论文部分内容阅读
摘要：随着突发事件的多发频发，突发事件网络舆情呈不断上升态势，其负面效应凸显，危及公共安全和社会稳定。有效的早期监测预警是防范突发事件网络舆情蔓延扩散的前提条件，为此，该文提出构建面向舆情监测的突发事件信息库、利用人工智能技术提升舆情分析能力和构建面向突发事件的舆情预警等级和指标体系三条针对性措施。
关键词：突发事件;网络舆情;监测预警;人工智能
中图分类号：TP393 文献标识码：A
文章编号：1009-3044（2020）33-0066-03
开放科学（资源服务）标识码（OSID）：
党的十九届四中全会《决定》提出推进国家治理体系和治理能力现代化，要求健全重大舆情和突发事件舆论引导机制，全面提高网络治理能力，营造清朗的网络空间。当前，随着突发事件的多发频发，突发事件网络舆情呈不断上升态势。突发事件网络舆情的负面效应凸显。如何有效抑制突发事件网络舆情的负面效应、发挥其正面作用成为提升网络空间治理能力的重要课题。相对于一般网络舆情，突发事件影响的广泛性使得突发事件网络舆情涉及因素众多并且复杂多变，突发事件网络舆情危及公共安全、社会稳定的风险显著上升。因此，必须高度突发事件网络舆情治理。
突发事件网络舆情监测预警是一种前瞻性的机制设计，通过实时监测网络平台突发事件相关帖文数量、活跃程度、话题热度、网民情感倾向强度等识别和研判突发事件形成网络舆情的可能性，当突发事件相关舆情指标超过某一阈值、具有很大概率形成网络舆情时及时进行预警，以采用有效措施降低舆情热度，通过提前介入干预防范舆情升级形成舆情危机、甚至形成线上线下恶性的相互传导，危及大众舆论生态和社会的和谐稳定。因此，建立监测全面、反应迅速、分析准确的突发事件网络舆情监测预警机制是实现有效预防的前提条件。
1 构建面向舆情监测的突发事件信息库
我国高度重视突发事件应急管理和重大突发事件舆情的引导与回应。早在2006年发布的《国家突发公共事件总体应急预案》中就要求在事件发生的第一时间要向社会发布信息，并根据事件处置情况做好后续发布工作[1]。随着时代的发展特别是互联网的普及应用，2016年，在《国务院关于全面推进政务公开工作的意见》实施细则中进一步明确指出要做好重大突发事件舆情收集、研判和回应工作，对重大以上级别突发事件的政务舆情，要在5小时内发布权威信息，24小时内举行新闻发布会，并根据工作进展情况，持续发布权威信息[2]。从国家的顶层设计上可以看出，突发事件的应急处置和舆情应对之间存在着紧密联系，突发事件信息发布、舆情回应及时与否深入影响舆情发展走势。因此，要强化突发事件应急处理与突发事件网络舆情应对的一体化联动机制设计，在突发事件网络舆情监测预警方面就是要构建面向舆情监测预警的突发事件信息库。
当前，无论是官方主流媒体还是商业机构都开发和运行了众多的舆情监测系统实施舆情监测，比如：方正智思舆情监测系统、拓尔思大数据舆情分析平台、天玑互联网大数据分析系统等。这些平台基于大数据、云计算技术实时抓取互联网上论坛、微信、微博、网评、移动客户端等多种媒体的海量数据进行深度分析和数据挖掘，形成热点舆情的可视化展现和相关分析报告。应该说这些平台系统功能强大，具有突出的数据整合和分析能力。但用于突发事件网络舆情监测时，针对性方面略显不足。突发事件网络舆情孕育期所呈现出的微弱信号容易被淹没在其他众多舆情热点中，导致被忽视或未引起足够的重视，从而失去了早期监测预警的关键窗口期。
