融合关联事件溯源的多层级网络舆情风险识别模型构建

doi:10.3772/j.issn.1000-0135.2025.11.009

情报学报

2025, Vol. 44

Issue (11): 1470-1482 DOI: 10.3772/j.issn.1000-0135.2025.11.009

情报理论与方法

本期目录 | 过刊浏览 | 高级检索

融合关联事件溯源的多层级网络舆情风险识别模型构建

刘毅洲, 黄微

吉林大学商学与管理学院，长春 130012

Construction of a Multilevel Public Opinion Risk Identification Network Model Integrating Related Event Traceability

Liu Yizhou, Huang Wei

School of Business and Management, Jilin University, Changchun 130012

摘要
图/表
参考文献
相关文章 (14)

全文: PDF (2744 KB) HTML (1 KB)
输出: BibTeX | EndNote (RIS)

摘要网络舆情风险识别是舆论靶向导控的前提，对于网络舆情风险评估与精准引导具有重要意义。本文从事件关系层、数据内容层、用户行为层3个层级构建融合关联事件溯源的多层级网络舆情风险识别模型（multilevel risk identification model integrating related event tracing，ML-RIM-RET）。一方面，模型在事件关系层嵌入了知识增强模块，通过搭建事件图谱实现原生性风险来源的先导性剥离；另一方面，模型在数据内容层与用户行为层结合情感计算、主题风险分析、吉布斯采样分布计算，实现不同关联事件溯源链路下的舆情风险甄别。实证结果表明，风险关联事件群与因果涌现密度存在长尾效应，即少数风险源具有较高的因果关系涌现密度。根据对照实验结果，ML-RIM-RET模型在事理知识增强环境下的网络舆情风险识别结果最优。本文提出的模型可迅速锁定不同层级下的风险来源，有助于拓宽网络舆情风险治理与空间修复的新视野。

	服务

	把本文推荐给朋友
	加入我的书架
	加入引用管理器
	E-mail Alert
	RSS
	作者相关文章
	刘毅洲
	黄微

关键词 ：网络舆情, 风险识别, 事件图谱, 事理知识增强, 关联事件溯源

收稿日期: 2025-02-17

基金资助:国家自然科学基金面上项目“重大突发事件网络舆情受众的参与行为标定、轨迹拟合与靶向导控研究”（72174072）。

作者简介: 刘毅洲，1999年生，博士研究生，主要研究方向为网络舆情、危机信息管理；黄微，通信作者，1967年生，博士，教授，博士生导师，主要研究方向为网络舆情，E-mail：hw9009@sohu.com；

引用本文:

刘毅洲, 黄微. 融合关联事件溯源的多层级网络舆情风险识别模型构建[J]. 情报学报, 2025, 44(11): 1470-1482.
Liu Yizhou, Huang Wei. Construction of a Multilevel Public Opinion Risk Identification Network Model Integrating Related Event Traceability. 情报学报, 2025, 44(11): 1470-1482.

链接本文:

https://qbxb.istic.ac.cn/CN/10.3772/j.issn.1000-0135.2025.11.009 或 https://qbxb.istic.ac.cn/CN/Y2025/V44/I11/1470

