社交媒體中應急救援信息分類的影響特征研究

沈洪洲， 居 玥

（1 南京郵電大學管理學院， 南京 210003； 2 南京郵電大學信息產業融合創新與應急管理研究中心， 南京 210003）

0 引 言

2021 年鄭州720 暴雨給應急信息管理機構帶來了嚴峻的挑戰。 在這一過程中，全社會對突發事件的應急反應能力、資源調配能力的表現尤為突出，展現了對傳統通信技術和應急信息管理的現有技術能夠有效使用的能力，例如地理信息和全球定位系統、遙感技術等當代技術的使用［1－2］；但在此過程中也暴露了這些技術中公民參與度低，難以直接支撐應急救援行動的不足。 然而在重大突發事件中，全社會共同參與的動員行動也是必需的，也都會對應急救援行動提供不可或缺的幫助［3］。 因此，可以更加主動積極地借助廣大民眾（尤其是突發事件現場的民眾）的群體智慧，來幫助采集、識別、完善和傳播應急管理過程中需要的各類應急救援信息，使其成為應急信息管理的重要信息來源，從而對做出正確的應急決策［4］。

已有學者對相關實踐案例進行研究，通過對社交媒體中廣大民眾發布的信息進行挖掘，進而給應急救援機構提供決策支持［5］。 例如，陳茜等學者［6－7］的研究發現突發自然災害事件背景下的微博所提供的信息可以幫助應急管理部門了解公眾情緒走向、認知變化以及公眾的態度，并且社交媒體上的用戶生成的內容也被廣泛用于為緊急救援機構或志愿者開展的現場救援活動提供建議［8］。 顯然，社交媒體的積極作用已經被應急管理機構承認，但是從社交媒體中挖掘出的應急救援信息的可靠性和有效性仍然不盡如人意，大多應急管理機構沒有將社交媒體數據納入正式的應急決策過程。 為在應急信息管理中更加充分地發揮社交媒體綜合優勢，還需進一步深入研究如何在海量的社交媒體信息中挖掘出真正有價值的應急救援信息。

然而，在突發事件期間，任何一個社交媒體用戶都能夠發布與事件相關的信息和觀點，并進行討論。由于用戶量和數據量巨大［9］，研究發現：一方面，在突發事件中不同處境的民眾借助社交媒體分布廣和傳播快的優勢，能夠提供大量、實時的信息；另一方面，這些不同身份背景的民眾由于能力限制，提供的信息質量參差不齊，其中不乏一些低相關性、低質量的內容［10］，從而導致難以區分社交媒體中的應急救援信息和普通信息。 在此背景下，如何快速挖掘能夠幫助識別直接提供態勢感知、現場幫助、求助等支撐應急救援行動的社交媒體內容，探討區分應急救援信息的關鍵特征從而提升突發事件中使用社交媒體信息的可信度，將社交媒體應急信息納入正式的應急決策過程，是一個值得深入探討的研究問題。

本文關注于社交媒體中應急救援信息的收集和挖掘，以微博為具體研究平臺，運用數據挖掘方法探究社交媒體中應急救援信息和普通信息之間的特征差別，探討區分應急救援信息的關鍵特征，從而幫助應急救援機構更加高效地利用社交媒體數據。

1 相關工作

1.1 社交媒體中應急信息的特征研究

由社交媒體用戶生成的信息可以有效地用于不同的場景，包括突發事件中的應急信息管理。 幾十年前，社交媒體是社交網絡的一種技術，而現在則已用作解決問題的工具而不僅僅是技術，并且逐漸成為突發事件應急管理中實時信息獲取的重要渠道。Saroj 等學者［11］通過系統的綜述，發現突發事件中社交媒體信息主要集中于位置預測、 情感分析、 求助＆幫助、 時間以及損失傷亡這5 種類型的信息。對于不同類型的突發事件，信息內容的差異也將導致分類標準的不同。 例如，Nguyen 等學者［12］將突發事件信息歸類為與事件相關和無關的2 種粗粒度分類的信息；Derczynski 等學者［13］對突發事件中社交媒體信息進行分類研究，將其粗粒度地分類為信息豐富的和無信息的，盡管區分社交媒體中直接提供態勢感知、 現場幫助、 求助的應急救援信息是粗粒度的分類，不能夠幫助進一步理解突發事件的細節，但是卻能夠有效幫助緊急救援機構及時獲取所需要的信息。 在社交媒體中應急救援信息的粗粒度分類過程中，本文發現社交媒體在突發事件中主要使用了以下3 個層面的特征，包括：信息內容、傳播和用戶特征。

