1　引 言

现代社会突发事件的发生，给当前的应急管理工作带来了极大的挑战。2015年的“8∙12”天津滨海新区爆炸事件、2017年的“5∙7”湖南攸县重大中毒窒息事故等突发事件，都在一定程度上印证着“最大的风险就是不知道风险”。突发事件的风险监控和应急决策强烈依赖于已有情报资源及其依存情景的分析，然而应急管理情报工作容易忽略情报信号的时间先行性和情报资源存在的真实情景，使得突发事件应急情报工作处于较为被动和游离的状态。

情景分析方法是通过假设、预测、模拟等手段生成未来情景，并分析情景对目标产生影响的方法，所以情景分析的意义不在于准确地预测研究对象的未来状态，而是对不同趋势条件下可能出现的状态进行考察、比较和研究^[1]。目前对于突发事件应急管理采用情景应对模式已经基本形成共识，讨论了情景分层^[2]、情景推理^[3]、情景重建^[4]等解决方案，一些研究也表明情景分析对于应急管理具有很强的适用性，如关于突发公共卫生事件^[5]、非常规突发洪水灾害^[6]、城市拆迁突发事件^[7]、民航突发事件^[8]、突发地质灾害^[9]等相关研究。但这些研究没有从情报学视角出发，即以情报研判为目标的情报学介入不足。在突发事件应急管理的情报工作研究中，国外研究从异构信息融合^[10]、情报工作流程^[11]、多源情报集成^[12]等视角对应急管理情报工作进行了探讨；国内主要研究团队从情报机理^[13]、情报服务^[14]、情报体系^[15]等角度展开应急管理情报工作研究。上述研究在应急管理情景分析和应急管理情报工作方面的讨论，为本文提供了很多有益的理论参考和分析思路，孙建军等^[16]也指出情景分析法是情报学科生长的基点和情报学科发挥社会价值的基础，由此尤为必要将情景分析和应急情报进行融合交叉和有效嫁接，寻求提供研判支撑的突发事件情报感知方法问题。

突发事件情报感知是对突发事件的发现识别、理解分析、积极响应的一种应急管理情报工作方式。本文首先阐释了基于情景相似度的情报感知思路，接着提出了情报感知的一种实现方法，即将情报资源分析之上的情景要素与当前突发事件呈现的特征属性进行相似度检验，然后通过扎根理论、文本分词、特征词提取、相似度计算等方法，以危险化学品事故作为应用实例，最后对方法应用进行了讨论，明确了进一步的研究方向。

2　情报感知思路的提出

“感知”一词，在《现代汉语词典》中被描述为客观事物通过感觉器官在人脑中的直接反映。在现实生活中，人们通过感知来了解周围环境并指导自己的行为，所以从认识论意义上讲，感知是对某种事实的认知，而由感知所构成的感知能力就是对感官刺激赋予意义进行认知的水平，受到刺激敏感程度、经验和知觉的影响。结合钱学森关于情报的论述，他认为，情报就是为了解决一个特定的问题所需要的知识，情报是激活了、活化了的知识，或者精神财富，或者说利用资料提取出来的活东西^[17]。我们认为，情报感知是在数据、信息、知识被刺激并被激活下，所形成的一种新的认知。那么面向应急决策的突发事件情报感知就是以情报资源为基础，对突发事件风险及其演化态势的认知洞悉。所以，突发事件应急决策的情报感知实现必须在一定的情报资源基础上，对其进行识别分析，回答了“可能会发生什么事情？会造成什么影响？应该如何应对？”等问题，并最终根据情报感知发现突发事件的核心问题及其关键驱动力，将可能出现的若干内容进行组合分析、推演和研判，探究具体突发事件应急管理的情报服务需求，及时有效研判耦合环境中事件演化，最终为快速响应急情报服务及相应处置方案提供参考。

