專(zhuān)項(xiàng)應(yīng)急方案、《公安機(jī)關(guān)群體性治安事件工作規(guī)定》，以及官方網(wǎng)站、權(quán)威期刊中相關(guān)本體關(guān)鍵概念的基礎(chǔ)上，整理了已有的屬于公共衛(wèi)生領(lǐng)域、社會(huì)安全領(lǐng)域、事故災(zāi)害領(lǐng)域、自然災(zāi)害領(lǐng)域的本體模型，并對(duì)其涉及的關(guān)鍵要素進(jìn)行泛化。表2列舉了群體性突發(fā)事件的類(lèi)型及其核心屬性。

DS 表示事件之間關(guān)系的集合，例如事件的因果關(guān)系，找出事件的原因和結(jié)果，由原因?qū)е陆Y(jié)果，由結(jié)果推出原因。群體性突發(fā)事件間的基本關(guān)系如表3所示。

2.2 基于本體的群體性突發(fā)事件知識(shí)建模

本文通過(guò)公式（1） 展示的五元組本體模型，將其作為群體性突發(fā)事件的知識(shí)表示方法來(lái)構(gòu)建知識(shí)建模，并進(jìn)一步利用OWL本體描述語(yǔ)言實(shí)現(xiàn)知識(shí)的程序化表示[14]。

2.2.1 群體性突發(fā)事件知識(shí)表示模型

1） 事件類(lèi)知識(shí)

群體性突發(fā)事件是一種突然發(fā)生的事件，由多人參與并通過(guò)加劇沖突、擴(kuò)大事態(tài)等手段破壞社會(huì)秩序，危害社會(huì)公共安全。群體性突發(fā)事件具有規(guī)模較大、社會(huì)影響廣泛、處置難度高、發(fā)生突然、原因復(fù)雜等特點(diǎn)。

描述事件的主要實(shí)體可以分為事件名稱(chēng)、時(shí)間、地點(diǎn)、涉事人員、起因、結(jié)果六大基本類(lèi)。描述群體性突發(fā)事件基本類(lèi)的部分OWL代碼如下：

<owl：Class rdf：ID="Event">

<rdfs：label>事件</rdfs：label>

<rdfs：comment>表示一個(gè)發(fā)生的事件</rdfs：com?ment>

</owl：Class>

2） 事件與事件間的關(guān)系

① 轉(zhuǎn)折關(guān)系：在群體性突發(fā)事件的分析中，轉(zhuǎn)折關(guān)系表示事件發(fā)展的不同階段、不同參與者的態(tài)度變化以及事件處理策略的調(diào)整等。轉(zhuǎn)折關(guān)系可以清晰劃分潛伏期、爆發(fā)期、恢復(fù)期、解決期這些階段，并突出展示各階段之間的變化。轉(zhuǎn)折關(guān)系能夠體現(xiàn)參與者在事件中的角色和態(tài)度轉(zhuǎn)變，并強(qiáng)調(diào)事件處理策略調(diào)整的必要性和重要性，展示策略調(diào)整對(duì)事件發(fā)展的影響。通過(guò)轉(zhuǎn)折關(guān)系，可以揭示事件背后的復(fù)雜因素，更深入地理解群體性突發(fā)事件的原因和影響。將定義一個(gè)ObjectProperty來(lái)表示連接兩個(gè)事件的轉(zhuǎn)折關(guān)系，部分OWL代碼如下：

<owl： ObjectProperty rdf： ID= "hasTurnaroundRela?tion">

<rdfs：label>具有轉(zhuǎn)折關(guān)系</rdfs：label>

<rdfs：domain rdf：resource="#Event"/>

<rdfs：range rdf：resource="#Event"/>

<rdfs：comment>表示兩個(gè)事件之間的轉(zhuǎn)折關(guān)系

</rdfs：comment>

</owl：ObjectProperty>

② 順承關(guān)系：順承關(guān)系表現(xiàn)前后兩個(gè)或多個(gè)事件在意義上有先后順序，并且次序是按照邏輯順序相繼而下，不能隨意變換。順承關(guān)系通過(guò)清晰地展示事件的發(fā)展過(guò)程，從而體現(xiàn)事件發(fā)展的內(nèi)在邏輯，提升信息傳遞的效率。將定義一個(gè)ObjectProperty來(lái)表示事件之間的順承關(guān)系，其中hasNextEvent是一個(gè) Object?Property，它的定義域（domain） 和值域（range） 都是Event 類(lèi)，這意味著這個(gè)屬性可以用來(lái)連接兩個(gè)事件實(shí)例。部分OWL代碼如下：