突发事件的危害性、敏感性等形成的新闻性导致突发事件发生后能够迅速引发广泛关注并呈现在网络平台上，使得监测预警的窗口期非常短 暂，必须采取措施针对突发事件进行网络舆情监测，才能把握先机。因此，应加强突发事件应急处理与突发事件网络舆情监测预警的联动设计和数据共享，构建面向舆情监测的突发事件信息库。突发事件动态信息库的数据主要来自两个方面，一是全国突发事件信息系统中非敏感事件信息的实时导人;二是舆情监测预警系统实时采集的有关突发事件的热点信息和人工输入的信息。通过动态更新使其尽可能包含更多突发事件及其相关的实体信息，比如：事件名称、事件发生时间、事件发生地点、事件相关人、事件爆料人等等。把突发事件信息库集成到当前舆情监测预警平台中，作为其重要组成部分。以突发事件信息库为基础开展面向突发事件的网络舆情专项监测，排除无关信息干扰，精准定位突发事件话题，实现定向监测采集事件舆情信息，提高事件舆情信息采集的全面性、網络舆情监测的针对性，进而保证预警及导控的及时性。
2 利用人工智能技术提升舆情分析能力
网络舆情监测包括舆情数据收集和舆情数据分析两个主要环节，其中舆情数据收集是前提，舆情数据分析是核心。面对海量、多维度，结构化、半结构化和非结构化的舆情数据，如何有效提升舆情数据的分析能力、提高网络舆情预警的准确性一直都是舆情分析研究不懈追求的目标。近年来，大数据驱动的人工智能技术的兴起和广泛应用为网络舆情分析提供了新的方法手段，要充分利用人工智能技术实现突发事件网络舆情分析的自动化、智能化、精准化。具体来说：
1）利用人工智能技术提升突发事件网络舆情数据预处理的自动化水平。数据预处理是舆情分析的首要环节，主要用于对收集到的舆情数据进行处理，以方便后续的分类、聚类、情感分析等，包括数据清洗、噪音消除、特征识别、特征匹配等步骤。面对海量的舆情数据，单纯以人工方式来完成数据预处理已成为不可能完成的任务，因此，在数据清洗、噪音消除等环节利用人工智能机器学习方法能够显著提升处理效率;在特征识别与分类等需要人参与的环节则通过人机协同方式实现准确性与效率的并重。
2）在突发事件舆情话题检测与跟踪、舆情情感分类等方面利用深度学习算法提高识别分析的准确率。以舆情情感分类为例，舆情的情感分类是网络舆情分析的重要内容，特别是对于突发事件网络舆情，网民关于突发事件的意见态度看法通常表现出强烈的情感倾向性，通过对突发事件网络舆情数据进行情感分类研究能够在很大程度上预判舆情走势。当前，舆情情感分类主要是基于浅层学习的词典建模分析和机器学习算法实现，基于词典的情感分类算法需要构建的情感数据词典，而基于机器学习的情感分类算法则需要人工进行特征选择。谭旭[3]等研究认为两类方法对于复杂文本数据的情感分类表现效果并不是特别理想。面对现实中多发频发的突发事件网络舆情，在标注数据难以大量自动获取的情况下，开发深度学习学习算法提升舆情情感分类的准确率是可行路径之一。深度学习算法能够自动发现数据特征，使得基于深度学习的情感分类方法具有分类精度高，领域适应性强，不依赖词典等优点。 3）利用人工智能技术实现跨媒体网络舆情数据智能分析与处理。当前网络舆情监测采集与分析的主要是结构化和半结构化的网页文本数据。随着新媒体的发展和网络流量成本的显著下降，图片、音频、视频等成为突发事件信息传播的重要方式，导致突发事件网络舆情非结构化数据显著增多。相对于文本描述，图片、音视频等视听内容更直观、包含的信息更丰富、似乎也更真实，因此，更容易引起网民的关注。很多突发事件因为视听内容的加入迅速引爆网络舆情或加速网络舆情的蔓延，2018年8-27昆山持刀砍人案网络舆情就是一例典型的证明。因此，单纯对网页文本数据的采集分析，难以实现对舆情信息的准确把握和深层次认知，进而影响对舆情走势的精准预测和舆情危机的有效应对。故而必须加强跨媒体网络舆情数据的关联分析处理，人工智能技术的发展为此提供了可能。比如：基于深度学习的无监督多模态特征自动聚类方法和技术进行跨媒体网络舆情话题智能识别、基于深度学习构建最优情感计算模型进行跨媒体情感智能计算实现舆情情感分类[4]等。
4）利用人工智能技术对突发事件网络舆情进行更多维度的分析。传统的网络舆情研究主要关注的是网民话语表达的内容层面，借助人工智能算法为核心的大数据分析技术能够深入内容层面背后探寻网民心理、行为、动机、诉求等多维度信息，从而促进突发事件网络舆情的有效引导应对;同时利用这些多维度的信息结合人工智能预测模型（比如：人工神经网络预测模型）能够对突发事件网络舆情的发展趋势进行更为精准的预测。
