基于大數(shù)據(jù)的重大突發(fā)公共衛(wèi)生事件網(wǎng)絡(luò)輿情預(yù)測(cè)

輿情應(yīng)對(duì)是重大突發(fā)公共衛(wèi)生應(yīng)急管理中的重要問題。自2019年底新型冠狀病毒肺炎爆發(fā)以來，互聯(lián)網(wǎng)成為這次疫情最大的信息源，網(wǎng)上關(guān)于疫情的各種信息真?zhèn)位祀s、謠言和未經(jīng)證實(shí)的信息的產(chǎn)生與傳播引發(fā)一波又一波輿情，嚴(yán)重?cái)_亂疫情防控，網(wǎng)絡(luò)由此被稱為此次戰(zhàn)“疫”的“第二戰(zhàn)場(chǎng)”。因此，亟待對(duì)網(wǎng)絡(luò)輿情進(jìn)行有效預(yù)測(cè)，從源頭上預(yù)防和降低輿情風(fēng)險(xiǎn)、有效防范輿情事件發(fā)生及蔓延，為疫情防控營造有利的輿論場(chǎng)。

　　大數(shù)據(jù)作為國家基礎(chǔ)性戰(zhàn)略資源，與人工智能、云計(jì)算等數(shù)字技術(shù)的綜合運(yùn)用，能夠精準(zhǔn)地助力網(wǎng)絡(luò)輿情的預(yù)測(cè)、引導(dǎo)和智能管控，推動(dòng)決策的科學(xué)化，提升重大突發(fā)公共衛(wèi)生事件應(yīng)急管理能力。充分發(fā)揮大數(shù)據(jù)在重大突發(fā)公共衛(wèi)生事件網(wǎng)絡(luò)輿情應(yīng)對(duì)中的重要作用，需要做好以下三個(gè)方面的工作。

　　一、輿情數(shù)據(jù)的采集

　　首先，需要確定數(shù)據(jù)的來源渠道。最簡單易行的方法是借助于新浪輿情通、眾云大數(shù)據(jù)平臺(tái)等輿情監(jiān)測(cè)平臺(tái)，但這些平臺(tái)數(shù)據(jù)的實(shí)時(shí)性取決于其爬取網(wǎng)頁的速度。為獲取覆蓋面更廣、更新更為及時(shí)的數(shù)據(jù)，則需要考慮多個(gè)媒體平臺(tái)。中國互聯(lián)網(wǎng)絡(luò)信息中心的調(diào)查表明，個(gè)人即時(shí)通信工具中，微信和QQ的用戶占比分別高達(dá)92.6%和87%，是中國網(wǎng)民使用最多的社交工具，但其中聊天等數(shù)據(jù)的爬取涉及公民隱私權(quán)保護(hù)等問題。新浪微博是我國具有代表性的自媒體平臺(tái)，其使用率達(dá)37.1%，被視為輿情監(jiān)測(cè)首選的數(shù)據(jù)來源。此外，百度貼吧、豆瓣、知乎、天涯社區(qū)等社交應(yīng)用分別占有34.4%、8.1%、7.6%、7.0%的市場(chǎng)份額，為使數(shù)據(jù)采集更加全面，可以同時(shí)從上述更多元化的平臺(tái)獲取數(shù)據(jù)。另據(jù)艾瑞數(shù)據(jù)研究報(bào)告，以抖音和快手等為代表的短視頻行業(yè)市場(chǎng)規(guī)模將進(jìn)一步擴(kuò)大，預(yù)計(jì)2020年短視頻市場(chǎng)的同比增長率將達(dá)70.9%；視頻類媒體的數(shù)據(jù)采集在視頻的解析方面有更高的技術(shù)要求，其版權(quán)侵權(quán)的風(fēng)險(xiǎn)也更大，不同形式的輿情數(shù)據(jù)采集都可能涉及版權(quán)問題，視頻成為作品的可能性更大，故侵犯著作權(quán)的風(fēng)險(xiǎn)也更大。

　　其次，選擇數(shù)據(jù)采集的方式。在法律允許的范圍內(nèi)，可以選擇目前廣泛使用的八爪魚等爬蟲軟件；也可以編寫網(wǎng)絡(luò)爬蟲、爬取網(wǎng)頁資源；或者通過網(wǎng)站提供的數(shù)據(jù)API接口獲得有價(jià)值的數(shù)據(jù)。

　　最后，清洗數(shù)據(jù)。為確保數(shù)據(jù)質(zhì)量，對(duì)于從上述不同渠道采集而來的數(shù)據(jù)，需要通過觀察數(shù)據(jù)的規(guī)律，設(shè)定清洗規(guī)則、進(jìn)行數(shù)據(jù)清洗。

　　二、輿情數(shù)據(jù)的提取與結(jié)構(gòu)化處理

　　為了自動(dòng)化處理和分析輿情大數(shù)據(jù)，實(shí)時(shí)地對(duì)輿情進(jìn)行研判和預(yù)測(cè)，需要對(duì)輿情數(shù)據(jù)進(jìn)行提取和結(jié)構(gòu)化處理。