社交媒體的信息內容特征是對突發事件最直觀的反映，對社交媒體信息的內容特征進行挖掘分析，能夠發現用戶表達人物、地點、狀態等細節信息，包括對支撐應急救援行動有價值的信息。 在突發事件中，社交媒體信息數量和內容還會隨時間演變而有明顯的變化，同時不同地理位置的社交媒體信息在內容、數量方面也會有著顯著差異［14］。 而對社交媒體中人類活動的單詞頻率和位置相關信息的進一步研究，也表明人們的情緒和活動受到暴雨強度的顯著影響，驗證了社交媒體的內容特征在一定程度上代表著人們的態度和行為［15］。

社交媒體的信息傳播特征則是突發事件相關信息在公眾中的傳播認可的反映，研究發現社交媒體的傳播特征能夠在一定程度上反映內容的有效性，例如包含態勢感知、損失情況和求助位置等能夠支撐應急救援行動的關鍵信息的社交媒體數據，在傳播途徑中更容易得到社交媒體用戶的關注度［16］；包含求助、聯系和情感的推文等信息特征的微博，其關注度也與信息特征數量成正比［17］，吳布林等學者［18］就直接指出了高轉發率的社交媒體應急信息更有可能擁有更高的質量。 毫無疑問，這些研究都體現了傳播特征在一定程度上對于內容質量的反映。

另外，社交媒體的用戶特征、即信息主體特征問題也一直是當前推動社交媒體信息納入正式應急決策過程的關鍵點。 Chen 等學者［19］發現經認證的微博用戶往往比未經認證的用戶具有更高的社交網絡活動強度和更大的影響力，能夠為突發事件的應急管理提供更多可靠有用的信息。 并且不同用戶所發布信息內容的影響性、權威性、專業性等方面也有著顯著差別［20］。

因此本文認為在對社交媒體進行分析時，需要綜合考慮社交媒體信息的內容、傳播和用戶特征，一方面能夠傳遞突發事件中用戶的求助、幫助的觀點，另一方面也是其他用戶對于該條微博態度的傳遞。因此，從這3 個維度中抽取相應的特征指標，探究幫助區分社交媒體內容中應急救援信息的關鍵的特征，從而更加有效地從嘈雜的用戶生成內容中提取出應急救援信息。

1.2 社交媒體應急信息質量的評價研究

在突發事件發生時，通過社交媒體進行信息溝通主要有4 個方向：用戶對用戶（C2C）、用戶對政府機構（C2A）、政府機構對政府機構（A2A）、政府機構對用戶（A2C）［21］。 在這一溝通過程中，應急機構可以通過收集來自用戶的C2C 和C2A 信息，來幫助應急救援行動的開展。 然而，由于突發事件下社交媒體質量層次不齊，在搜索不太具體的詞匯時，數據非常“嘈雜”、缺乏上下文，使得數據質量難有保障，不足以直接幫助應急救援行動［22］。 因此，在缺少足夠權威評估標準的條件下，部分研究者使用了人類反饋的方法在主觀上進行分析判斷來評估信息質量［20，23］。 除了人類反饋這類主觀上評估應急信息質量的方法外，朱益平等學者［24］從測量方法的四要素出發，提出了應急信息質量測量框架。 針對應急信息質量評價體系的建立，徐文強等學者［25］從大數據角度下對應急信息質量評估進行研究，從內容質量、描述質量、信息約束這3 個維度抽取了8 個指標構建了大數據環境下應急信息質量評估指標體系。另外還有相關研究者在主要的利益相關者、應急服務機構和市民的合作下，開發了一套包含需求、場景、用例的指標來進行突發事件相關社交媒體信息的衡量。 其衡量體系由可理解性，相關性、完整性、及時性和可信性這5 個指標構建［26］。