突发事件存在诸多不确定性的本征是情景分析和应急情报相融合的交叉根基，但就如何在情景应对模式下寻求为事件提供研判支撑的情报感知实现方法，是突发事件应急管理情报工作中的一个关键性问题。基于情景相似度的突发事件情报感知，将以往的经验情报和当下的即时情报进行结合和交叉应用，从而实现对突发事件情报资源的有效感知，打破了以往突发事件应急救灾被动响应、反应滞后等问题，有效实现突发事件的事件识别和情报研判，以更加综合和更具有预见性的方法来改进突发事件应急管理工作，能够及时响应敏感情报，快速推动人、技术、任务等的协同互动，并迅速实时、直观、准确地激活情报工作体系。

基于情景相似度的突发事件情报感知思路（图1），其工作方式能够有效满足突发事件情报工作中的情报实时共享、方案智能选择、事件模拟处置等功能需求。可以说，基于情景相似度的突发事件情报感知实现是应急管理情报工作在“输入-过程-输出”中的一个重要环节，有着动态渐进和螺旋上升的本质，在全面结合历史经验数据、认识突发事件情景因素基础上，推演出事件的潜在风险，未来走向及具体的约束条件，以此制定应急方案，有效处置新的突发事件。

图1 情景相似度的突发事件情报感知思路

突发事件情报感知的具体实现，首先需要全源情报资源为基础，即以数据库、案例库、数据集、网络平台等为载体的情报资源是情报感知的最基本素材。在形成突发事件情报资源集合基础上，由相关专家等辅以一些系统工具和方法对突发事件进行分析，抽取出能够在描述事件特征的同时又能表述事件内容的情景要素，形成情景要素集合。

当出现一个新的突发事件时，通过对具体事件进行描述以及对其进行数据挖掘，提取当前突发事件的特征属性，并与从以往事件案例中抽取的情景要素进行情景相似度计算，检验彼此之间的相似性，然后结合当前事件演化态势和以往的经验性知识对检验匹配结果进行组合推演，形成一个包含已经存在的情景与未来可能情景的情景树，实现对突发事件的识别和预判。

3　情报感知的实现方法

3.1　 情景要素分析

以过去的经验描述关于未来的故事，在一个情景中会由很多要素所构成，这些要素通过组合形成了一个个情景。情景要素是情景的构成单元，也是分析情景间关系的重要依据，是反映事件发生发展状态与趋势的主要因素^[18]。从突发事件情报资源中抽取的情景要素既包含了事件发展在时间序列上的属性描述，也囊括了事件演变在上下文空间上的驱动因素，呈现了突发事件的各种态势和维度。如地震的发震时刻、震中和震级，就是地震自然灾害的基本情景要素。地震自然灾害的情景要素还可以进一步细分，如波及范围、伤亡人数、建筑物破坏程度、地理环境条件、致灾原因等；波及范围可以细分为极重灾区、重灾区和一般灾区；极重灾区又可以继续细分为地区A、地区B、地区C等。例如，2008年的5·12汶川地震就包括震中50千米范围内的县城和200千米范围内的大中城市，最后确定汶川地震极重灾区为10个县（市），重灾区为41个县（市、区），一般灾区为186个县（市、区），其中极重灾区包括汶川县、北川县、绵竹市、什邡市、青川县、茂县、安县、都江堰市、平武县、彭州市。

情景要素分析是对决策目标问题的历史情报资源集合进行定性分析的过程，以专题库、案例库、知识库等构成的情报资源集合，在其中担当了资源基础的重要作用。本文在实现过程中采用扎根理论方法对历史情报资源进行情景要素分析，已有的研究也表明，扎根理论可以有效地将现象概念化，将概念条理化，风险灾害危机研究亦是如此，通过扎根理论厘清概念体系的结构对面向风险社会发展知识生产和建构知识大厦都至关重要^[19]。