　�。ㄒ唬┒嗑S揭示數(shù)據(jù)

　　在數(shù)據(jù)特征的提取中，主要考慮的維度有：用戶特征、時(shí)間特征、空間特征和內(nèi)容特征。不同人群對(duì)同一事件的看法和反應(yīng)，及其參與討論所造成的后果呈現(xiàn)出不同特征，有必要提取其性別、年齡、受教育水平、職業(yè)、行業(yè)等用戶特征數(shù)據(jù)。在時(shí)間特征方面，輿情事件生命周期一般分為潛伏期、形成期、波動(dòng)期、消退期等必經(jīng)階段，提取事件生命周期有利于精準(zhǔn)地預(yù)測(cè)輿情所處的發(fā)展階段。某一主題在一天中不同時(shí)間段內(nèi)所受的關(guān)注程度也是網(wǎng)絡(luò)輿情分析的常見要素。關(guān)于疫情的輿情和地理空間緊密相關(guān)，可以通過輿情的地理分布規(guī)律，預(yù)測(cè)輿情在不同地理區(qū)域的分布和某一地理空間的歷時(shí)變化。內(nèi)容特征的揭示在這個(gè)環(huán)節(jié)占據(jù)重要比重，包括文本主題、文本結(jié)構(gòu)、事件關(guān)鍵字等內(nèi)容，也包括文本的情感傾向因素。

　�。ǘ�）采用多種相關(guān)技術(shù)

　　由于輿情數(shù)據(jù)的多元化與海量化，傳統(tǒng)的對(duì)網(wǎng)頁信息的人工提取、標(biāo)引、分類耗費(fèi)的時(shí)間成本高、速度慢、且不可避免地帶有主觀傾向，不能有效滿足快速預(yù)測(cè)輿情的需要，有必要借助于自動(dòng)化的分類標(biāo)引方法、潛在語義標(biāo)引技術(shù)、開放關(guān)聯(lián)數(shù)據(jù)等技術(shù)，如利用自然語言處理與信息檢索共享平臺(tái)（NLPIR）和語言技術(shù)平臺(tái)（LTP）等具備高效和高精度的詞法、句法和語義分析與標(biāo)引功能的開放中文自然語言處理系統(tǒng)，甚至進(jìn)一步運(yùn)用詞頻、逆文檔指數(shù)（TF-IDF）和隱狄利克雷分配模型（LDA）算法對(duì)熱點(diǎn)主題進(jìn)行統(tǒng)計(jì)和甄別。

　�。ㄈ�）遵循相關(guān)的標(biāo)準(zhǔn)

　　輿情數(shù)據(jù)的分類、標(biāo)引質(zhì)量直接影響到后續(xù)的輿情數(shù)據(jù)分析工作，建議在數(shù)據(jù)處理工作中遵循一定的質(zhì)量標(biāo)準(zhǔn)與活動(dòng)原則。信息資源的分類與標(biāo)引是圖書情報(bào)學(xué)的核心研究領(lǐng)域，其理論與方法值得借鑒于輿情數(shù)據(jù)處理中，如分類學(xué)要求對(duì)信息資源的分類標(biāo)引工作遵循“準(zhǔn)確、一致、適度、實(shí)用”的質(zhì)量標(biāo)準(zhǔn)，即主題分析準(zhǔn)確、歸類一致、標(biāo)引深度適中、有針對(duì)性。對(duì)輿情數(shù)據(jù)文本主題和事件關(guān)鍵字的內(nèi)容揭示，可以使用《漢語主題詞表》或者《醫(yī)學(xué)主題詞表》（MeSH）對(duì)輿情主題、關(guān)鍵詞進(jìn)行標(biāo)引以提高標(biāo)引的準(zhǔn)確度；用資源描述框架（RDF）、網(wǎng)絡(luò)本體語言（OWL）、統(tǒng)一資源定位符（URL）等關(guān)聯(lián)數(shù)據(jù)技術(shù)存儲(chǔ)、發(fā)布輿情數(shù)據(jù)，為其賦予語義以建立與其他數(shù)據(jù)開放平臺(tái)的互聯(lián)互通。對(duì)輿情數(shù)據(jù)的時(shí)間特征描述可以采用國際化標(biāo)準(zhǔn)組織（ISO）用于表示日期和時(shí)間的國際標(biāo)準(zhǔn)（ISO 8601）或萬維網(wǎng)聯(lián)盟制定的《時(shí)間和日期編碼規(guī)則》（W3CDTF）。對(duì)輿情數(shù)據(jù)空間特征的名稱描述可用《Getty地理名稱敘詞表》、代碼可用國際標(biāo)準(zhǔn)組織（ISO）的國家和地區(qū)代碼國際標(biāo)準(zhǔn)（ISO 3166）。這些標(biāo)準(zhǔn)的應(yīng)用有助于提升輿情數(shù)據(jù)分析的效率，增強(qiáng)大規(guī)模輿情知識(shí)庫和輿情查詢分析系統(tǒng)的互操作性。