除了對應急信息質量某一指標和應急信息服務質量評估的探討之外，吳雪華等學者［27］基于文本向量表示、語言、形式和用戶四個維度的特征，采用機器學習對社交媒體應急信息的質量進行自動識別分類。 劉校麟等學者［28］使用機器學習識別突發事件中的微博謠言，結果表示機器學習識別謠言的正確率遠高于80%。 除此之外，在突發事件中，機器學習方法還被普遍用于突發事件信息抽取［29］、突發事件文本分類［30］、突發事件中情感分析［31］。 綜上所述，在評估應急信息質量的標準和方法上，未形成統一的質量標準，而機器學習也日漸成為突發事件中社交媒體信息的評價與處理的重要方法。

因此，本文在研究相關理論與實踐的基礎上，以“微博”為具體研究平臺，選取“＃河南暴雨互助＃”話題為研究數據，從用戶生成內容中抽取能夠幫助區分應急救援信息的指標，利用機器學習進行應急救援信息分類實驗，旨在探究社交媒體中應急救援信息和普通信息之間的特征差別，探討區分社交媒體中應急救援信息中不同特征的影響程度。

2 研究設計

2.1 研究對象

在對鄭州720 暴雨事件的關注中，研究發現微博“＃河南暴雨互助＃”話題下的微博內容與應急救援的相關性較高，存在較多的信息能夠有效支撐應急救援行動，因此將其作為研究對象。 在數據搜集階段，用Python 編寫關于微博的相關爬蟲，爬取微博“＃河南暴雨互助＃”話題下的原創微博，從2021.08.20 開始進行數據爬取；通過爬蟲程序輸入“＃河南暴雨互助＃”關鍵詞，設置日期為2021.07.20～2021.08.12，發送到微博搜索引擎，對相關話題下的原創微博爬取數據。 由于話題下的原創微博只提供微博的點贊數、評論數、轉發數以及微博的相關正文內容，并不足以支撐本文的分析，所以通過爬取發布微博信息的用戶主頁鏈接，從而進入用戶主頁以爬取用戶的主頁相關內容，如微博數、關注數、粉絲數，以利于后續對相關特征的進一步分析。

獲得微博用戶信息和正文內容后，對獲得的微博內容進行重復性等驗證，研究文本內容發現2021.08.02 之后的微博相關內容對于應急救援的相關性都較低，最終選擇2021.07.20～2021.08.03 期間的微博，刪除重復微博后獲得的7 979條微博數據，以便進行此后的數據分析。 接下來為了獲得微博內容是否是應急救援信息，對微博內容進行人工標注數據集，分類為1 936 條應急救援信息和6 043 條普通信息。

本文研究通過對“微博”網站上應急救援信息的觀察分析，并結合對已有的微博應急救援信息內容相關研究文獻的整理，在此基礎上展開研究論述如下。

2.2 研究方法

本文以數據挖掘為主要研究方法，將評估各個特征對于社交媒體應急救援信息分類的影響程度，其中使用了CART 算法作為評估特征貢獻度的算法。

研究首先在閱讀相應的參考文獻以及“微博”平臺的數據構成的基礎上，確定并篩選了所有可能對社交媒體應急救援信息分類產生影響的特征。 最終確定的潛在特征見表1。

表1 社交媒體應急救援信息分類潛在影響特征Tab. 1 Potential impact characteristics of social media emergency rescue information classification

2.2.1 人工標注數據集

社交媒體應急救援信息分類的訓練可以看作是一個二分類問題，所以需要選擇正樣本和負樣本。為了確保應急救援信息分類衡量標準的可靠性，需要對研究數據集中的微博內容進行人工標注，即人工判斷每一條微博對于應急救援行動是否有用，即能否提供態勢感知、現場幫助、求助信息。 研究中招募了8 名大學生志愿者進行人工數據標注，標注過程按照如下步驟進行：

步驟1標注要求的培訓。 對志愿者進行標注要求培訓，介紹了數據標注的目的，并詳細解釋標注的要求和注意點。 在志愿者理解數據標注要求后，還進行了試標注，從而確保志愿者們充分掌握數據標注的要求。