扎根理论是一种在经验资料基础上建立理论的较为科学有效的质性研究方法，特别适合在研究课题尚不成熟的情况下应用^[20]。扎根理论的基本逻辑在于通过对收集到的数据和资料进行抽象化、概念化的思考和分析，自下而上地用概念和范畴来反映和分析材料内容。作为一种现象归纳理论的研究方法，扎根理论方法实施的第一步就是收集资料。编码过程是扎根理论方法实施中的最重要的一环，主要包括开放式编码（open coding）、主轴编码（axial coding）和选择性编码（selective coding）。开放性编码是从原始材料中发现概念，归纳出初步的范畴；主轴编码对开放式编码结果进行进一步的加工、分析和整合，发现各个范畴之间潜在的逻辑关系；选择性编码的主要任务是归纳出研究问题的核心范畴，并且发现所研究问题的故事线。扎根理论方法实施的第三个步骤是理论生成，即在三个阶段的编码完成以后，研究者通过对编码结果的分析基础上构建出新发现的内容和理论。

基于扎根理论方法的情景要素分析遵循开放式编码、主轴编码、选择性编码三个基本阶段，形成相应的情景维度和情景要素集合。例如，形成致灾情景、承灾情景、救灾情景三个情景维度S={S1,S2,S3},而致灾情景、承灾情景、救灾情景又可以细分为具体的情景要素集合，分别表示为S1={S11,S12,S13,⋯,S1n}、S2={S21,S22,S23,⋯,S2n}、S₃={S₃₁, S₃₂, S₃₃,⋯, S_3n}。扎根理论分析过程中构建的情景要素，就可以输入计算工具中，作为基于突发事件情景相似度检验的基本元素。

3.2　 特征属性提取

具体突发事件呈现出的特征属性是依赖于情景存在的，往往与情景要素具有关联关系。对以调查报告、新闻报道、案例分析等形式呈现的突发事件进行特征属性提取时，需要在具体突发事件内容整理和组织基础上，对事件状态进行形式化的描述和表示。为了更好地提取具体突发事件的特征属性，本文首先利用分词系统对事件状态的描述文本进行分词，接着利用TF-IDF（term frequency-inverse document frequency）算法完成特征词的提取，作为后续相似度检验的触发点。

分词在构建索引、使用索引以及构建语料库中都起到至关重要的作用^[21]，具体突发事件描述文本的分词就是将一个连续汉字序列按照一定的规则分解为一系列单独的词的过程，从而形成文本的最基本处理单位。在具体实现中，通过对现有分词系统进行筛选，本文最终选择采用分词准确率较高的中国科学院NLPIR（Natural Language Processing & Information Retrieval Sharing Platform）汉语分词系统来进行文本分词。NLPIR汉语分词系统是一套专门针对原始文本集进行处理和加工的软件，主要功能包括中文分词、英文分词、词性标注、命名实体识别、新词识别、关键词抽取等。

突发事件描述文本分词后得到的词条集合是一个初步的特征词集合，但这个特征词集合的空间维度太高，而且其中很多词条对于表征具体突发事件特征属性的贡献是有限的，在实际操作中也不可能采用所有的词条与情景要素进行相似度计算和匹配，所以要选取文本中的主要特征词。本文主要通过TF-IDF算法完成特征词的提取，这是一种在文本分析中被广泛用来提取特征词的有效算法。TF-IDF作为一种数据挖掘加权算法，用于评估一个词条对于一个语料库中的其中一份文件的重要程度，其中TF表示词条在一个文本中出现的频率。如果一个词条在越多的文本中出现过，那么这个词条对某一个具体文本的贡献度应该就越小，所以逆向文档频率IDF就可以度量文本之间的区分度。TF-IDF算法的基本依据是：一个文本中出现很多次的词条，在同类文本中也会出现很多次，所以以TF词频作为测度就体现了同类文本的特点；同时，那些在一个文本中出现频率高而在整个语料库的其他文本中出现频率低的词条，更能反映当前文本的主题，所以用逆向文档频率IDF加以区别^[22]。因而，那些在当前文本中频率高，同时在其他文本中出现次数少的词条，就会成为TF-IDF算法选取出来的高权值特征词，能够有效区分当前文本和语料库的其他文本。TF与IDF的乘积就可以表示每个词的权重，计算公式^[23]为

