基于网络舆情研判的大型活动群体性事件风险预警

刘颖璇，何维江

（中国人民武装警察部队学院警卫系，河北 廊坊 065000）

基于网络舆情研判的大型活动群体性事件风险预警

刘颖璇，何维江

（中国人民武装警察部队学院警卫系，河北 廊坊 065000）

大型活动参与人员密度大、流动性强，容易引发安全事故，造成较大的人员伤亡和社会影响，大型活动的风险预警研究有着重要意义。文章从网络舆情角度，研判大型活动群体性事件预警研究，根据网络舆情中群体性事件风险因素建立指标体系，为大型活动群体性事件预警提供参考。

网络舆情；大型活动；群体性事件；预警

群体性事件风险识别是做好群体性事件预警的必要条件。本文基于层次全息建模（Hierarchical Holographic Modeling，HHM）方法开展群体性事件预警研究。HHM是一种全面的思想和方法论，其目的在于捕捉和展现一个系统（在其众多的方面和视角、观点、维度和等级中）的内在不同特征和本质。HHM在对大规模的、复杂的、等级结构的系统（比如国防基础设施、民用基础设施）进行建模非常有用。HHM的多视角、多方位使风险分析变得更加可行。

1 构建群体性事件风险识别的HHM框架

通过分析群体性事件中涉及的风险要素，构建了“事件本体、舆情因素、处置能力”3个维度的群体性风险要素的HHM框架（见图1），其中包括风险指标17项。

图1 群体性事件风险因素指标的HHM框架

HHM框架的核心是扩展功能，它采取反复迭代的方法来确定所有系统风险的结构。首先，收集各类群体性事件的历史信息；然后，应用当前的HHM框架验证风险来源；如果风险来源的确认不是很好，则可以通过增加新视角的方法来扩展该框架。反复修正HHM框架并使其最终能够获得所有的风险来源。在反复迭代的过程中，可以凝练出3个主要的HHM子模型—风险场景（见表1），将不同层面、不同侧面、不同纬度的风险因子予以萃取，进而进行群体性事件风险识别，这也是HHM应用在风险识别领域中的最佳特点。

表1 凝练HHM子模型—风险场景

事件本体有4个风险因素，舆情因素有8个风险因素，理论上有32种风险来源。以构建“事件本体—舆情因素”风险场景为例进行解释说明。以事件本体为基础视角，如果事件发生在群体性事件敏感期间，就会导致网络舆情扩散程度加重；如果事件类型是维护群体权益的，那么，受到权益影响的大V们就会发布不利于安全的言论。

2 群体性事件风险量化过程

风险量化与评级的思路是：首先，将群体性事件的HHM框架转换为群体性事件风险指标体系（见表2）；其次，应用层次分析法（Analytic Hierarchy Process，AHP）计算各指标权重，进而对风险因素进行量化（见表3）；最后，应用主次因素分析法（Activity Based Classification，ABC）进行风险等级评定。

2.1 指标体系构建及权重赋予

首先构建指标体系，然后运用AHP计算指标权重。AHP是一种定性分析与定量分析相结合的多目标决策分析方法，能够有效分析体系间的层次结构。确定权重的步骤是：建立层次结构模型；构造判断矩阵并计算权重；一致性检验（Consistency Check，CR）小于0.1。指标及权重如表2所示。

表2 风险量化指标体系及权重

2.2 基于ABC分类法的风险等级评定

ABC分类法是项目管理中常用的一种分类方法。首先，计算各因素整体权重并将各因素整体权重从大到小进行排序；其次，计算各风险因素的累加权重（见表3）；最后，根据实际分析，将风险因素分为3个级别进行评级，其标准如表4所示（图表仅展示中高风险）。

表3 末级指标权重分析

续表3

表4 风险等级评定标准

根据评定标准，对17个风险指标进行评级，高风险指标2个，中风险指标4个，一般风险指标11个。其中高风险指标是维权、敏感。中度风险指标是泄愤、自媒体、大V、机构设置。这些指标是预警大型活动群体性事件的重点领域，应引起高度重视，做好相应工作。

[1]兰月新，董希琳，邓新元，等.基于HHM的公共危机事件网络舆情风险管理研究[J].情报杂志，2014（10）：33-38.

[2]张艳岩.基于支持向量机的网络舆情危机预警研究[D].南昌：江西财经大学，2013.

[3]陈天平，郑连清，张新源，等.HHM在信息系统风险识别中的应用[J].中国安全生产科学技术，2008（6）：98-100.

[4]曾润喜.网络舆情突发事件预警指标体系构建[J].情报理论与实践，2010（1）：78.

[5]张小伟.群体性事件的网络舆情预警机制构建研究[D].成都：电子科技大学，2014.

Study on early warning of large activity in mass events based on judgment of network public opinion

Liu Yingxuan, He Weijiang
（Security Department, The Chinese People’s Armed Police Forces Academy, Langfang 065000, China）

The density of participants is large and the mobility is strong, which is easy to cause safety accidents, resulting in greater casualties and social impacts. So study on early warning of large activity is of great significance. From the perspective of network public opinion, this paper analyzes early warning of large activity in mass events, to set up the system of index according to risk factors of network public opinion, so as to provide reference for early warning of large activity in mass events.

network public opinion; large activity; mass events; early warning

廊坊市软科学研究计划项目；项目名称：基于网络舆情研判的大型活动群体性事件预警研究；项目编号：2016023209。

刘颖璇（1983— ），女，河北保定人，硕士，讲师；研究方向：网络舆情。