重大突发事件舆情风险点预测研究

doi:10.16381/j.cnki.issn1003-207x.2021.2045

摘要/Abstract

摘要：

重大突发事件发生后，其舆情传播中呈现多风险点共存现象，公众的非理性情绪被不断放大，给舆论生态造成消极影响。如何在突发事件发生后的第一时间，准确预测其可能衍生的舆情风险点，成为决策者有的放矢、高效应对的关键。本文以我国积累10余年的历史突发事件大数据为基础，识别出突发事件舆情传播中的各类风险点，并对风险点做共现分析；然后应用特征相似度算法，计算新发生突发事件与历史突发事件之间的相似度，并结合风险点共现率，定量预测突发事件中所有的显性和隐性的舆情风险点。本文“以史为鉴”，从舆情风险源头治理的视角，期望在潜在风险萌芽期预测舆情风险点，为掌握舆情风险处置工作的主动权和话语权提供帮助。

关键词: 突发事件, 风险点, Jaccard共现指数, 特征相似度算法, 预测

Abstract:

After the occurrence of emergencies， coexistence of multiple risk points appears in public opinion communication， which amplifies irrational emotions of the public and causes negative impacts on the ecology of public opinions. In this context， how to accurately predict possible public opinion risk points derived from emergencies in the first time after the occurrence of emergencies has become a targeted and efficient key. In this thesis， based on historical data of emergencies that took place in recent ten years in China， various risk points in the public opinion communication of emergencies are identified and a co-occurrence analysis on risk points is conducted. Secondly， feature similarity algorithm is utilized to calculate the similarity between different emergencies， while Jaccard index is used to quantitatively predict all the explicit and potential public opinion risk points in emergencies. By taking history as a mirror， this research aims to predict public opinion risk points in the budding stage of risks from the perspective of source governance of public opinion risks， with the hope of offering help for grasping the initiative and the right to speak when coping with public opinion risks.

Key words: emergencies, risk points, jaccard index, feature Similarity algorithm, prediction

中图分类号:

C931

马宁,刘怡君,李凉凉. 重大突发事件舆情风险点预测研究[J]. 中国管理科学, 2023, 31(11): 58-66.

Ning MA,Yi-jun LIU,Liang-liang LI. Research on the Risk Points Prediction of Emergency Public Opinion[J]. Chinese Journal of Management Science, 2023, 31(11): 58-66.

图/表 11

图1

图2

表1

表2

不同风险点之间的共现率（部分）"

风险点 $i$ （ $R i$ ）	风险点 $j$ （ $R j$ ）	$J i j$
暴力	绑架	0.0112
劫持	枪击	0.0185
自焚	强拆	0.0400
性侵	自杀	0.0049
绑架	杀人	0.0135
抢劫	传销	0.0051
诈骗	黑客	0.0041
传销	坠楼	0.0078
……	……	……

表2

图3

图4

表3

突发事件属性特征及其描述"

属性特征	具体描述						备注
事件类型（ $C 1$ ）	自然灾害		事故灾难	公共卫生事件		社会安全事件	符号型 (共4类)
事发时间（ $C 2$ ）	春季 3/4/5月		夏季 6/7/8月	秋季 9/10/11月		冬季 12/1/2月	符号型 (共4类)
事发地点（ $C 3$ ）	全国范围（无明显地域特征）	普通居住区（城市、县城、乡镇等）	人员聚集区（广场商场、火车站等）	人口稀少区（偏远山村、自然环境）	工业商业区（企事业单位、工厂等）	学校校园区（各类校园培训机构等）	符号型 (共6类)
人群类型（ $C 4$ ）	所有人群（无明显特定人群）	幼儿孩童人群（幼童、婴儿、孩子等）	各类学生人群（中小学生、大学生、少女等）	焦点职业人群（警察、医生、城管等）	官员职务人群（市长、县长、书记等）	特殊身份人群（农民工、富二代、官二代等）	符号型 (共6类)
责任人数（ $C 5$ ）	表示对应突发事件所涉人群的总人数（单位：人）						数值型
死亡人数（ $C 6$ ）	表示对应突发事件导致的总死亡人数（单位：人）						数值型
受伤人数（ $C 7$ ）	表示对应突发事件导致的总受伤人数（单位：人）						数值型
经济损失（ $C 8$ ）	表示对应的突发事件所造成的经济损失（单位：万元）						数值型