式中，TF_ti表示词条t在i文档中的频率；n_ti为词条t在文档i中出现的次数；N为文档i中所有词条出现次数总和；IDF_t是逆向文档频率，由文档总数|D|与出现特定词语t的文档数n_t的商取对数进行表示。

在突发事件特征属性提取实现中，首先要建立具体类型突发事件的语料库，作为提取特征值的评估基础。当一个具体突发事件被详细描述成一个文本D后，通过NLPIR汉语分词系统进行文本分词，得出一个初步的特征词集合。随后利用TF-IDF算法原理，TF与IDF相乘就可以得到每一个词条的权重值。已有研究表明选择10~15个特征词通常具有较好的覆盖度和专指度^[24]，所以在实例应用中选择权重值最大的前12个特征词来表征具体突发事件特征属性。

3.3　 相似度检验

利用TF-IDF算法提取的高权值特征词与通过扎根理论方法抽取的突发事件情景要素一样，都在一定程度上表征了当前突发事件的属性和态势。因此，可以利用特征词与已构建的情景要素进行相似度检验，从而积极感知已有情报资源，快速响应突发事件的应急决策需求。如果以S(A, B)来表示高权值特征词集合A和突发事件情景要素集合B之间的相似度，当S(A, B)的值比较小时，则表明集合A和集合B之间相似度较低；当S(A, B)的值比较大时，则表明A和B相似度较高。在实际的检验过程中，相似度被标准化为0≤S(A, B)≤1。

本文基于知网（HowNet）计算方法对特征词与情景要素进行相似度检验。HowNet是中国科学院董振东先生创立的知识库，主要用来揭示概念与概念之间以及概念所具有的属性之间的关系。因此，对于具体突发事件描述中的特征词与情景要素的相似度检验，可以通过HowNet加以实现。HowNet认为，对于两个汉语词语W₁和W₂，分别有n个概念S₁₁, S₁₂, S₁₃,⋯, S_1n和m个概念S₂₁, S₂₂, S₂₃,⋯, S_2m，这些概念之间的最大相似值就是词语W₁和W₂的相似度。假设两个文本D_i和D_j，分别表示为文本D_i={W_i1, W_i2, ⋯, W_im}，文本D_j={W_j1, W_j2, ⋯, W_jn}，则基于知网语义相似度的具体算法就可以表示为^[24]

式中，Sim(D_i, D_j)表示文本D_i和D_j之间的相似度，是相似度检验的结果；D_i={W_i1, W_i2, ⋯, W_im}和D_j={W_j1, W_j2, ⋯, W_jn}分别表示文本D_i和D_j的特征词集合；sim(W_ip, W_jq)为D_i中的特征词W_ip与D_j中的特征词W_jq基于知网概念的相似值，1≤p≤m，1≤q≤n。

这个阶段利用HowNet语义相似度计算工具WordSimilarity完成相似度检验，在后续实际应用中可以设定一定的阈值来决定是否要激活围绕情景的基础情报资源。在具体实践中，将某一类型突发事件的情景要素设为集合D₀，作为决策目标的具体突发事件高权值特征词设为集合D_i，通过计算得出D₀和D_i之间的相似度。如果情景相似度检验结果超过设定阈值，则主动感知相近的情报资源，获取相似的应急决策方案并加以修正，进而生成针对决策目标的各种可能性决策方案。如果情景相似度检验结果没有达到设定阈值，则表明决策目标与历史案例存在较多差异性，是一个与已有资源相似程度不高的突发事件，就可以将当前的决策目标进行情景分析，纳入基础情报资源之中。

4　方法应用实例

4.1　 基础数据的情景要素分析

情景要素分析的前提是存在着可供利用的突发事件情报资源，尤其是典型性案例，因为每一例突发事件都包含着随空间而展开的情景以及这些情景在时间上的演变而得到的情景^[25]，同一类型的大量案例则会拥有一些共同的情景要素。为了更好地对突发事件情景要素进行分析，本文选取危险化学品事故案例作为基础数据进行情景要素分析，案例主要来自中央和各个地方的安全生产监督管理部门官网，然后再通过中国化学品安全生产协会等网站进行补充。本文选择的样本事件包括火灾爆炸类案例、中毒窒息类案例、环境污染类案例等，最终确定本次实例的研究样本为120个危险化学品事故案例，选取其中的100个案例进行编码，剩余的20个案例进行饱和度检验。