<owl：ObjectProperty rdf：ID="hasNextEvent">

<rdfs：label>接著發(fā)生的事件</rdfs：label>

<rdfs：domain rdf：resource="#Event"/>

<rdfs：range rdf：resource="#Event"/>

<rdfs：comment>表示一個(gè)事件之后接著發(fā)生的另一個(gè)事件</rdfs：comment>

<;/owl：ObjectProperty>

③ 并列關(guān)系：并列關(guān)系是指事件之間存在并列的概念關(guān)系。通過(guò)并列關(guān)系，可以揭示事件的多重原因、明確事件的多元參與主體、展現(xiàn)事件的多重影響以及提供多元化的應(yīng)對(duì)策略，從而更加全面、深入地了解群體性突發(fā)事件的內(nèi)容。我們將創(chuàng)建一個(gè)Ob?jectProperty來(lái)表示這種關(guān)系，其中兩個(gè)或多個(gè)事件在同一時(shí)間或相近時(shí)間內(nèi)發(fā)生，但它們之間并沒(méi)有直接的因果或順承關(guān)系。在這個(gè)定義中，occursSimultane?ouslyWith 是一個(gè) ObjectProperty，并且聲明了這個(gè)關(guān)系是對(duì)稱(chēng)的，即如果事件A與事件B同時(shí)發(fā)生，那么事件B也與事件A同時(shí)發(fā)生。

<owl：ObjectProperty rdf：ID="occursSimultaneously?With">

<rdfs：label>同時(shí)發(fā)生</rdfs：label>

<rdfs：domain rdf：resource="#Event"/>

<rdfs：range rdf：resource="#Event"/>

<rdfs：comment>表示兩個(gè)或多個(gè)事件在同一時(shí)間或相近時(shí)間內(nèi)發(fā)生</rdfs：comment>

<owl：SymmetricProperty rdf：about="#occursSimul?taneouslyWith"/>

</owl：ObjectProperty>

④ 條件關(guān)系：條件關(guān)系是指一個(gè)事件是另一個(gè)事件發(fā)生的條件，只有在條件事件發(fā)生后，才會(huì)產(chǎn)生對(duì)應(yīng)的結(jié)果事件。條件關(guān)系通過(guò)理解事件的發(fā)展和演變過(guò)程，幫助指導(dǎo)事件的應(yīng)對(duì)和處置工作。筆者將創(chuàng)建 hasCondition來(lái)表示一個(gè)事件是另一個(gè)事件發(fā)生的條件，而 hasResult表示一個(gè)事件是另一個(gè)事件的結(jié)果。條件關(guān)系可能具有傳遞性，但結(jié)果關(guān)系通常不具有傳遞性，因此在 hasCondition的定義中，使用 來(lái)表示它可能是一個(gè)傳遞屬性。部分OWL代碼如下：

<owl：ObjectProperty rdf：ID="hasCondition">

<rdfs：label>條件事件</rdfs：label>

<rdfs：domain rdf：resource="#Event"/>

<rdfs：range rdf：resource="#Event"/>

<rdfs：comment>事件條件</rdfs：comment>

<rdfs：subPropertyOf>

<owl：TransitiveProperty/>

</rdfs：subPropertyOf>

</owl：ObjectProperty>

⑤ 因果關(guān)系：因果關(guān)系是指前一事件是后一事件的原因，而后一事件是前一事件的結(jié)果，強(qiáng)調(diào)兩個(gè)事件之間直接的、時(shí)間上連續(xù)的作用關(guān)系，即原因在結(jié)果之前，并且原因是結(jié)果發(fā)生的直接原因。因果關(guān)系通過(guò)揭示事件發(fā)生的根本原因、明確事件的影響和后果，為應(yīng)對(duì)策略的制定提供依據(jù)，并指導(dǎo)事件的預(yù)防和預(yù)警。筆者定義一個(gè)屬性來(lái)表示一個(gè)事件是另一個(gè)事件的原因。這個(gè)屬性是一個(gè)對(duì)象屬性，用于連接兩個(gè)事件。http：//example.org/causes是定義因果關(guān)系屬性的URI，其定義域（domain） 和值域（range） 都是http：//example.org/Event，表示這個(gè)屬性連接的是兩個(gè)事件。群體性突發(fā)事件本體知識(shí)庫(kù)框架如圖1所示。