表3

表4

近年来我国发生的重大突发事件列表"

编号	事件名	年份	编号	事件名	年份
$P 1$	中国奶制品污染事件	2008	$P 22$	6·5成都公交车纵火案	2009
$P 2$	皮革奶事件	2011	$P 23$	7·5杭州公交车纵火案	2014
$P 3$	山东非法疫苗	2016	$P 24$	6·7厦门公交起火案	2013
$P 4$	问题疫苗事件	2018	$P 25$	8·20烟台公交车纵火案	2014
$P 5$	河南瘦肉精事件	2011	$P 26$	1·5银川公交纵火案	2016
$P 6$	11·22青岛输油管爆燃事故	2013	$P 27$	10·28暴力恐怖袭击案	2013
$P 7$	8·2昆山工厂爆炸事故	2014	$P 28$	3·1昆明火车站暴力恐怖案	2014
$P 8$	11·28张家口爆炸事故	2018	$P 29$	3·23南平校园凶杀案	2010
$P 9$	7·21北京特大暴雨	2012	$P 30$	4·27米脂砍杀学生	2018
$P 10$	7·9四川特大暴雨灾害事件	2013	$P 31$	6·28上海浦北路持刀杀人案	2018
$P 11$	地沟油事件	2010	$P 32$	5·12汶川地震	2008
$P 12$	8·12天津滨海新区爆炸事故	2015	$P 33$	6·24茂县山体滑坡	2017
$P 13$	8·17大连石化分公司火灾事故	2017	$P 34$	4·14玉树地震	2010
$P 14$	6·17湖北石首群体性事件	2009	$P 35$	8·8九寨沟地震	2017
$P 15$	9·21乌坎村事件	2011	$P 36$	2·4花莲地震	2018
$P 16$	11·15上海静安区高层住宅大火	2010	$P 37$	7·10汶川特大山洪泥石流	2013
$P 17$	4·25北京大兴火灾	2011	$P 38$	12·5四川甘孜州草原火灾	2010
$P 18$	11·18北京大兴西红门镇火灾	2017	$P 39$	4·30大兴安岭森林火灾	2017
$P 19$	5·3北京京温商城女子坠亡事件	2013	$P 40$	12·7湖南校园踩踏事件	2009
$P 20$	1·1安徽一女大学生坠楼事件	2015	$P 41$	2·27湖北老河口小学生踩踏	2013
$P 21$	6·20庆阳女生跳楼事件	2018	$P 42$	12·31上海外滩踩踏事件	2014

表4

表5

目标案例与历史案例（部分）的属性特征"

编号	符号型属性特征				数值型属性特征
编号	$C 1$	$C 2$	$C 3$	$C 4$	$C 1$	$C 2$	$C 3$	$C 4$
$P 1$	公共卫生事件	春季	全国范围	幼儿孩童人群	97	4	12892	20000
$P 6$	事故灾难	秋季	普通居住区	所有人群	9	62	136	75000
$P 7$	事故灾难	夏季	工业商业区	焦点职业人群	18	146	91	35100
$P 8$	事故灾难	秋季	工业商业区	所有人群	15	23	22	4148
$P 9$	自然灾害	夏季	普通居住区	所有人群	0	79	0	1160000
$P 10$	自然灾害	夏季	普通居住区	所有人群	0	58	175	2019000
…	…	…	…	…	…	…	…	…
$P 22$	社会安全事件	夏季	人员聚集区	特殊身份人群	1	83	74	0
$P 24$	社会安全事件	夏季	人员聚集区	特殊身份人群	1	47	34	0
$P 28$	社会安全事件	春季	人员聚集区	特殊身份人群	8	29	143	0
$P 30$	社会安全事件	春季	学校校园区	各类学生人群	1	9	12	0
$P 42$	事故灾难	冬季	人员聚集区	所有人群	11	36	49	0
$N *$	事故灾难	春季	工业商业区	焦点职业人群	5	78	90	25000

