社会安全事件因其巨大的危害性与传播的广泛性,一直是国家安全管控的重点对象。近些年来,国内部分行业快速发展的同时相应的安全管理办法未能及时跟进,导致各类事故频发;同时,由于我国国力的快速增长,许多境外反动势力动作频繁,尽其所能试图制造分裂与骚乱,社会安全事件防范的态势愈加严峻。随着互联网的快速发展以及以微博为代表的社交媒体广泛普及,每当事件发生时都会有大量的报道与讨论出现在互联网上,在其中蕴含了许多有价值的但难以被直接利用的数据。有鉴于此,本文提出一套面向社会安全事件的属性知识库的构建方法,旨在从海量网络数据中提取和管理有价值的信息,对事件进行全面的刻画,为事件的分析与管控提供有力支撑,研究内容主要包含以下五个方面:(1)社会安全事件属性体系设计与数据资源库构建方法研究对社会安全事件的特点进行分析,结合查询与分析具体需求,设计了由4大类21小类构成的社会安全事件属性体系;以微博为数据源,使用Scrapy框架按关键词对相关数据进行搜索与采集,并通过噪声过滤、繁简转换等预处理操作,构建了一个无效信息少、格式规整的数据资源库。(2)面向社会安全事件的事件关系强度计算方法研究提出了一种多特征融合的事件关系强度计算方法,用以对知识库中的事件关系属性进行提取。通过对关联事件存在共性的部分进行挖掘与分析,提出以关键词相关度、热度关联度以及关注用户重合度三个特征作为事件关系强弱的判断依据,将多特征加权融合得出最终的事件关系得分。实验表明,本方法能够对事件之间的关系强度进行合理的表示。(3)面向社会安全事件的摘要抽取模型研究提出了一种结合Bert预训练模型与冗余处理方法的抽取式摘要模型,用以对知识库中的事件摘要属性进行提取。使用Bert模型进行向量提取,获得包含深层语义信息的文本表示;从语义与词形两方面出发,对候选句子之间的相似度进行综合计算,并以相似度为依据进行冗余处理。实验表明,本文提出的摘要抽取模型具有较好性能,同时有效缓解了摘要结果冗余的问题。(4)面向社会安全事件的公众情感分析模型研究提出了 一种融合词语性质与注意力机制的情感分析模型,用以对知识库中的公众情感属性进行提取。考虑到词语的词性以及情感极性对于文本最终要表达的情感起着重要作用,将二者分别进行向量化表征后与词向量融合作为模型输入,使用Bi-LSTM模型对文本的语义信息进行建模,结合注意力机制实现了情感分析模型的构建。实验表明,通过对词语性质的融合与利用,本模型能够在情感分析中取得较好效果。(5)面向社会安全事件的属性知识库系统设计与实现对系统的整体架构进行了设计,对各子模块功能进行了实现,结合前述算法与模型,实现了事件各属性的提取,完成了事件属性知识库的构建。使用Lay-ui框架构建了页面,实现了知识库的可视化展示。