3 知識(shí)庫(kù)本體綜合相似度算法與知識(shí)檢索

知識(shí)檢索需要以本體和查詢(xún)需求的綜合相似度為基礎(chǔ)，對(duì)本體知識(shí)庫(kù)進(jìn)行精確匹配和知識(shí)的有效集成，這是群體性突發(fā)事件知識(shí)檢索、事件預(yù)警等典型應(yīng)用的基礎(chǔ)[15]。

3.1 本體名稱(chēng)相似度計(jì)算

設(shè)本體O1、O2 的名稱(chēng)分別為字符串S1 和S2，通過(guò)皮爾遜相關(guān)系數(shù)方法計(jì)算字符串相似度ProStr （S1，S2 ），并通過(guò)歐幾里得距離方法計(jì)算詞義相似度ProWord （S1，S2 ），最后通過(guò)加權(quán)計(jì)算得到本體名稱(chēng)相似度ProName（O1，O2 ）[16]。

ProStr （S1，S2 ）計(jì)算如下式：

ProStr （S1，S2） = （S1?S2）（ ｜｜ S1 ｜｜ ｜｜ S2｜｜） （2）

其中“：?”表示點(diǎn)積運(yùn)算“；｜｜｜｜”表示模運(yùn)算。

ProWord （S1，S2 ）計(jì)算如下式：

其中：a、a1、a2、β1、β2 是WordNet同義詞匯語(yǔ)義網(wǎng)絡(luò)的詞義結(jié)點(diǎn)，α 為a1、a2…an 的父節(jié)點(diǎn)，β 是β1、β2…βn的父節(jié)點(diǎn)，單詞S1、S2 分別位于節(jié)點(diǎn)α、β 上；WordNet 是一個(gè)標(biāo)準(zhǔn)同義的詞匯語(yǔ)義網(wǎng)絡(luò)，其中的詞匯根據(jù)它們之間的語(yǔ)義聯(lián)系被組織在一起，形成了一個(gè)同義詞的集合。

ProWord （a1，a2）獲取字符串S1，S2同義詞匯語(yǔ)義網(wǎng)絡(luò)相似度的最大值，即：

ProWord （S1，S2） = Max （ ProWord （a1，a2）） （4）

將上述得到的字符串相似度和詞義相似度計(jì)算結(jié)果進(jìn)行加權(quán)計(jì)算，分別乘以權(quán)重，將其相加從而得到本體名稱(chēng)綜合相似度ProName（O1，O2 ）：

ProName（O1，O2）=? ProStr （S1，S2）+（1-?）ProWord （S1，S2） （5）

其中：?表示權(quán)重用于衡量字符串相似度在決定本體名稱(chēng)相似度時(shí)的重要性或影響程度。

本體名稱(chēng)相似度計(jì)算流程如圖2所示。

3.2 本體屬性相似度計(jì)算

獲取本體O1、O2 后，通過(guò)事件屬性和數(shù)據(jù)類(lèi)型進(jìn)行分類(lèi)，分別計(jì)算事件名稱(chēng)相似度和數(shù)據(jù)屬性名稱(chēng)相似度，從而構(gòu)建事件相似度矩陣。通過(guò)遍歷相似度矩陣獲取最大相似度，再刪除最大相似度所在的行和列。如果刪除后矩陣為空，則對(duì)最大相似度序列進(jìn)行均值化，進(jìn)而得出事件類(lèi)型相似度和數(shù)據(jù)類(lèi)型相似度；否則，重新遍歷相似度矩陣。最后，通過(guò)整合兩者的相似度得到本體屬性相似度[17]。本體屬性相似度計(jì)算如圖3所示。