经过扎根理论方法的开放性编码、主轴编码和选择性编码，并通过理论饱和度验证，在原始编码资料分析得出的209个概念基础上，最终确定了37个范畴、13个主范畴、3个核心范畴，形成了危险化学品事故案例生成的情景要素构成（表1）。本文在具体应用中选择了危险化学品事故的致灾情景要素作为检验对象，既包括致灾的炸药、石油、天然气等致灾主体，以及产生的爆炸、中毒、污染等致灾方式，也包括物质、设施、工艺、作业空间、管理状况、操作执行等风险状态和行为过程。经过筛选和处理，选择了具有实质意义的12个词作为相似度检验的核心词，形成了导致危险化学品事故的情景要素集合D₀={物质，设施，工艺，空间，操作，管理，爆炸，中毒，污染，化学，炸药，石油}。

4.2　 特征词提取

为了让决策目标突发事件与构建的情景要素进行相似度检验，从而验证情报感知方法的可行性，本文构建了空难类事故案例语料库和危险化学品事故案例语料库，并从中提取了具体突发事件的特征词。首先对这两个语料库的案例文本进行分词，得出语料库中的所有词条出现情况。接着随机抽取了西北航空公司Ty-154M型B2610号飞机空难事故和山东滨源化学品有限公司“8·13”重特大爆炸事故作为具体实例，对这两起事件的分词结果进行词频TF的计算，得出每一个词条的TF值。然后分别将这两起具体事件中每一个词条与其所属案例语料库同一词条进行IDF计算。最后通过TF×IDF计算出西北航空公司Ty-154M型B2610号飞机空难事故和山东滨源化学品有限公司“8·13”重特大爆炸事故这两起事件中所有词条的TF-IDF权重值。

根据TF-IDF计算结果对所有词条进行排序，最终形成了西北航空公司Ty-154M型B2610号飞机空难事故和山东滨源化学品有限公司“8·13”重特大爆炸事故这两个案例TF-IDF值最高的前12个具有实义的名词及动名词，并将它们作为表征事件特征属性的特征词（表2和表3），其特征词集合为D₁和D₂，D₁={飞机，小时，插头，报告，速度，地面，航向，飞行员，坡度，人员，气压，马力}，D₂={苯，温度，装置，波动，车间，火焰，人员，地面，阀门，操作，硝酸，硫酸}。

4.3　 相似度检验

相似度检验遵循刘群等^[26]提出的“整体的相似度等于部分相似度加权平均”的思路，首先将整体分解成部分，再将两个整体的各个部分进行组合配对，通过计算每个组合对的相似度的加权平均得到两个整体的相似度。因此，具体实例应用根据相似度计算公式，将上文选取的危险化学品事故情景要素核心词集合D₀分别与西北航空公司Ty-154M型B2610号飞机空难事故特征词集合D₁和山东滨源化学品有限公司“8·13”重特大爆炸事故特征词集合D₂进行组合配对，获得每个组合的相似度值（表4和表5）。但表4和表5只是呈现了词与词之间的相似度，对于集合D₀与集合D₁、集合D₀与集合D₂之间的相似度，则需要将集合与集合之间词组合相似度进行加权平均，从而得出整体相似度。通过计算，相似度结果分别为

相似度检验的结果表明，山东滨源化学品有限公司“8·13”重特大爆炸事故的特征词与危险化学品事故情景要素核心词之间具有较高的相似度，为0.143234458；而西北航空公司Ty-154M型B2610号飞机空难事故则与危险化学品事故情景要素核心词之间的相似度较小，为0.107103444。两个随机案例的情景相似度检验说明空难类事故和危险化学品事故对于情景要素核心词集合D₀的敏感程度是不同的，即意味着可以通过情景相似度计算来实现突发事件的情报感知。