表5

表6

目标案例与历史案例各属性特征的相似程度"

编号	$C 1$	$C 2$	$C 3$	$C 4$	$C 1$	$C 2$	$C 3$	$C 4$	$S i m N *, P i$
$P 1$	0.0000	1.0000	0.0000	0.0000	0.7945	0.9989	0.9664	0.9999	0.3862
$P 6$	1.0000	0.0000	0.0000	0.0000	0.9900	0.9998	0.9999	0.9994	0.5994
$P 7$	1.0000	0.0000	1.0000	1.0000	0.9680	0.9990	1.0000	0.9999	0.9482
$P 8$	1.0000	0.0000	1.0000	0.0000	0.9753	0.9992	0.9998	0.9998	0.7486
$P 9$	0.0000	0.0000	0.0000	0.0000	0.9876	1.0000	0.9998	0.9867	0.3487
$P 10$	0.0000	0.0000	0.0000	0.0000	0.9876	0.9997	0.9998	0.9767	0.3481
…	…	…	…	…	…	…	…	…	…
$P 22$	0.0000	0.0000	0.0000	0.0000	0.9900	0.9999	1.0000	0.9997	0.3495
$P 24$	0.0000	0.0000	0.0000	0.0000	0.9900	0.9996	0.9999	0.9997	0.3494
$P 28$	0.0000	1.0000	0.0000	0.0000	0.9925	0.9993	0.9999	0.9997	0.3995
$P 30$	0.0000	1.0000	0.0000	0.0000	0.9900	0.9990	0.9998	0.9997	0.3993
$P 42$	1.0000	0.0000	0.0000	0.0000	0.9851	0.9994	0.9999	0.9997	0.5991

表6

表7

与目标案例N*相似的历史案例列表（SimN*,Pi>γ）"

编号	事件名	与目标案例相似度 $S i m N *, P i$	对应风险点集合 $R P i = R 1, R 2, ?, R i$
$P 7$	8·2昆山工厂爆炸事故	0.9482	爆炸、死亡、污染
$P 13$	8·17大连石化分公司火灾事故	0.7487	爆炸、污染
$P 8$	11·28张家口爆炸事故	0.7486	爆炸、死亡
$P 12$	8·12天津滨海新区爆炸事故	0.7440	爆炸、死亡、谣言、污染
$P 17$	4·25北京大兴火灾	0.6493	烧毁、死亡

