基于網絡輿情研判的大型活動群體性事件風險預警

劉穎璇，何維江

（中國人民武裝警察部隊學院警衛系，河北 廊坊 065000）

基于網絡輿情研判的大型活動群體性事件風險預警

劉穎璇，何維江

（中國人民武裝警察部隊學院警衛系，河北 廊坊 065000）

大型活動參與人員密度大、流動性強，容易引發安全事故，造成較大的人員傷亡和社會影響，大型活動的風險預警研究有著重要意義。文章從網絡輿情角度，研判大型活動群體性事件預警研究，根據網絡輿情中群體性事件風險因素建立指標體系，為大型活動群體性事件預警提供參考。

網絡輿情；大型活動；群體性事件；預警

群體性事件風險識別是做好群體性事件預警的必要條件。本文基于層次全息建模（Hierarchical Holographic Modeling，HHM）方法開展群體性事件預警研究。HHM是一種全面的思想和方法論，其目的在于捕捉和展現一個系統（在其眾多的方面和視角、觀點、維度和等級中）的內在不同特征和本質。HHM在對大規模的、復雜的、等級結構的系統（比如國防基礎設施、民用基礎設施）進行建模非常有用。HHM的多視角、多方位使風險分析變得更加可行。

1 構建群體性事件風險識別的HHM框架

通過分析群體性事件中涉及的風險要素，構建了“事件本體、輿情因素、處置能力”3個維度的群體性風險要素的HHM框架（見圖1），其中包括風險指標17項。

圖1 群體性事件風險因素指標的HHM框架

HHM框架的核心是擴展功能，它采取反復迭代的方法來確定所有系統風險的結構。首先，收集各類群體性事件的歷史信息；然后，應用當前的HHM框架驗證風險來源；如果風險來源的確認不是很好，則可以通過增加新視角的方法來擴展該框架。反復修正HHM框架并使其最終能夠獲得所有的風險來源。在反復迭代的過程中，可以凝練出3個主要的HHM子模型—風險場景（見表1），將不同層面、不同側面、不同緯度的風險因子予以萃取，進而進行群體性事件風險識別，這也是HHM應用在風險識別領域中的最佳特點。

表1 凝練HHM子模型—風險場景

事件本體有4個風險因素，輿情因素有8個風險因素，理論上有32種風險來源。以構建“事件本體—輿情因素”風險場景為例進行解釋說明。以事件本體為基礎視角，如果事件發生在群體性事件敏感期間，就會導致網絡輿情擴散程度加重；如果事件類型是維護群體權益的，那么，受到權益影響的大V們就會發布不利于安全的言論。

2 群體性事件風險量化過程

風險量化與評級的思路是：首先，將群體性事件的HHM框架轉換為群體性事件風險指標體系（見表2）；其次，應用層次分析法（Analytic Hierarchy Process，AHP）計算各指標權重，進而對風險因素進行量化（見表3）；最后，應用主次因素分析法（Activity Based Classification，ABC）進行風險等級評定。

2.1 指標體系構建及權重賦予

首先構建指標體系，然后運用AHP計算指標權重。AHP是一種定性分析與定量分析相結合的多目標決策分析方法，能夠有效分析體系間的層次結構。確定權重的步驟是：建立層次結構模型；構造判斷矩陣并計算權重；一致性檢驗（Consistency Check，CR）小于0.1。指標及權重如表2所示。

表2 風險量化指標體系及權重

2.2 基于ABC分類法的風險等級評定

ABC分類法是項目管理中常用的一種分類方法。首先，計算各因素整體權重并將各因素整體權重從大到小進行排序；其次，計算各風險因素的累加權重（見表3）；最后，根據實際分析，將風險因素分為3個級別進行評級，其標準如表4所示（圖表僅展示中高風險）。

表3 末級指標權重分析

續表3

表4 風險等級評定標準

根據評定標準，對17個風險指標進行評級，高風險指標2個，中風險指標4個，一般風險指標11個。其中高風險指標是維權、敏感。中度風險指標是泄憤、自媒體、大V、機構設置。這些指標是預警大型活動群體性事件的重點領域，應引起高度重視，做好相應工作。

[1]蘭月新，董希琳，鄧新元，等.基于HHM的公共危機事件網絡輿情風險管理研究[J].情報雜志，2014（10）：33-38.

[2]張艷巖.基于支持向量機的網絡輿情危機預警研究[D].南昌：江西財經大學，2013.

[3]陳天平，鄭連清，張新源，等.HHM在信息系統風險識別中的應用[J].中國安全生產科學技術，2008（6）：98-100.

[4]曾潤喜.網絡輿情突發事件預警指標體系構建[J].情報理論與實踐，2010（1）：78.

[5]張小偉.群體性事件的網絡輿情預警機制構建研究[D].成都：電子科技大學，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

廊坊市軟科學研究計劃項目；項目名稱：基于網絡輿情研判的大型活動群體性事件預警研究；項目編號：2016023209。

劉穎璇（1983— ），女，河北保定人，碩士，講師；研究方向：網絡輿情。