5　讨论与总结

本文以危险化学品事故为实例，检验了文中提出的基于情景相似度检验的突发事件情报感知方法的可行性。当然，在实际的方法应用中，突发事件应急管理中的情报资源不仅包括了历史上发生的事件等经验类资源，还包括实时及衍生的情报资源，这需要更多专家人员的介入和技术工具的支持，图2展示了危险品化学品事故情报感知的实现框架。通过情景相似度检验的突发事件情报感知方法的应用与实践，能够有效展开情景的相似比较和情报资源的快速匹配，最终为后续的突发事件应急决策的情景构建提供强力支撑。

图2 危险化学品事故情报感知的实现框架

利用基于情景相似度的突发事件情报感知方法，能够结合当前事件演化态势和以往的经验性知识实现对突发事件的识别和预判。根据情景的详细信息，可以有效把握突发事件发展演化过程中各种不同的可能情况，包括突发事件可能的发展方向、可能的受灾人群和区域、可能衍生的次生灾害，以及应急管理注意事项、应采取的灾害警报和救灾措施方案等。突发事件应急决策的情报感知实现，能够实现对突发事件敏感指标的预见、危情爆发的社会警示、萌芽状态的早期干预和危害程度的后期缓解的社会功能。

本文以危险化学品事故为实例的具体应用研究表明，不同类型的具体突发事件对于危险化学品事故情景要素集合的敏感程度存在差异性，这种差异性验证了基于具体类型突发事件情景相似度检验的情报感知方法是有效的。需要注意的是，研究过程中仍存在一些不足：一是未能有效融合更多来自其他信息源所承载的情报资源，尽管本文在实例应用中已经努力搜集描述完整并可获得的典型危险化学品事故案例，但仍有可能因为基础数据的不充分导致情景分析存在不合理之处；二是危险化学品事故应急管理需要来自防爆、防化、防疫、灭火、医疗、环保、刑侦等领域的专家提供支持，虽然本研究中情景要素分析是由具有专业知识背景的编码人员完成，但仍存在由于专业理论积淀不足和实践经验欠缺造成合理性和可行性不够充分的可能，所以实践应用中应加强来自不同学科、不同行业、不同部门专家的深入讨论和反复研讨；三是深受信息检索和文本分析领域青睐的TF-IDF算法在实例应用中，其IDF值的计算可能会因为具体类型突发事件语料库的原因影响特征词的选择，尽管本文在研究中建立了不同类型突发事件的语料库，但在后续的实践应用中仍应继续加强语料库的规模和质量建设。

目前突发事件情报感知方法的相关研究较少，本文提出了基于情景相似度检验的情报感知方法，并在危险化学品事故分析中进行了一次重要尝试研究。研究发现，突发事件情报资源的情景分析为实践中突发事件的态势感知提供了基本依据，而基于情景相似度检验的实现方法能让已有情报资源被迅速感知，为后续的情景构建和应急决策提供强力支撑。当然，本文提出的方法仍有一些工作需要加以完善和扩展，例如，全源情报下的基于情景相似度的情报感知方法的有用性和适用性需要进一步加以检验；再如，如何在情报感知方法应用之上的情景构建方案的问题等，都有待在未来的研究中进一步讨论，下一步的研究重点将沿着这些具体问题展开。

参考文献

• 1

  娄伟. 情景分析理论与方法[M]. 北京: 社会科学文献出版社, 2012: 9-10, 67.

• 2

  李仕明, 张志英, 刘樑, 等. 非常规突发事件情景概念研究[J]. 电子科技大学学报(社会科学版), 2014, 16(1): 1-5.

• 3

  Amailef K, Lu J. Ontology-supported case-based reasoning approach for intelligent m-government emergency response services[J]. Decision Support Systems, 2013, 55(1): 79-97.