3 构建面向突发事件的舆情预警等级和指标体系
在舆情监测预警机制中，舆情数据监测是前提，舆情数据分析是手段，舆情态势研判预警是目的，意图通过精准预警、提前干预防范网络舆情高涨带来的社会安全与稳定风险。进行预警必须依据一定的指标体系对网络舆情态势进行评估，确定舆情预警等级，后续再依据预警等级采取相应规格的应对措施进行干预。因此，确定突发事件网络舆情预警的分级标准和指标体系是舆情预警的首要環节。
不同于一般网络舆情，突发事件网络舆情与突发事件本身是密切相连的，在确定突发事件网络舆情分级标准时必须考虑突发事件本身的影响。《中华人民共和国突发事件应对法》[5]对自然灾害、事故灾难、公共卫生三类突发事件做出了明确分级，即特别重大、重大、较大和一般四级。本文认为社会安全类突发事件依据事件危害度和事件敏感度、参考国家对事件的定性和权威专家评估也可参照其他三类划分为特别重大、重大、较大和一般四级。因此，根据突发事件等级和网络舆情热度状态参照国家突发事件预警级别确定突发事件网络舆情预警分级标准，如表1所示。
其中，预警等级由高到低分别为一级红色拒绝预警、二级橙色预警、三级黄色预警、四级蓝色预警。对于一般和较大型突发事件网络舆情，本着第一时间介入、快速响应的原则，在网络舆情开始进入较高热度状态时就实施三级黄色预警，进入超高热度状态实施二级橙色预警;对于重大和特别重大突发事件网络舆情，2016年发布的《国务院关于全面推进政务公开工作的意见》实施细则[6]中明确要求要快速反应。本着与国家规定一致的原则，在舆情热度相对较低（一般热度和较高热度）时实施二级橙色预警，在舆情热度进入高热度状态时实施一级红色预警。舆情预警等级随网络舆情热度状态动态调整。
突发事件网络舆情预警指标体系是评估网络舆情热度状态、进行舆情风险预警的依据。科学合理的预警指标体系能够使预警更加及时准确，减少报假警、迟报警甚至不报警的状况出现。网络舆情预警指标体系一般由不同层级的指标构成，其中，最底层的指标要是能够反映舆情状态并且易于监测采集的特征指标。比如：拓尔思公司为国家某部委开发的互联网舆情态势感知系统在信息预警指标体系构建中，以微博话题阅读量、同主题阅读量10万 微信公众号文章数、主要网站及客户端单条新闻跟帖评论参与量等作为底层指标[7]。
具体对于突发事件网络舆情的指标体系来说，通过对突发事件网络舆情各主体构成要素的识别、理解，从利益相关者视角设置网络媒体影响力、传统媒体影响力、意见领袖助推力、普通网民作用力、政府导控力加上事件触发力六个一级指标，再依次设置二级指标和三级指标，以网络媒体影响力为例，设计微博影响力、微信公众号影响力、网络新闻影响力、网络新闻评论影响力等二级指标，在微博影响力下设计突发事件主题微博帖文量、突发事件单条微博评论量、突发事件话题阅读量、突发事件主体网络大v发帖量等可监测采集的三级指标。
根据网络层次分析法（ANP）等相对客观的方式科学确定指标权重，结合舆情预警模型判断网络舆情热度等级。预警模型的建立方法主要有两大类，一种是基于模糊理论的方法，比如：语义隶属度模糊推理方法;另一种是基于机器学习的方法，比如：BP神经网络、贝叶斯网络等。建立指标体系一般使用基于模糊理论建立的预警模型进行预警，基于模糊理论建立的预警模型是通过建立隶属度函数对各指标利用模糊推理技术进行评判确定其隶属度，将其与网络舆情热度等级阈值进行比较，确定网络舆情热度等级，进而再根据突发事件网络舆情预警分级标准判别舆情预警等级进行预警。
参考文献：
[1]国家突发公共事件总体应急预案[EB/OL].http：//www.gov.cn/yj gl/2006-01/0 8/content_210480.htm，2006-01-0 8/2020-09-03.