3.3 本體結(jié)構(gòu)相似性計(jì)算

群體性突發(fā)事件本體結(jié)構(gòu)相似度計(jì)算是衡量不同事件在結(jié)構(gòu)層面的相似程度[18]。

本體結(jié)構(gòu)相似度ProStru（O1，O2 ）采用杰卡德相似系數(shù)方法進(jìn)行計(jì)算，通過(guò)比較集合O1 和集合O2 的交集和并集大小得出相似度。計(jì)算公式如下所示：

式中：集合O1 和集合O2 的交集大小用|O1 ∩ O2| 表示，即兩個(gè)集合共同擁有的元素?cái)?shù)量；它們的并集大小用 |O1 ∪O2| 表示，即兩個(gè)集合合并后的所有不重復(fù)元素的總數(shù)。這一度量公式的值介于0到1 之間，其中值越趨近于1，則表明兩個(gè)集合的相似度越高。

3.4 本體綜合相似度計(jì)算

本體綜合相似度計(jì)算是衡量?jī)蓚€(gè)或多個(gè)本體之間在概念、屬性、關(guān)系等方面的相似程度[19]。將上文中通過(guò)不同計(jì)算方式計(jì)算得出的本體名稱(chēng)、屬性、結(jié)構(gòu)的相似度進(jìn)行加權(quán)計(jì)算，加權(quán)計(jì)算的權(quán)重選擇根據(jù)各維度的重要性或數(shù)據(jù)量進(jìn)行調(diào)整但是總和一定為1，最后得出本體綜合相似度Pro（O1，O2 ）：

Pro （O1，O2） = αProName （O1，O2） +βProAtt （O1，O2） + γProStr （S1，S2） （7）

式中：α + β + γ = 1。

3.5 知識(shí)檢索

知識(shí)檢索是一種通過(guò)計(jì)算機(jī)系統(tǒng)對(duì)知識(shí)庫(kù)中的信息進(jìn)行搜索和查詢(xún)的過(guò)程[20]。知識(shí)庫(kù)的檢索方式可以根據(jù)不同的需求和場(chǎng)景而有所不同，包括基于關(guān)鍵詞、自然語(yǔ)言處理、專(zhuān)家系統(tǒng)等。本知識(shí)庫(kù)的知識(shí)檢索使用自然語(yǔ)言處理技術(shù)對(duì)文本內(nèi)容進(jìn)行自動(dòng)分類(lèi)和摘要生成，并利用本體綜合相似度進(jìn)行知識(shí)匹配，從而提高檢索效率和質(zhì)量。

4 基于本體的群體性突發(fā)事件應(yīng)急預(yù)案研究

4.1 群體性突發(fā)事件預(yù)警

基于群體性突發(fā)事件，為每個(gè)類(lèi)型建立相應(yīng)的本體模型，然后確定事件之間的邏輯關(guān)系，計(jì)算事件名稱(chēng)相似度、結(jié)構(gòu)相似度、屬性相似度，并通過(guò)整合得出綜合相似度。接著，設(shè)定一個(gè)合適的閾值用于判斷事件的相似程度是否超過(guò)預(yù)設(shè)閾值。當(dāng)綜合相似度值超過(guò)閾值時(shí)，則會(huì)觸發(fā)事件預(yù)警。觸發(fā)事件預(yù)警的流程圖如圖4所示。

4.2 基于本體的群體性突發(fā)事件應(yīng)急預(yù)案

基于本體的群體性突發(fā)事件應(yīng)急預(yù)警是一個(gè)復(fù)雜且重要的系統(tǒng)，其目標(biāo)是在群體性突發(fā)事件發(fā)生前或發(fā)生后，通過(guò)收集和分析相關(guān)信息，及時(shí)發(fā)出警報(bào)，以減少或避免人員傷亡和經(jīng)濟(jì)損失。觸發(fā)預(yù)警后，會(huì)進(jìn)行預(yù)警處理，將預(yù)警信息發(fā)送給相關(guān)人員或系統(tǒng)，并采取應(yīng)對(duì)措施。隨后，根據(jù)預(yù)警類(lèi)型和嚴(yán)重程度，啟動(dòng)相應(yīng)的應(yīng)急預(yù)案。最后，分析預(yù)警結(jié)果，根據(jù)實(shí)際故障發(fā)生情況，評(píng)估預(yù)警系統(tǒng)的準(zhǔn)確性和可靠性，并根據(jù)分析結(jié)果調(diào)整算法和閾值設(shè)置，以提高預(yù)警準(zhǔn)確率。通過(guò)深入理解事件的本質(zhì)和規(guī)律，設(shè)計(jì)合理的預(yù)警指標(biāo)體系和模型算法，可以更有效地預(yù)測(cè)和應(yīng)對(duì)事件的發(fā)生。故障預(yù)警處理的流程圖如圖5所示。