• 4

  刘铁民. 重大突发事件情景规划与构建研究[J]. 中国应急管理, 2012(4): 18-23.

• 5

  刘德海, 王维国, 孙康. 基于演化博弈的重大突发公共卫生事件情景预测模型与防控措施[J]. 系统工程理论与实践, 2012, 32(5): 937-946.

• 6

  李锋, 王慧敏. 基于知识元的非常规突发洪水应急情景分析与表达研究[J]. 软科学, 2016, 30(4): 140-144.

• 7

  刘德海, 尹丽娟. 基于情景分析的城市拆迁突发事件博弈均衡演化模型[J]. 管理评论, 2012, 24(5): 154-159.

• 8

  吴倩, 谈伟, 盖文妹. 基于动态贝叶斯网络的民航突发事件情景分析研究[J]. 中国安全生产科学技术, 2016, 12(3): 169-174.

• 9

  张小趁, 陈红旗. 基于情景应对模式的突发地质灾害应急防治探讨[J]. 人民长江, 2015, 46(23): 29-33.

• 10

  Pereira V A, Sanches M F, Botega L C, et al. Multi-criteria fusion of heterogeneous information for improving situation awareness on emergency management systems[C]// Proceedings of the International Conference on Human Interface and the Management of Information. Heidelberg: Springer, 2015, 9173: 3-14.

• 11

  Erskine M A, Pepper W. enhancing emergency response management using emergency description information technology (EDIT): A design science approach[J]. International Journal of Electronic Government Research, 2015, 11(2): 51-65.

• 12

  Alamdar F, Kalantari M, Rajabifard A. Towards multi-agency sensor information integration for disaster management[J]. Computers, Environment and Urban Systems, 2016, 56: 68-85.

• 13

  姚乐野, 范炜. 突发事件应急管理中的情报本征机理研究[J]. 图书情报工作, 2014, 58(23): 6-11.

• 14

  李纲, 李阳. 情报视角下的突发事件应急决策研究[J]. 情报理论与实践, 2015, 38(8): 61-65, 26.

• 15

  苏新宁, 朱晓峰, 崔露方. 基于生命周期的应急情报体系理论模型构建[J]. 情报学报, 2017, 36(10): 989-997.

• 16

  孙建军, 柯青. 不完全信息环境下的情报分析方法——情景分析法及其在情报研究中的应用[J]. 图书情报工作, 2007, 51(2): 63-66.

• 17

  史秉能, 袁有雄, 卢胜军. 钱学森科技情报工作及相关学术文选[M]. 北京: 国防工业出版社, 2015: 90-93.

• 18

  孙山. 民航“重大突发事件情景构建”应用实例探讨[J]. 中国安全生产科学技术, 2014, 10(4): 173-177.

• 19

  张海波. 风险灾害危机研究的概念体系[J]. 风险灾害危机研究, 2017(1): 1-9.

• 20

  张宝生, 张庆普. 基于扎根理论的社会化问答社区用户知识贡献行为意向影响因素研究[J]. 情报学报, 2018, 37(10): 1034-1045.

• 21

  张越, 王东波, 朱丹浩. 面向食品安全突发事件汉语分词的特征选择及模型优化研究[J]. 数据分析与知识发现, 2017, 1(2): 64-72.

• 22

  沙勇忠. 公共危机信息管理[M]. 北京: 中国社会科学出版社, 2014: 426-427.

• 23

  殷聪, 张李义. 基于TF-IDF的情境后过滤推荐算法研究——以餐饮业O2O为例[J]. 数据分析与知识发现, 2018, 2(11): 28-36.

• 24

  许君宁. 基于知网语义相似度的中文文本聚类方法研究[D]. 西安: 西安电子科技大学, 2010: 35.

• 25

  姜卉, 侯建盛. 基于情景重建的非常规突发事件应急处置方案的快速生成方法研究[J]. 中国应急管理, 2012(1): 14-20.

• 26

  刘群, 李素建. 基于《知网》的词汇语义相似度计算[J]. 中文计算语言学, 2002, 7(2): 59-76.