1 黄微, 赵旭, 张晓君. 移动环境下网络舆情受众B-S画像模型构建研究[J]. 图书情报工作, 2024, 68(16): 104-116.
2 Yang A M, Choi I M, Abeliuk A, et al. The influence of interdependence in networked publics spheres: how community-level interactions affect the evolution of topics in online discourse[J]. Journal of Computer-Mediated Communication, 2021, 26(3): 148-166.
3 李吉, 黄微, 郭苏琳, 等. 网络口碑舆情情感强度测度模型研究——基于PAD三维情感模型[J]. 情报学报, 2019, 38(3): 277-285.
4 Li C, Yang Y J, Liu S F. Micro-macro dynamics of the online opinion evolution: an asynchronous network model approach[J]. Concurrency and Computation: Practice and Experience, 2021, 33(5): e5981.
5 王健, 杨柳, 李雪松, 等. ChatGPT网络舆情特征多维度演化分析[J]. 情报杂志, 2024, 43(7): 138-145.
6 张爱军, 贾璐. 类ChatGPT人工智能语境下网络舆情安全的风险样态及其规制[J]. 情报杂志, 2023, 42(12): 180-187.
7 苏妍嫄, 张亚明, 刘海鸥. 非传统安全威胁下网络群体集聚舆情传播治理研究[J]. 情报理论与实践, 2021, 44(6): 138-145.
8 魏静, 黄阳江豪, 朱恒民. 基于耦合网络的社交网络舆情传播模型研究[J]. 现代情报, 2019, 39(10): 110-118.
9 于凯, 白西柯, 郭煜婕. 基于多中心性分析的网络舆情信息源点追溯研究[J]. 情报杂志, 2022, 41(3): 166-172.
10 Bodrunova S S. The concept of cumulative deliberation: linking systemic approaches to healthier normativity in assessing opinion formation in online discussions[J]. Journal of the Association for Information Science and Technology, 2024, 75(10): 1202-1215.
11 黄微, 刘熠, 孙悦. 多媒体网络舆情语义识别的关键技术分析[J]. 情报理论与实践, 2019, 42(1): 134-140.
12 Chen L, Chen J G, Xia C H. Social network behavior and public opinion manipulation[J]. Journal of Information Security and Applications, 2022, 64: 103060.
13 牟冬梅, 靳春妍, 邵琦. 基于情感分析的突发公共卫生事件网络舆情热度预测模型仿真[J]. 现代情报, 2021, 41(10): 59-66.
14 李霞, 蒋盛益, 张倩生, 等. 适用于大规模文本处理的动态密度聚类算法[J]. 北京大学学报(自然科学版), 2013, 49(1): 133-139.
15 郭铃霓, 黄舰, 吴兴财, 等. 基于双分支网络联合训练的虚假新闻检测[J]. 计算机工程与应用, 2022, 58(15): 153-161.
16 唐建荣, 鲍佳彤. 基于改进SIR模型的反转事件舆情传播控制研究[J]. 系统仿真学报, 2022, 34(11): 2406-2415.
17 Baumann A, Fabian B. Vulnerability against Internet disruptions—a graph-based perspective[C]// Proceedings of the 10th International Conference on Critical Information Infrastructures Security. Cham: Springer, 2016: 120-131.
18 Kuramoto Y. Chemical oscillations, waves, and turbulence[M]. Heidelberg: Springer, 1984.
19 李龚林, 范一晨, 米宇舰, 等. 动态微调的模型集成算法Bagging-DyFAS[J]. 计算机应用, 2023, 43(S2): 28-33.
20 Wang J R, Hong Y T, Wang J L, et al. Cooperative and competitive multi-agent systems: from optimization to games[J]. IEEE/CAA Journal of Automatica Sinica, 2022, 9(5): 763-783.
21 刘毅洲, 黄微. 三元空间视角下应急情报支持的风险溯源模型构建[J]. 科技情报研究, 2025, 7(2): 122-132.
22 Brambilla M, Javadian Sabet A, Kharmale K, et al. Graph-based conversation analysis in social media[J]. Big Data and Cognitive Computing, 2022, 6(4): 113.
23 李纲, 王施运, 毛进, 等. 面向态势感知的国家安全事件图谱构建研究[J]. 情报学报, 2021, 40(11): 1164-1175.