5 結(jié)論與展望

通過(guò)構(gòu)建群體性突發(fā)事件知識(shí)庫(kù)，可以有效地提高應(yīng)對(duì)此類(lèi)事件的效率和準(zhǔn)確性。知識(shí)庫(kù)的構(gòu)建包括事件案例庫(kù)、基礎(chǔ)環(huán)境數(shù)據(jù)庫(kù)、情景庫(kù)、預(yù)案庫(kù)、知識(shí)庫(kù)和索引庫(kù)等多個(gè)方面，并采用相應(yīng)的技術(shù)手段對(duì)其進(jìn)行處理和維護(hù)。在群體性突發(fā)事件中，知識(shí)庫(kù)的應(yīng)用可以迅速定位相關(guān)案例、生成應(yīng)對(duì)預(yù)案、提供決策支持，從而為政府和相關(guān)機(jī)構(gòu)提供有力支持。

未來(lái)，隨著人工智能和大數(shù)據(jù)技術(shù)的不斷發(fā)展，群體性突發(fā)事件知識(shí)庫(kù)的構(gòu)建和應(yīng)用將更加廣泛和深入。知識(shí)庫(kù)將更加智能化，能夠自動(dòng)學(xué)習(xí)和識(shí)別新的事件模式，不斷完善和更新自身的內(nèi)容和結(jié)構(gòu)。同時(shí)，知識(shí)庫(kù)的應(yīng)用將更加個(gè)性化，能夠根據(jù)不同用戶(hù)的需求和特點(diǎn)，提供更加精準(zhǔn)和實(shí)用的信息和服務(wù)。此外，知識(shí)庫(kù)還將與其他領(lǐng)域的技術(shù)和平臺(tái)進(jìn)行更多的融合和創(chuàng)新，如物聯(lián)網(wǎng)、區(qū)塊鏈等，為群體性突發(fā)事件的應(yīng)對(duì)提供更加全面和高效的支持。

總之，群體性突發(fā)事件知識(shí)庫(kù)的構(gòu)建是一項(xiàng)長(zhǎng)期而復(fù)雜的工作，需要不斷地探索和實(shí)踐。未來(lái)將通過(guò)更加先進(jìn)的技術(shù)和方法，不斷完善和發(fā)展該領(lǐng)域的知識(shí)庫(kù)建設(shè)，為人類(lèi)社會(huì)應(yīng)對(duì)各種突發(fā)事件提供更加堅(jiān)實(shí)和可靠的信息保障。

參考文獻(xiàn)：

[1] 蔣勛，蘇新寧，陳祖琴.多維視角下應(yīng)急情報(bào)管理體系的知識(shí)庫(kù)構(gòu)建研究[J].情報(bào)學(xué)報(bào)，2017，36（10）：1008-1022.

[2] 江林，吳鴻鑫.我國(guó)突發(fā)公共衛(wèi)生事件應(yīng)急管理法制之完善：以新型冠狀病毒肺炎事件為視角[J]. 貴州警察學(xué)院學(xué)報(bào)，2020，32（4）：3-12.

[3] 樊舒.基于復(fù)雜網(wǎng)絡(luò)的應(yīng)急情報(bào)系統(tǒng)案例知識(shí)庫(kù)構(gòu)建與應(yīng)用研究[J].情報(bào)雜志，2022，41（1）：39-44.

[4] 宋民雪，劉德海.群體性突發(fā)事件化解機(jī)制的隨機(jī)演化博弈模型[J].中國(guó)管理科學(xué)，2020，28（4）：142-152.

[5] 徐浩，譚德慶，張敬欽，等.群體性突發(fā)事件非利益相關(guān)者羊群行為的演化博弈分析[J].管理評(píng)論，2019，31（5）：254-266.

