基于关键信息的非常规突发事件预警模型研究

本文以"基于关键信息的非常规突发事件预警模型研究"为题,以关键信息为出发点,考虑到非常规突发事件发展演化路径的非线性、信息的不完整性、无规律性以及指标设计难以量化等特点,通过文献的梳理与实际调研,设计出科学的预警指标体系,并综合运用基于DEMATEL的多层次模糊综合评价法与态势分析法,提出针对突发事件的定性定量的综合型预警模型,对非常规突发事件进行预警具有一定的指导意义。     

基于SOAR模型的网民群体负面情感建模研究

面向网络舆情演变过程中政府应急响应需求,本文基于SOAR （State,Operator and Result）模型,将网民作为智能体Agent,将网络舆情中网民群体行为转变过程看作相应舆情问题空间中状态随时间的连续转换过程,设计突发事件中网民群体负面情感SOAR Agent模型,包括网民Agent的工作记忆、长期记忆、决策过程、学习机制,构建网民群体行为转换规则库和相应算法。在此基础上,设计仿真实验,结合典型网络舆情事件案例,对政府不同应急措施下微博用户群体行为演变过程进行建模。实证结果表明,基于网民群体负面情感的建模,可以分析和预测在不同网络舆情阶段、不同政府应急响应措施下网民群体的行为决策规律。     

基于SNA的突发事件微博舆情传播网络结构分析——以“4.20四川雅安地震”为例

运用社会网络分析(SNA)研究突发事件微博舆情传播的网络结构特征,探究微博舆情传播的网络结构对微博信息传播的影响。以2013年重大突发事件"4.20四川雅安地震"为例,运用ucinet软件生成微博舆情传播网络拓扑图,基于统计得到的微博节点关系矩阵进行微博舆情传播网络整体结构、角色与位置结构等测量。测量结果表明,媒体用户、政府用户、地震经历者以及积极参与救援者在舆情传播网络中具有较高的传播能力,因此可以通过影响这些关键节点有效控制舆情的传播速度。本文采用实证方式对突发事件微博舆情传播网络结构进行了分析与测量,拓展了SNA在突发事件应急管理中的应用。     

关键链项目实时滚动监控方法研究

为提高项目的按时完工率，研究了一种实时滚动的动态缓冲监控方法。新方法充分考虑了项目不确定性的变化以及各活动之间的联系，基于活动的风险暴露度对缓冲总量进行分配，并根据缓冲量的实际消耗情况，将各监控点的缓冲监控剩余量按照活动风险权重因子进行实时滚动和再分配，对用于监控的缓冲量和监控基准点进行实时动态调整。仿真实验表明，该方法可以减少错误预警的产生和因此耗费的额外成本和时间，极大地提高项目的完工概率。     

基于ANP和随机Petri网的突发事件网络舆情危机预警机制研究

突发事件网络舆情危机一旦爆发，会引发民众心理不安，影响社会安定。为及时有效预报危机触点、预防舆论爆发和预控事态升级，研究危机预警已刻不容缓。本文首先依据突发事件网络舆情的信息属性建立预警条块指标，并采用ANP对条指标进行定权-分类-评级，得到风险度由高到低的三级风险指标（Ⅰ级、Ⅱ级和Ⅲ级）；再结合预警体系框架构建了“阶梯并联式”预警机制；最后以“北京新发地疫情”为例，利用随机Petri网与马尔科夫链的同构性对预警机制进行仿真分析。结果表明，Ⅰ级和Ⅱ级风险指标实时值和增长率均与舆情危机爆发概率之间存在非线性关系，Ⅰ级、Ⅱ级和Ⅲ级风险指标增长率之间的交互关系产生了预警临界面，据此制定了预警启动规则，为有关部门提前采取针对性的防范措施提供决策参考。     

图书馆利用微博开展人性化服务的探讨

微博是一个基于用户关系的信息分享、传播以及获取平台,是一种可以分享简短实时信息的广播式社交网络平台。国内图书馆微博应用尚处于起步阶段,本文探讨了如何利用微博这个新生事物对读者进行人性化服务,使公共图书馆的读者服务更上一层楼。     

我国政府重大突发事件预警管理的现状和完善研究

重大突发事件的频频发生,已经引起我国政府的高度重视,对重大突发事件的有效预警管理成为政府当前需要解决的重要课题。本文对我国重大突发事件的不良影响和扩散以及我国政府目前重大突发事件预警管理的现状进行了问卷调查与实地访谈,并提出了改进我国政府重大突发事件预警管理的相关建议。     

突发公共卫生事件下的在线社交媒体公众情绪挖掘

在线社交媒体是突发公共卫生事件中传播信息和表达情感的重要渠道,洞察公众对新闻的情绪反应可以帮助公共卫生部门制定有效的风险沟通策略。本研究应用自然语言处理方法,对在线社交媒体新闻进行内容分类,并识别公众评论所表达的情绪,提出了适用于突发公共卫生事件的在线社交媒体公众情绪挖掘方法。具体而言,本文以新冠疫情为案例,以微博平台为数据载体,分析三个具有代表性的官方媒体微博账号中有关疫情的新闻,识别出了8类内容,包括官方新闻发布、国内疫情进展、情感支持、新冠肺炎诊疗信息等。本文基于普拉切克(Plutchik)情绪框架,通过众包问卷和情绪词典构建了用户评论情绪的判别模型,进一步分析了不同新闻内容在疫情生命周期各阶段(发作期、遏制期、恢复期)对公众情绪的影响。研究发现,通过强调特定类型的风险信息可以调节公众情绪、提高公众风险意识,为风险沟通策略分析提供了实证基础。     

基于中心化的微博热点发现方法

以解决微博平台海量信息碎片为切入点,结合微博信息文本短小、来源广泛、传播方式多样等特点,设计基于中心化的微博热点的发现机制。通过微博平台开放API记录的结构化元数据信息,设计微博的元数据模型,将微博热点发现看作是原始语料到热点语料簇的生产加工增值过程,设计以数据预处理技术为核心的语料初加工方法,以及基于短文本聚类、基于传播路径与用户行为的中心化深加工方法,构建完整的生产加工过程模型,并通过实例验证理论研究成果。     

企业社会责任负面事件网络舆情演化阶段式建模分析

在信息化时代，网络舆情的广泛性和即时性等特征加剧了企业社会责任负面事件的“传染效应”,快速改变公众的观点与认知，影响资本市场资源配置。为研究有企业参与的多主体网络舆情演化规律，本文基于“内外结合”视角，将网络舆情参与主体划分为内外影响因素，并将网络舆情蔓延过程分为两个阶段，分别采用不同的仿真模型进行深入分析。第一个阶段是网络舆情蔓延扩散阶段，以经典传染病模型为基础，构建包含有内外驱动因素影响的S-ED/ID-R模型，再以S-ED/ID-R模型为基础构建网络舆情蔓延扩散模型，分析内外影响因子之间的关联关系，并为S-ED/ID-R模型的仿真提供参数。第二个阶段是政府调控网络舆情阶段，以Lotka-Volterra竞争关系模型为基础，分别研究提前政府介入时间、增加官方微博的数量和增加官方微博发博频率三种策略的效果。最后，结合具体舆情实例对阶段式建模进行验证分析，为政府管理企业社会责任负面事件提供建议。