步驟2數據標注過程。 數據人工標注過程由8 名經過訓練的志愿者進行。 7 979 條博文數據分為4 組，每組數據同時被2 名志愿者分別標注，因此，每條微博都擁有2 個由不同志愿者標注的結果。志愿者首先通過對微博正文進行仔細閱讀并充分理解后，判斷微博的文本內容是否對應急救援行動有用，進行標注。 每條微博的標注結果分為3 種，包括：有用、無用、不確定。

步驟3核對并確定標注結果。 將每條微博的2 個標注結果進行比對，以形成最終的數據標注結果，最終結果只能是有用或者無用。 確定過程如下：

（1）如果2 個標注結果相同（同時為有用，或同時為無用），則直接采用該標注結果。

（2）如果一條微博存在2 個不同的標注結果，即2 個標注完全相反，或者結果中有“不確定”時，負責標注的2 人與第三方研究人員共同分析討論確定最終的標注結果。

正樣本為標注為有用、即應急救援信息，標注為無用信息，即普通信息被視為負樣本。 最終得到1 936條正樣本，6 043 條負樣本。

2.2.2 應急救援信息分類特征提取

（1）內容語言學特征提取。 微博內容預處理后，采用“Jieba”分詞去除文本內容中的停用詞，隨后統計每條微博內容的單詞數量，將文本的單詞數量記為內容語言學特征F1。

（2）內容語義特征提取。 微博內容的情感一般可以分為正向、中性或者負向。 本文通過專門的Python 程序結合成熟的情感詞典，計算出該微博文本內容的情感值。 首先，對單條微博的文本內容分詞后的詞匯列表進行遍歷，檢查出詞匯中的程度副詞、否定詞和情感詞，記錄相應位置，將積極和消極情感詞分別標記為1、－1。 然后，找出程度副詞和否定副詞的權重，與情感詞加權得到情感值得分。 計算程序采用了知網HowNet 情感詞典、臺灣大學NTUSD 簡體中文情感極性詞典以及大連理工大學的中文情感詞匯本體庫。 情感值得分大于0、小于0、等于0 分別代表該微博文本內容表現為正面情感傾向、負面情感傾向以及中性情感傾向。 將程序計算得到的情感值記為內容語義特征F2。

（3）內容精確地址提取。 從信息學角度來說，如果一條文本與其他文本在某個關鍵屬性上差別越大，那么就可以利用這個屬性的差別來區分文本的類別［32］。 社交媒體應急救援信息中涉及關鍵屬性，那么其為應急救援信息的概率就越高。 而在應急救援信息中，精確的地址信息和聯系信息被視為能夠幫助救援的關鍵信息［15］。 因此，本文通過自行編寫的Python 程序對微博內容根據文本中的地址特征字進行命名實體識別，提取每條微博存在的精確地址信息，有則為1，無則為0。 根據由微博內容是否存在精確地址信息形成的一個由0、1 組成的字典，作為內容地址信息特征F3。

（4）內容聯系信息提取。 在應急救援信息中幫助救援行動開展的關鍵屬性除了精確地址之外，聯系信息也被認為是區分應急救援信息的一個重要屬性。 因此，對每條微博原始博文進行了正則提取聯系信息，有則為1，無則為0。 而根據由微博內容是否存在精確地址信息所形成的由0、1 組成的字典，則作為內容聯系信息特征F4。

（5）圖片數量提取。 由于突發事件中圖片能夠更為直觀地展示受害者以及旁觀者的處境，本文將圖片數量作為考慮的屬性之一。 文中是在微博爬取過程進行圖片數量的抽取，通過Python 爬取微博圖片并計數，記為圖片信息特征F5。

（6）標簽數量提取。 標簽是微博話題是否與事件強相關的重要因素，而微博內容中含有的標簽數與是否是應急救援信息的關聯問題也是亟需探討的內容。 本文采用Python 程序對微博文本利用正則表達式提取內容中的標簽并計數，記為標簽數量特征F6。