[2]国务院办公厅.《关于全面推进政务公开工作的意见》实施细则[EB/OL]. http：//www. gov. cn/zhengce/content/2016-11/15/con-tent_5132852.htm.2016-11-15/2020-09-03.
[3]谭旭，吴俊江，徐磊，等.面向深度学习的多维度中文网络舆情分析[J].小型微型计算机系统，2018（7）：1471-1477.
[4]段峰峰，陈淼.多元与智能：跨媒体网络舆情数据的分析与处理[J].传媒观察，2020（1）：33-38.
[5]中华人民共和国突发事件应对法[EB/OL].https：//www.mem.gov.cn/fw/flfgbz/201803/t201 80327_23 1775 .shtml， 201 8-03 -27/2020-09-03
[6]国务院办公厅.《关于全面推进政务公开工作的意见》实施细则[EB/OL]. http：//www. gov. cn/zhengce/content/2016-11/15/con-tent_5132852.htm，2016-11-15/2020-09-03.
[7]张丕翠，杨建武，施水才.网络空间的舆情态势感知[Jl.信息安全研究，2019（11）：1013-1020.
【通联编辑：代影】
作者简介：郑昌兴，男，讲师，研究方向：信息处理。
关键词：突发事件;网络舆情;监测预警;人工智能
中图分类号：TP393 文献标识码：A
文章编号：1009-3044（2020）33-0066-03
开放科学（资源服务）标识码（OSID）：
党的十九届四中全会《决定》提出推进国家治理体系和治理能力现代化，要求健全重大舆情和突发事件舆论引导机制，全面提高网络治理能力，营造清朗的网络空间。当前，随着突发事件的多发频发，突发事件网络舆情呈不断上升态势。突发事件网络舆情的负面效应凸显。如何有效抑制突发事件网络舆情的负面效应、发挥其正面作用成为提升网络空间治理能力的重要课题。相对于一般网络舆情，突发事件影响的广泛性使得突发事件网络舆情涉及因素众多并且复杂多变，突发事件网络舆情危及公共安全、社会稳定的风险显著上升。因此，必须高度突发事件网络舆情治理。
突发事件网络舆情监测预警是一种前瞻性的机制设计，通过实时监测网络平台突发事件相关帖文数量、活跃程度、话题热度、网民情感倾向强度等识别和研判突发事件形成网络舆情的可能性，当突发事件相关舆情指标超过某一阈值、具有很大概率形成网络舆情时及时进行预警，以采用有效措施降低舆情热度，通过提前介入干预防范舆情升级形成舆情危机、甚至形成线上线下恶性的相互传导，危及大众舆论生态和社会的和谐稳定。因此，建立监测全面、反应迅速、分析准确的突发事件网络舆情监测预警机制是实现有效预防的前提条件。
1 构建面向舆情监测的突发事件信息库
我国高度重视突发事件应急管理和重大突发事件舆情的引导与回应。早在2006年发布的《国家突发公共事件总体应急预案》中就要求在事件发生的第一时间要向社会发布信息，并根据事件处置情况做好后续发布工作[1]。随着时代的发展特别是互联网的普及应用，2016年，在《国务院关于全面推进政务公开工作的意见》实施细则中进一步明确指出要做好重大突发事件舆情收集、研判和回应工作，对重大以上级别突发事件的政务舆情，要在5小时内发布权威信息，24小时内举行新闻发布会，并根据工作进展情况，持续发布权威信息[2]。从国家的顶层设计上可以看出，突发事件的应急处置和舆情应对之间存在着紧密联系，突发事件信息发布、舆情回应及时与否深入影响舆情发展走势。因此，要强化突发事件应急处理与突发事件网络舆情应对的一体化联动机制设计，在突发事件网络舆情监测预警方面就是要构建面向舆情监测预警的突发事件信息库。