　　三、輿情數(shù)據(jù)的分析

　　輿情數(shù)據(jù)的分析旨在從海量多源數(shù)據(jù)中迅速地識(shí)別關(guān)鍵信息，厘清民眾的主要觀點(diǎn)和情緒、揭示輿情事件的事實(shí)和趨勢(shì)，幫助相關(guān)部門做出正確的研判和及時(shí)應(yīng)對(duì)。

　　輿情數(shù)據(jù)分析可從輿情的參與人群、傳播路徑、情感傾向，以及影響力等角度出發(fā)。參與輿情討論人群的社會(huì)角色、利益訴求、認(rèn)知水平等方面的差異將引導(dǎo)輿情向不同的方向發(fā)展，需要利用用戶特征數(shù)據(jù)，通過標(biāo)簽提取和聚合分析等方法構(gòu)建語義化、標(biāo)準(zhǔn)化的用戶畫像模型，并進(jìn)一步分析輿情參與者的群體特征。傳播路徑分析通過挖掘不同主題輿情的傳播路徑與輿情平臺(tái)的關(guān)聯(lián)規(guī)則，揭示主題與輿情平臺(tái)的關(guān)聯(lián)模式，進(jìn)而發(fā)現(xiàn)不同輿情平臺(tái)的主題傾向性。輿論情感分析則暗示著輿論文本中攜帶的情感傾向，如在新型冠狀病毒肺炎疫情防控中，面對(duì)疫情爆發(fā)、救援物資緊缺，輿論普遍帶有焦慮、不安、恐懼、懷疑等負(fù)面情緒；在抗“疫”工作取得進(jìn)展時(shí)，輿論情感傾向則明顯轉(zhuǎn)向積極、樂觀。

　　輿情影響力分析是輿情數(shù)據(jù)分析的重點(diǎn)。有助于識(shí)別近期受關(guān)注的熱點(diǎn)話題、地區(qū)和人群關(guān)注度，研判與疫情消息、救援進(jìn)展、政府應(yīng)對(duì)等方面的輿情事件的熱點(diǎn)。從空間上來看，輿情影響力可以是單平臺(tái)的、局限于部分群體的；而在重大突發(fā)公共衛(wèi)生事件中，更有可能具有跨平臺(tái)、波及全民的特性；從時(shí)間上看，在輿情生命周期的不同階段，輿論影響力程度也存在差別；應(yīng)從輿情影響力入手，借助圖悅等詞頻分析工具精準(zhǔn)定位輿論熱點(diǎn)事件、熱點(diǎn)區(qū)域，展示輿情詞云。為了更好地展示數(shù)據(jù)分析結(jié)果，不妨借助百度ECharts、數(shù)據(jù)觀、微博足跡可視化等數(shù)據(jù)可視化工具，以便直觀地觀察輿情演化與發(fā)展態(tài)勢(shì)；通過回溯輿情傳播的信息鏈、時(shí)間鏈和發(fā)展鏈、確定關(guān)鍵節(jié)點(diǎn)，最終鎖定輿情生成源頭，進(jìn)一步利用清博輿情系統(tǒng)等輿情分析工具，能夠更加全面、多維地挖掘輿情數(shù)據(jù)，進(jìn)行科學(xué)評(píng)估、判斷和重大預(yù)警。

　　人工智能相關(guān)技術(shù)的發(fā)展為智能分析輿情數(shù)據(jù)帶來了可能。首先，對(duì)結(jié)構(gòu)化的輿情數(shù)據(jù)進(jìn)一步語義化，建立用戶畫像、輿情主題、輿情事件等要素之間的知識(shí)關(guān)聯(lián)；然后，經(jīng)過知識(shí)融合、知識(shí)加工和質(zhì)量評(píng)估，自動(dòng)化地構(gòu)建大規(guī)模輿情知識(shí)庫，使用gStore等圖數(shù)據(jù)庫管理系統(tǒng)對(duì)知識(shí)圖譜進(jìn)行存儲(chǔ)和管理，并在此基礎(chǔ)上建立基于大規(guī)模知識(shí)庫的輿情查詢分析系統(tǒng)，具備語義檢索、智能問答、交互分析、知識(shí)推理等功能；利用特征抽取技術(shù)發(fā)現(xiàn)影響輿情事件的重要因素，如主題關(guān)注度、情感傾向等，建立輿情預(yù)警模型；最后，基于輿情查詢分析系統(tǒng)實(shí)現(xiàn)輿情事件的智能分析和預(yù)警，當(dāng)模型綜合各個(gè)特征的計(jì)算結(jié)果超出閾值，則觸發(fā)預(yù)警，從而支持重大突發(fā)公共衛(wèi)生事件的應(yīng)急管理和決策。（作者：黃如花為武漢大學(xué)信息管理學(xué)院副院長、教授；洪亮，武漢大學(xué)信息管理學(xué)院副教授；黃雨婷，武漢大學(xué)信息管理學(xué)院研究生）

責(zé)任編輯：admin