（7）信息傳播特征提取。 由上文綜述可知，社交媒體的信息傳播特征能夠反映突發事件相關信息在公眾中的傳播認可，能夠有效地評估信息在傳播過程中公眾的認可度。 因此，本文爬取了每條微博的評論數、轉發數、點贊數。 根據其中位數以及平均數，分別賦值為0.1、0.1、0.01。 3 個維度的最大值分別為33.33，最終得到的信息傳播特征分數為0 ～100。 將加權得到的信息傳播特征得分記為信息傳播特征F7。

（8）信息主體特征提取。 由上文可知，微博發布者的主體特征是信息源可靠性的重要屬性。 因此本文進入了微博內容發布者主頁，爬取了主頁中的微博發布數、粉絲數、關注數、微博認證等級。 再根據其中位數、平均值、等級數分別賦值為0.01，0.1、0.1。這3 個維度的最大值同樣為33.33，最終得到的信息主體特征分數為0～100。 將加權得到的信息傳播特征得分記為信息主體特征F8。

3 實驗評估

為了挖掘出真正能夠幫助區分社交媒體中應急救援信息的關鍵特征項，本部分研究首先通過自行編寫的Python 程序基于研究數據集選擇最佳的分類模型，然后根據選定的分類模型對各個特征進行特征貢獻度分析，確定能夠區分社交媒體中應急救援信息產生重要影響的特征項，并對這些特征項進行討論。

3.1 社交媒體應急救援信息分類模型選擇

在閱讀參考文獻的基礎上，研究確定了樸素貝葉斯、邏輯斯蒂回歸、決策樹算法作為擬定的初步算法，為了進一步確定最合適的算法，研究擬采用十折交叉驗證法分別用樸素貝葉斯、邏輯斯蒂回歸和決策樹算法結合信息內容、主體、傳播這3 個維度中抽取的8 個特征進行分類結果比較，以確定最佳分類算法。 評估標準擬選定為F － score， 實驗結果見表2。

表2 不同分類算法性能比較Tab. 2 Performance comparison of different classification algorithms

從表2 中分析可知，3 個分類器分類的精度都在80%以上，綜合判斷選擇了精度和F值都較高的決策樹算法作為分類模型算法。

3.2 特征的統計以及貢獻度分析

為了能夠了解數據集分布情況，本文對社交媒體中應急救援信息和普通信息的8 個數值型指標以及信息傳播特征和信息主體特征這2 個綜合指標進行了描述性統計分析，統計其最小值、最大值、平均值、中位數、標準差，統計結果見表3。 由表3 中可以見得，轉發數、評論數、點贊數、發布微博、粉絲數這5 個指標標準差較大，表明這部分幫助區分社交媒體中應急救援信息的特征數據也不穩定，并且根據分類的實驗結果，選擇8 個特征進行分類實驗的結果（0.745）也優于12 個基本指標特征的實驗結果（0.726）。 因此，本文選擇信息內容語言學特征、信息內容語義特征、內容地址信息特征、內容聯系信息特征、圖片信息特征、標簽信息特征、信息傳播特征、信息主體特征這個8 個特征作為基本特征項。

表3 特征數據的統計差異分析Tab. 3 Statistical difference analysis of characteristic data

在分類模型中，2 種較為常用的分類方法是樹歸納法和線性邏輯斯蒂回歸方法，本文通過使用樹歸納法計算基尼不純度度量來計算特征貢獻度［33］，采用CART 算法進行剪枝，即采用一種二分遞歸分割技術，將分類樣本集分為2 個子樣本集，生成的決策樹的每一個非葉節點都有2 個分枝。 在CART 算法中， 使用獨立于訓練樣本集的測試樣本集對分枝樣本集的分類錯誤進行計算，找出分類錯誤最小的子樹作為最終的分類模型［33－34］。 本研究中，利用CART 算法求得的特征貢獻度如圖1 所示。 因此，可以確定對社交媒體應急救援信息分類產生重要影響的3 個特征：內容地址信息特征、內容語言學特征、信息主體特征。

圖1 特征貢獻度Fig. 1 Contribution of different characteristics

由圖1 可知，內容地址信息特征、即精確地址信息在社交媒體應急救援信息分類中的影響程度最大，本文對這一項數據進行分析。 對比應急救援信息和普通信息中是否包含精確地址信息，發現應急救援信息中的精確地址信息約為80%，而普通信息中精確地址信息只有25%。 并且，包含精確地址信息的普通社交媒體內容有50%是官方媒體機構對受影響地區和受害者的綜合報道。 因此，研究認為精確地址信息是區分應急救援信息的關鍵特征，并且在區分個人發布的社交媒體內容中的應急救援信息方面能夠提供更加優越的效果。