当前，无论是官方主流媒体还是商业机构都开发和运行了众多的舆情监测系统实施舆情监测，比如：方正智思舆情监测系统、拓尔思大数据舆情分析平台、天玑互联网大数据分析系统等。这些平台基于大数据、云计算技术实时抓取互联网上论坛、微信、微博、网评、移动客户端等多种媒体的海量数据进行深度分析和数据挖掘，形成热点舆情的可视化展现和相关分析报告。应该说这些平台系统功能强大，具有突出的数据整合和分析能力。但用于突发事件网络舆情监测时，针对性方面略显不足。突发事件网络舆情孕育期所呈现出的微弱信号容易被淹没在其他众多舆情热点中，导致被忽视或未引起足够的重视，从而失去了早期监测预警的关键窗口期。
突发事件的危害性、敏感性等形成的新闻性导致突发事件发生后能够迅速引发广泛关注并呈现在网络平台上，使得监测预警的窗口期非常短 暂，必须采取措施针对突发事件进行网络舆情监测，才能把握先机。因此，应加强突发事件应急处理与突发事件网络舆情监测预警的联动设计和数据共享，构建面向舆情监测的突发事件信息库。突发事件动态信息库的数据主要来自两个方面，一是全国突发事件信息系统中非敏感事件信息的实时导人;二是舆情监测预警系统实时采集的有关突发事件的热点信息和人工输入的信息。通过动态更新使其尽可能包含更多突发事件及其相关的实体信息，比如：事件名称、事件发生时间、事件发生地点、事件相关人、事件爆料人等等。把突发事件信息库集成到当前舆情监测预警平台中，作为其重要组成部分。以突发事件信息库为基础开展面向突发事件的网络舆情专项监测，排除无关信息干扰，精准定位突发事件话题，实现定向监测采集事件舆情信息，提高事件舆情信息采集的全面性、網络舆情监测的针对性，进而保证预警及导控的及时性。
2 利用人工智能技术提升舆情分析能力
网络舆情监测包括舆情数据收集和舆情数据分析两个主要环节，其中舆情数据收集是前提，舆情数据分析是核心。面对海量、多维度，结构化、半结构化和非结构化的舆情数据，如何有效提升舆情数据的分析能力、提高网络舆情预警的准确性一直都是舆情分析研究不懈追求的目标。近年来，大数据驱动的人工智能技术的兴起和广泛应用为网络舆情分析提供了新的方法手段，要充分利用人工智能技术实现突发事件网络舆情分析的自动化、智能化、精准化。具体来说：
1）利用人工智能技术提升突发事件网络舆情数据预处理的自动化水平。数据预处理是舆情分析的首要环节，主要用于对收集到的舆情数据进行处理，以方便后续的分类、聚类、情感分析等，包括数据清洗、噪音消除、特征识别、特征匹配等步骤。面对海量的舆情数据，单纯以人工方式来完成数据预处理已成为不可能完成的任务，因此，在数据清洗、噪音消除等环节利用人工智能机器学习方法能够显著提升处理效率;在特征识别与分类等需要人参与的环节则通过人机协同方式实现准确性与效率的并重。