24 Li Z Y, Ding X, Liu T. Constructing narrative event evolutionary graph for script event prediction[C]// Proceedings of the 27th International Joint Conference on Artificial Intelligence. San Francisco: Morgan Kaufmann, 2018: 4201-4207.
25 于强, 徐志栋, 时斌, 等. 基于事理知识图谱的舆情推演方法[J]. 计算机系统应用, 2021, 30(4): 25-31.
26 王君泽, 宋小炯, 杜洪涛. 面向共指事件识别的同义表述模式抽取研究[J]. 情报学报, 2020, 39(3): 297-307.
27 Dunietz J, Levin L, Carbonell J. The BECauSE corpus 2.0: annotating causality and overlapping relations[C]// Proceedings of the 11th Linguistic Annotation Workshop. Stroudsburg: Association for Computational Linguistics, 2017: 95-104.
28 曾金, 江长江, 李新来, 等. 突发事件抽取与演化关系研究——以“应急服务网”为例[J]. 情报学报, 2024, 43(11): 1334-1348.
29 王炳乾, 宿绍勋, 梁天新. 基于BERT的多层标签指针网络事件抽取模型——2020语言与智能技术竞赛事件抽取任务系统报告[J]. 中文信息学报, 2021, 35(7): 81-88.
30 沈丽宁, 杨佳艺, 裴家旋, 等. 基于OCC模型和情绪诱因事件抽取的细颗粒度情绪识别方法研究[J]. 数据分析与知识发现, 2023, 7(2): 72-85.
31 Miller G A. WordNet: a lexical database for English[J]. Communications of the ACM, 1995, 38(11): 39-41.
32 曹高辉, 任卫强, 丁恒. 面向限定域的深度语义事件泛化研究[J]. 情报学报, 2020, 39(8): 863-871.
33 相雅凡, 刘东苏, 马续补, 等. 面向信息公开的突发公共卫生事件知识表示模型构建[J]. 情报学报, 2024, 43(5): 538-552.
34 张诗莹, 李阳. 融合事理知识图谱与网络舆情分析的突发事件情报支持路径及实证研究——以危化品事故为例[J]. 信息资源管理学报, 2023, 13(4): 60-71.
35 Zhang G L, Ding Z Q, Xu J B, et al. Reasoning and tracing of information security events in the expressway networking system based on deep learning[J]. International Journal of Intelligent Systems, 2022, 37(11): 8988-9012.
36 Nhlabatsi A, Thun T, Khan N, et al. Traceability for adaptive information security in the cloud[C]// Proceedings of the 7th IEEE International Conference on Cloud Computing. Piscataway: IEEE, 2014: 958-959.
37 Zamora J P, Adarme W, Palacios L. Risk monitoring through traceability information model[J]. International Journal of Economics and Management Engineering, 2012, 6(11): 2971-2975.
38 Pinto P C, Thiran P, Vetterli M. Locating the source of diffusion in large-scale networks[J]. Physical Review Letters, 2012, 109(6): 068702.
39 Zhu K, Ying L. Information source detection in the SIR model: a sample-path-based approach[J]. IEEE/ACM Transactions on Networking, 2016, 24(1): 408-421.
40 Brockmann D, Helbing D. The hidden geometry of complex, network-driven contagion phenomena[J]. Science, 2013, 342(6164): 1337-1342.
41 Kesavareddigari H, Spencer S, Eryilmaz A, et al. Identification and asymptotic localization of rumor sources using the method of types[J]. IEEE Transactions on Network Science and Engineering, 2020, 7(3): 1145-1157.
42 洪小娟, 宗江燕, 黄卫东, 等. 基于情感语义空间的食品安全舆情情感分析[J]. 现代情报, 2020, 40(10): 132-143.
43 张晓君, 黄微, 赵旭. 网络舆情用户传播行为的心理距离感知强度测度及实证研究[J]. 情报理论与实践, 2024, 47(7): 135-144.
44 陈思菁, 李纲, 毛进, 等. 突发事件信息传播网络中的关键节点动态识别研究[J]. 情报学报, 2019, 38(2): 178-190.
45 周炜, 安璐, 韩瑞莲, 等. 突发事件网络舆情主题转变路径及其风险评估[J]. 情报学报, 2024, 43(10): 1227-1241.