[6] 徐健.國(guó)內(nèi)突發(fā)事件應(yīng)急知識(shí)庫(kù)構(gòu)建綜述[J].圖書(shū)館學(xué)研究，2018（2）：2-8.

[7] 栗婧，贠佳穎，關(guān)城，等“. 情景-應(yīng)對(duì)” 視角下應(yīng)急預(yù)案本體構(gòu)建：以電網(wǎng)企業(yè)為例[J].安全與環(huán)境學(xué)報(bào)，2024，24（7）：2768-2775.

[8] 王世文，劉勁.基于本體的重大突發(fā)事件網(wǎng)絡(luò)輿情案例數(shù)據(jù)庫(kù)數(shù)據(jù)模型研究[J].情報(bào)理論與實(shí)踐，2023，46（10）：163-173.

[9] 王琳.面向突發(fā)事件的糧食應(yīng)急案例庫(kù)本體構(gòu)建研究[J].情報(bào)雜志，2020，39（5）：162-167.

[10] 王紅，李晗，李浩飛.民航突發(fā)事件領(lǐng)域本體關(guān)系提取方法的研究[J].計(jì)算機(jī)科學(xué)與探索，2020，14（2）：285-293.

[11] 劉煒，丁寧，楊竣輝，等.針對(duì)環(huán)境污染突發(fā)事件領(lǐng)域的事件本體模式[J].計(jì)算機(jī)科學(xué)與探索，2016，10（4）：466-480.

[12] 李倩倩， 王紅兵， 劉怡君， 等. 我國(guó)群體性事件的典型特征、治理問(wèn)題與對(duì)策建議[J]. 智庫(kù)理論與實(shí)踐， 2022， 7（2）： 74-82.

[13] 張彬橋，楊文娟，葛蘇葉，等.水電站運(yùn)維本體知識(shí)庫(kù)構(gòu)建及應(yīng)用[J].水力發(fā)電學(xué)報(bào)，2022，41（10）：86-98.

[14] 陳立華.基于OWL語(yǔ)言設(shè)計(jì)的網(wǎng)絡(luò)敘詞表本體轉(zhuǎn)化的原理及結(jié)構(gòu)設(shè)計(jì)分析[J].情報(bào)理論與實(shí)踐，2010，33（10）：113-116.

[15] 韓牧哲，高勁松，李鈺，等.面向數(shù)字人文的出土陶器器形知識(shí)匹配方法與應(yīng)用研究[J].情報(bào)學(xué)報(bào)，2024，43（1）：76-94.

[16] 朱文躍，劉煒，劉宗田.一種綜合事件本體相似度計(jì)算方法[J].計(jì)算機(jī)應(yīng)用研究，2019，36（8）：2332-2337.

[17] 邴睿，馬慧芳，劉宇航，等.融合結(jié)構(gòu)與屬性相似性的加權(quán)圖聚集算法[J].計(jì)算機(jī)工程與科學(xué)，2019，41（10）：1777-1784.

[18] 魯金濤.應(yīng)急演練“情景-響應(yīng)” 模型的結(jié)構(gòu)相似度構(gòu)建方法[J].中國(guó)安全科學(xué)學(xué)報(bào)，2021，31（10）：182-188.

[19] 成錦暉，鄭山紅，李萬(wàn)龍，等.本體領(lǐng)域綜合概念相似度計(jì)算中的權(quán)重確定方法[J].吉林大學(xué)學(xué)報(bào)（理學(xué)版），2014，52（6）：1272-1276.

[20] 胡露露，王子國(guó)，李偉，等.地震數(shù)據(jù)采集處理知識(shí)檢索平臺(tái)開(kāi)發(fā)[J].石化技術(shù)，2023，30（7）：170-172.

【通聯(lián)編輯：唐一東】

基金項(xiàng)目：本文系國(guó)家社科基金一般項(xiàng)目“大數(shù)據(jù)背景下群體性突發(fā)公共事件應(yīng)急決策模型與應(yīng)用研究”（21BTJ026）；2023 年國(guó)家級(jí)大學(xué)生創(chuàng)新創(chuàng)業(yè)訓(xùn)練項(xiàng)目“大語(yǔ)言模型背景下突發(fā)公共事件事理圖譜自動(dòng)構(gòu)建研究”成果；湖南省教育廳資助科研項(xiàng)目（21A0372）