2）在突发事件舆情话题检测与跟踪、舆情情感分类等方面利用深度学习算法提高识别分析的准确率。以舆情情感分类为例，舆情的情感分类是网络舆情分析的重要内容，特别是对于突发事件网络舆情，网民关于突发事件的意见态度看法通常表现出强烈的情感倾向性，通过对突发事件网络舆情数据进行情感分类研究能够在很大程度上预判舆情走势。当前，舆情情感分类主要是基于浅层学习的词典建模分析和机器学习算法实现，基于词典的情感分类算法需要构建的情感数据词典，而基于机器学习的情感分类算法则需要人工进行特征选择。谭旭[3]等研究认为两类方法对于复杂文本数据的情感分类表现效果并不是特别理想。面对现实中多发频发的突发事件网络舆情，在标注数据难以大量自动获取的情况下，开发深度学习学习算法提升舆情情感分类的准确率是可行路径之一。深度学习算法能够自动发现数据特征，使得基于深度学习的情感分类方法具有分类精度高，领域适应性强，不依赖词典等优点。 3）利用人工智能技术实现跨媒体网络舆情数据智能分析与处理。当前网络舆情监测采集与分析的主要是结构化和半结构化的网页文本数据。随着新媒体的发展和网络流量成本的显著下降，图片、音频、视频等成为突发事件信息传播的重要方式，导致突发事件网络舆情非结构化数据显著增多。相对于文本描述，图片、音视频等视听内容更直观、包含的信息更丰富、似乎也更真实，因此，更容易引起网民的关注。很多突发事件因为视听内容的加入迅速引爆网络舆情或加速网络舆情的蔓延，2018年8-27昆山持刀砍人案网络舆情就是一例典型的证明。因此，单纯对网页文本数据的采集分析，难以实现对舆情信息的准确把握和深层次认知，进而影响对舆情走势的精准预测和舆情危机的有效应对。故而必须加强跨媒体网络舆情数据的关联分析处理，人工智能技术的发展为此提供了可能。比如：基于深度学习的无监督多模态特征自动聚类方法和技术进行跨媒体网络舆情话题智能识别、基于深度学习构建最优情感计算模型进行跨媒体情感智能计算实现舆情情感分类[4]等。
4）利用人工智能技术对突发事件网络舆情进行更多维度的分析。传统的网络舆情研究主要关注的是网民话语表达的内容层面，借助人工智能算法为核心的大数据分析技术能够深入内容层面背后探寻网民心理、行为、动机、诉求等多维度信息，从而促进突发事件网络舆情的有效引导应对;同时利用这些多维度的信息结合人工智能预测模型（比如：人工神经网络预测模型）能够对突发事件网络舆情的发展趋势进行更为精准的预测。
3 构建面向突发事件的舆情预警等级和指标体系
在舆情监测预警机制中，舆情数据监测是前提，舆情数据分析是手段，舆情态势研判预警是目的，意图通过精准预警、提前干预防范网络舆情高涨带来的社会安全与稳定风险。进行预警必须依据一定的指标体系对网络舆情态势进行评估，确定舆情预警等级，后续再依据预警等级采取相应规格的应对措施进行干预。因此，确定突发事件网络舆情预警的分级标准和指标体系是舆情预警的首要環节。
不同于一般网络舆情，突发事件网络舆情与突发事件本身是密切相连的，在确定突发事件网络舆情分级标准时必须考虑突发事件本身的影响。《中华人民共和国突发事件应对法》[5]对自然灾害、事故灾难、公共卫生三类突发事件做出了明确分级，即特别重大、重大、较大和一般四级。本文认为社会安全类突发事件依据事件危害度和事件敏感度、参考国家对事件的定性和权威专家评估也可参照其他三类划分为特别重大、重大、较大和一般四级。因此，根据突发事件等级和网络舆情热度状态参照国家突发事件预警级别确定突发事件网络舆情预警分级标准，如表1所示。
其中，预警等级由高到低分别为一级红色拒绝预警、二级橙色预警、三级黄色预警、四级蓝色预警。对于一般和较大型突发事件网络舆情，本着第一时间介入、快速响应的原则，在网络舆情开始进入较高热度状态时就实施三级黄色预警，进入超高热度状态实施二级橙色预警;对于重大和特别重大突发事件网络舆情，2016年发布的《国务院关于全面推进政务公开工作的意见》实施细则[6]中明确要求要快速反应。本着与国家规定一致的原则，在舆情热度相对较低（一般热度和较高热度）时实施二级橙色预警，在舆情热度进入高热度状态时实施一级红色预警。舆情预警等级随网络舆情热度状态动态调整。