表7

参考文献 20

1	杨兴坤，廖嵘，熊炎.虚拟社会的舆情风险防治［J］.中国行政管理，2015（4）：16-21.
	Yang Xingkun， Liao Rong， Xiong Yan.Risk prevention and control of public opinions in virtual society［J］.Chinese Public Administrtion，2015（4）：16-21.
2	瞿志凯，张秋波，兰月新，等.暴恐事件网络舆情风险预警研究［J］.情报杂志，2016，35（6）：40-46.
	Qu Zhikai， Zhang Qiubo， Lan Yuexin， et al. Risk early warning research of network public opinion of violence and terrorist incidents［J］. Journal of Intelligence， 2016，35（6）：40-46.
3	田世海，王春梦，杨文蕊.基于ANP和随机Petri网的突发事件网络舆情危机预警机制研究［J/OL］.中国管理科学：1-12［2021-10-08］. .
	Tian Shihai， Wang Chunmeng， Yang Wenrui. Research on the early warning mechanism of network public opinion crisis for emergencies based on ANP and stochastic petri Net［J/OL］. Chinese Journal of Management Science：1-12［2021-10-08］. .
4	杨长春，王天允，叶施仁.微博意见领袖舆情危机管理能力评判体系研究——基于危机生命周期视角［J］.情报科学，2016，34（6）：19-25.
	Yang Changchun， Wang Tianyun， Ye Shiren. Research on the evaluation system of public opinion crisis management ability of microblog opinion leaders： a crisis life cycle perspectiv［J］. Information Science，2016，34（6）：19-25.
5	蒋宇，兰月新，刘冰月，等.面向舆情预测的突发事件首发信息风险评估研究［J］.图书与情报， 2016（3）：19-27.
	Jiang Yu， Lan Yuexin， Liu Bingyue， et al.Research on risk assessment of emergencies information and public opinion forecast［J］.Library and Information， 2016（3）：19-27.
6	张玉亮.基于发生周期的突发事件网络舆情风险评价指标体系［J］.情报科学， 2012， 30（7）：1034-1037+1043.
	Zhang Yuliang. Network opinion risk evaluation index system based on the cycle of emergency［J］. Information Science， 2012， 30（7）：1034-1037+1043.
7	王静茹，金鑫，黄微.多媒体网络舆情危机监测指标体系构建研究［J］.情报资料工作， 2017（6）：25-32.
	Wang Jingru， Jin Xin， Huang Wei. Research on the construction of multimedia network public opinion crisis monitoring index system［J］. Information and Documentation Services， 2017（6）：25-32.
8	黄星，刘樑.突发事件网络舆情风险评价方法及应用［J］.情报科学，2018，36（4）：3-9.
	Huang Xing， Liu Liang. The evaluation method and application of unexpected events network public opinion［J］. Information Science， 2018，36（4）：3-9.
9	林玲，陈福集，谢加良，等.考虑风险偏好的直觉模糊Choquet积分网络舆情预警模型［J/OL］.情报杂志：1-7［2021-10-08］..
	Lin Ling， Chen Fuji， Xie Jialiang， et al. Intuitionistic fuzzy choquet integral network public opinion early warning model considering risk preference［J/OL］.Journal of Intelligence： 1-7［2021-10-08］. .
10	张玉亮.基于UML方法的突发事件网络舆情信息流风险评价指标体系构建研究［J］.图书与情报，2016（3）：1-10+18.
	Zhang Yuliang. Establishment of risk evaluation index system about information flow of network public opinion on emergency based on UML method［J］. Library and Information，2016（3）：1-10+18.
11	路枝芳，薛耀文.基于因子聚类分析的舆情风险研究［J］.情报科学，2016，34（7）：76-80+85.
	Lu Zhifang， XueYaowen. The risk of public opinion research based on factor-cluster analysis［J］. Information Science，2016，34（7）：76-80+85.
12	王炼，贾建民.突发性灾害事件风险感知的动态特征——来自网络搜索的证据［J］.管理评论， 2014， 26（5）：169-176.
	Wang Lian， Jia Jianmin. Risk perception dynamics in unexpected disaster events： evidence from online search［J］. Business Review， 2014， 26（5）：169-176.
13	Finucane M L， Alhakami A， Slovic P， et al. The affect heuristic in judgments of risks and benefits［J］. Journal of Behavioral Decision Making， 2000， 13（1）：1-17.
14	李华强，范春梅，贾建民，等.突发性灾害中的公众风险感知与应急管理——以5·12汶川地震为例［J］.管理世界，2009（6）：52-60+187-188.
	Li Huaqiang， Fan Chunmei， Jia Jianmin， et al. The public perception of risks and the management of emergency measures taken during unexpected calamities［J］. Management World， 2009（6）： 52-60+187-188.
15	Sugimoto A， Nomura S， Tsubokura M， et al. The relationship between media consumption and health-related anxieties after the Fukushima Daiichi nuclear disaster［J］. Plos One， 2013， 8（8）：e65331.
16	王丽丽.信息一致性视角下媒体报道对风险感知的影响［J］.北京理工大学学报（社会科学版）， 2016， 18（6）：153-158.
	Wang Lili. The effect of media coverage on risk perception from the perspective of information consistency［J］. Journal of Beijing Institute of Technology （Social Sciences Edition）， 2016， 18（6）：153-158.
17	王治莹，岳朝龙.舆情传播中考虑公众风险感知的多资源流应急优化调度［J］.中国管理科学，2016，24（6）：115-123.
	Wang Zhiying， Yue Chaolong. Emergency optimal scheduling of multi-resource flow considering the public's risk perception in public opinion propagation［J］. Chinese Journal of Management Science， 2016，24（6）：115-123.
18	Real R， Vargas J M. The probabilistic basis of Jaccard's index of similarity［J］. Systematic biology， 1996， 45（3）： 380-385.
19	Leydesdorff L. On the normalization and visualization of author co‐citation data： Salton's Cosine versus the Jaccard index［J］. Journal of the American Society for Information Science and Technology， 2008， 59（1）： 77-85.
20	Arroyo J， Maté C. Forecasting histogram time series with k-nearest neighbours methods［J］. International Journal of Forecasting， 2009， 25（1）： 192-207.