信息內容語言特征的文本單詞數量就是指去除停用詞之后的社交媒體內容分詞后的單詞數量（47.23）。其中，普通文本的單詞數量為34.32，遠低于應急救援文本的單詞數量為51.37。 為了避免由于單詞數量極值影響實驗判斷的科學性，進一步分析了文本單詞數量的中位數，分別為32，44。 這也表明在一定程度上，社交媒體內容中文本單詞數量越多，關于應急事件描述越詳細，更有可能是應急救援信息。 為了進一步評估關鍵特征在區分社交媒體中應急救援信息方面的表現，本文對信息語言學特征（word＿num）和信息主體特征（user＿score）進行偏相關關系以進一步闡釋其表現， 結果如圖2 所示。由圖2 可知，微博內容中單詞數量與社交媒體內容是否是應急救援信息有著明顯的遞增關系，說明微博內容單詞數量越多、描述越詳細，社交媒體內容就越有可能是應急救援信息。

圖2 關鍵特征與應急救援信息分類偏相關關系Fig. 2 Partial correlation between key features and emergency rescue information classification

信息主體特征包含微博發布者的微博數、粉絲數、關注數，是社交媒體信息來源可信度的重要特征。 分析信息主體得分的平均數，應急救援信息（34.74）明顯高于普通信息（16.73），且應急救援信息的信息主體得分中位數（9）也遠高于普通信息得分（4）。 這就清楚地表明，高質量用戶在突發事件中能夠提供信息的質量也更高。 但是在偏相關關系分析中，微博發布者的用戶主體特征并沒有與應急救援信息分類表現出明顯關系，可得信息主體特征與其他特征共同影響著應急救援信息的分類。

研究中還發現，原以為聯系方式信息和圖片信息在應急救援信息分類中能夠起到關鍵性作用，然而，在本次實驗中卻顯示出聯系信息和是否存在圖片沒有對區分應急救援信息起到理想的作用。 根據初步觀察和以往的研究可知，圖片信息盡管能夠更加直觀地展示突發事件的發展狀況以及受害者現狀，但是在社交媒體中很大一部分圖片與社交媒體文本內容呈現為非強相關，這類普通信息對于圖片使用的不嚴謹使得分類器難以依靠圖片科學地區分出應急救援信息。 與此同時，還進一步發現被歸類為應急救援信息的部分內容創作者可能不喜歡、甚至不適應使用圖片表達信息，還有部分內容創作者為旁觀者，不能夠提供高相關性的圖片，這也在一定程度上降低了圖片的區分應急救援信息的貢獻度。另外，對于社交媒體信息中聯系信息的使用，根據本次研究與發布者的溝通以及綜合分析，有著相當一部分應急救援信息發布者沒有意識到除微博本身外聯系信息發布的關鍵性。 還有一部分應急救援信息是旁觀者的收集，其聯系信息的缺失是由于自身能力和獲得信息手段的限制。

4 結束語

針對社交媒體內容質量層次不齊、難以有效區分其中應急救援信息的現實問題，本文研究主要基于對“微博”上應急救援信息的分析與相關文獻研究，從信息內容、傳播、用戶三個維度提取了12 個指標、8 類特征，選擇CART 算法進一步分析這些特征對于區分應急救援信息關鍵性。 研究結果顯示內容地址信息特征、信息內容語言特征、信息主體特征對社交媒體中的應急救援信息分類有重要作用。 上述探討發現是對社交媒體中應急救援信息研究的進一步補充。

接下來，將探索如何更高效地在“微博”平臺上識別應急救援信息。 如何引導用戶上傳更高質量的應急救援信息，從而幫助應急救援行動快速實施，也是后期需著重探討與研究的方向。 例如，給用戶提供更為專業的應急救援信息模板，在社交媒體發布端自動識別與突發事件低相關性的質量信息，給用戶提供信息類別的選擇上傳選項等。