46 许烨婧, 黄微, 郭苏琳, 等. 多媒体网络舆情话题衍进追踪态势及机理解析[J]. 情报理论与实践, 2020, 43(12): 156-162.
47 曾子明, 孙守强, 李青青. 基于融合策略的突发公共卫生事件网络舆情多模态负面情感识别[J]. 情报学报, 2023, 42(5): 611-622.
48 谢雨杉, 柯青, 秦琴, 等. 现象图析学视角下情绪与信息行为的交互机理探析: 以疫情场景为例[J]. 图书情报工作, 2023, 67(13): 99-110.
49 彭程, 祁凯, 黎冰雪. 基于SIR-EGM模型的复杂网络舆情传播与预警机制研究[J]. 情报科学, 2020, 38(3): 145-153.
50 卢国强, 黄微, 杨佩霖. 基于风险耦合的突发事件网络舆情群体极化演化分析[J]. 现代情报, 2023, 43(3): 96-109.
51 王家坤, 王新华. 双层社交网络上的企业舆情传播模型及控制策略研究[J]. 管理科学, 2019, 32(1): 28-41.
52 李玥琪, 王晰巍, 王楠阿雪, 等. 突发事件下社交媒体网络舆情风险识别及预警模型研究[J]. 情报学报, 2022, 41(10): 1085-1099.
53 周昕, 邱长波, 李瑞. 基于贝叶斯网络的网络舆情危机节点诊断研究[J]. 现代情报, 2018, 38(11): 59-65.
54 刘毅洲, 黄微. 非理性视角下网络舆情主体的风险行为轨迹拟合研究[J]. 情报理论与实践, 2025, 48(5): 158-167.
55 黄微, 徐烨, 朱镇远. 多媒体网络舆情信息传播要素细分及属性分析[J]. 图书情报工作, 2019, 63(20): 34-42.
56 Renn O, Burns W J, Kasperson J X, et al. The social amplification of risk: theoretical foundations and empirical applications[J]. Journal of Social Issues, 1992, 48(4): 137-160.
57 Fourie P J. Normative media theory in the digital media landscape: from media ethics to ethical communication[J]. Communicatio, 2017, 43(2): 109-127.
58 周昕, 高俊峰, 黄微. 网络舆情信息受众的观点阐述风格描述方法研究[J]. 情报理论与实践, 2019, 42(6): 77-82.
59 毕达天, 张雪, 孔婧媛, 等. 基于异质图注意力网络与多特征融合的跨社交媒体用户识别研究[J]. 情报学报, 2024, 43(10): 1213-1226.
60 Ghorbani Z, Ghafouri S, Khasteh S H. Opinion leader detection in online social networks based on output and input links[J]. Wireless Personal Communications, 2024, 138(2): 1027-1053.
61 吴琦, 李阳. 融入领域风险词典的社会安全事件网络舆情风险评估研究[J]. 情报理论与实践, 2024, 47(6): 175-183.
62 徐元善, 金华. 话语失序与网络舆情治理危机研究: 困境与路径[J]. 公共管理与政策评论, 2015, 4(4): 91-96.
63 Ravazzi C, Malandrino F, Dabbene F. Towards proactive moderation of malicious content via bot detection in fringe social networks[J]. IEEE Control Systems Letters, 2022, 6: 2960-2965.
64 温家林, 张增一. 错误信息的产生、传播及识别和控制——错误信息已有研究评述[J]. 科学与社会, 2018, 8(3): 108-122.
65 卢国强, 黄微, 杨佩霖, 等. 基于主题互感耦合的微博主题影响力研究[J]. 现代情报, 2022, 42(8): 136-148.
66 Liu J, Liu L Y, Tu Y, et al. Multi-stage Internet public opinion risk grading analysis of public health emergencies: An empirical study on Microblog in COVID-19[J]. Information Processing & Management, 2022, 59(1): 102796.
67 卢国强, 黄微, 刘毅洲. 群体极化视域下突发事件网络舆情极端观点识别研究[J]. 情报资料工作, 2023, 44(1): 42-51.
68 时倩如, 李贺, 沈旺, 等. 基于高阶和低阶交互关系的深度学习推荐模型研究[J]. 情报理论与实践, 2024, 47(4): 189-196.
69 黄微, 孙悦. 社交媒体平台用户参与行为强度测定与预判[J]. 现代情报, 2022, 42(11): 97-110, 177.
70 Dami S, Barforoush A A, Shirazi H. News events prediction using Markov logic networks[J]. Journal of Information Science, 2018, 44(1): 91-109.
71 Liu X, Luo Z C, Huang H Y. Jointly multiple events extraction via attention-based graph information aggregation[C]// Proceedings of the 2018 Conference on Empirical Methods in Natural Language Processing. Stroudsburg: Association for Computational Linguistics, 2018: 1247-1256.