[1]	陆帅,李守伟,何建敏. 考虑基金网络地位的多阶段效率及其前瞻性预测能力[J]. 中国管理科学, 2023, 31(9): 22-34.
[2]	王江涛,蔡雅,郑承利. 一类自适应的风险预测算法及其应用[J]. 中国管理科学, 2023, 31(8): 1-8.
[3]	靖富营,慕银平,晁祥瑞. 需求双向替代与生产转换下动态批量决策及预测时阈研究[J]. 中国管理科学, 2023, 31(8): 226-238.
[4]	马勇,刘晓君,胡荣才. 通胀预期、通胀预测误差与股票收益的非线性动态效应[J]. 中国管理科学, 2023, 31(8): 61-70.
[5]	胡海清, Pandu RTadikamalla. 考虑预测准确性的快时尚产品两阶段订货策略研究[J]. 中国管理科学, 2023, 31(7): 256-265.
[6]	刘金培, 罗瑞, 陈华友, 陶志富. 非结构化数据驱动的混合二次分解汇率区间多尺度组合预测[J]. 中国管理科学, 2023, 31(6): 60-70.
[7]	易靖韬, 严欢. 基于小波分解和ARIMA-GRU混合模型的外贸风险预测预警研究[J]. 中国管理科学, 2023, 31(6): 100-110.
[8]	张卫国, 黄思颖, 王超. 奖励众筹融资绩效动态预测研究——来自“众筹网”数据的实证[J]. 中国管理科学, 2023, 31(5): 71-83.
[9]	胡劲松, 刘玉红, 马德青. 食品安全危机预测下食品供应链动态策略制定及协调[J]. 中国管理科学, 2023, 31(5): 116-131.
[10]	欧阳林寒, 陶宝平, 马妍. 基于选择性集成核高斯过程模型的质量预测研究[J]. 中国管理科学, 2023, 31(3): 69-80.
[11]	高明, 刘超, 唐加福, 孙思晶, 邹广宇. 基于注意力神经网络的燃料电池寿命衰减预测[J]. 中国管理科学, 2023, 31(3): 155-166.
[12]	张键,谢庭玉,彭鹏,王宏伟. 制造业多价值链协同数据空间产品知识属性与销量预测关联性研究[J]. 中国管理科学, 2023, 31(11): 341-348.
[13]	冯易,王杜娟,胡知能,崔少泽. 基于改进LightGBM集成模型的胃癌存活性预测方法[J]. 中国管理科学, 2023, 31(10): 234-244.
[14]	吴璐,郭强,聂佳佳,李富昌. 预测信息分享对药品双渠道供应链集团采购策略的影响[J]. 中国管理科学, 2023, 31(10): 276-286.
[15]	范丽伟, 董欢欢, 渐令. 基于滚动时间窗的碳市场价格分解集成预测研究[J]. 中国管理科学, 2023, 31(1): 277-286.