突发事件网络舆情预警指标体系是评估网络舆情热度状态、进行舆情风险预警的依据。科学合理的预警指标体系能够使预警更加及时准确，减少报假警、迟报警甚至不报警的状况出现。网络舆情预警指标体系一般由不同层级的指标构成，其中，最底层的指标要是能够反映舆情状态并且易于监测采集的特征指标。比如：拓尔思公司为国家某部委开发的互联网舆情态势感知系统在信息预警指标体系构建中，以微博话题阅读量、同主题阅读量10万 微信公众号文章数、主要网站及客户端单条新闻跟帖评论参与量等作为底层指标[7]。
具体对于突发事件网络舆情的指标体系来说，通过对突发事件网络舆情各主体构成要素的识别、理解，从利益相关者视角设置网络媒体影响力、传统媒体影响力、意见领袖助推力、普通网民作用力、政府导控力加上事件触发力六个一级指标，再依次设置二级指标和三级指标，以网络媒体影响力为例，设计微博影响力、微信公众号影响力、网络新闻影响力、网络新闻评论影响力等二级指标，在微博影响力下设计突发事件主题微博帖文量、突发事件单条微博评论量、突发事件话题阅读量、突发事件主体网络大v发帖量等可监测采集的三级指标。
根据网络层次分析法（ANP）等相对客观的方式科学确定指标权重，结合舆情预警模型判断网络舆情热度等级。预警模型的建立方法主要有两大类，一种是基于模糊理论的方法，比如：语义隶属度模糊推理方法;另一种是基于机器学习的方法，比如：BP神经网络、贝叶斯网络等。建立指标体系一般使用基于模糊理论建立的预警模型进行预警，基于模糊理论建立的预警模型是通过建立隶属度函数对各指标利用模糊推理技术进行评判确定其隶属度，将其与网络舆情热度等级阈值进行比较，确定网络舆情热度等级，进而再根据突发事件网络舆情预警分级标准判别舆情预警等级进行预警。
参考文献：
[1]国家突发公共事件总体应急预案[EB/OL].http：//www.gov.cn/yj gl/2006-01/0 8/content_210480.htm，2006-01-0 8/2020-09-03.
[2]国务院办公厅.《关于全面推进政务公开工作的意见》实施细则[EB/OL]. http：//www. gov. cn/zhengce/content/2016-11/15/con-tent_5132852.htm.2016-11-15/2020-09-03.
[3]谭旭，吴俊江，徐磊，等.面向深度学习的多维度中文网络舆情分析[J].小型微型计算机系统，2018（7）：1471-1477.
[4]段峰峰，陈淼.多元与智能：跨媒体网络舆情数据的分析与处理[J].传媒观察，2020（1）：33-38.
[5]中华人民共和国突发事件应对法[EB/OL].https：//www.mem.gov.cn/fw/flfgbz/201803/t201 80327_23 1775 .shtml， 201 8-03 -27/2020-09-03
[6]国务院办公厅.《关于全面推进政务公开工作的意见》实施细则[EB/OL]. http：//www. gov. cn/zhengce/content/2016-11/15/con-tent_5132852.htm，2016-11-15/2020-09-03.
[7]张丕翠，杨建武，施水才.网络空间的舆情态势感知[Jl.信息安全研究，2019（11）：1013-1020.
【通联编辑：代影】
作者简介：郑昌兴，男，讲师，研究方向：信息处理。