信息资源管理学报 ›› 2020, Vol. 10 ›› Issue (1): 15-.doi: 10.13365/j.jirm.2020.01.015

• 专题-突发事件应急情报分析 • 上一篇    下一篇

面向企业舆情监测的事件画像与高危人群预测研究

吴林1 安璐2 孙冉2   

  1. 1.武汉大学信息资源研究中心,武汉,4300722.武汉大学信息管理学院,武汉,430072
  • 收稿日期:2019-07-14 出版日期:2020-01-26 发布日期:2020-01-26
  • 通讯作者: 安璐(通讯作者),教授,博士生导师,研究方向为网络数据分析、应急情报研究 E-mail:anlu97@163.com
  • 作者简介:吴林,硕士,研究方向为社交媒体分析,Email: lynnwu1994@qq.com;安璐(通讯作者),教授,博士生导师,研究方向为网络数据分析、应急情报研究,Email:anlu97@163.com;孙冉,博士研究生,研究方向为社交媒体分析,Email: 1278924503@qq.com。
  • 基金资助:
    本文系教育部哲学社会科学研究重大课题攻关项目“提高反恐怖主义情报信息工作能力对策研究”(17JZD034)、国家自然科学基金重大课题“国家安全大数据综合信息集成与分析方法”(71790612)和国家自然科学基金青年项目“突发公共卫生事件社交媒体信息主题演化与影响力建模”(71603189)的研究成果之一。

Event Profiling and High-Risk Population Prediction for Enterprise Public Opinion Monitoring

Wu Lin1 An Lu2 Sun Ran2   

  1. 1.Center for Studies of Information Resources, Wuhan University, Wuhan 430072;2.School of Information Management, Wuhan University, Wuhan 430072
  • Received:2019-07-14 Online:2020-01-26 Published:2020-01-26

摘要: 文章旨在构建完整有效的企业舆情监测和分析体系,降低负面舆情爆发的概率。基于事件信息结构表示理论,构建面向企业舆情监测场景的事件画像体系。通过追溯用户的历史行为数据,采用多种语义挖掘算法及逻辑回归预测模型刻画事件背后的高危人群特征。以新浪微博“小黄车退押金”事件为例,对构建的事件画像与高危人群预测模型的有效性与可行性进行验证,均得到较好的效果。其中,高危人群预测模型的KS值为0.7472AUC值为0.9412,验证了模型有较好的区分度。提出的研究框架能够有效刻画企业舆情相关的事件特征以及推动事件进程的关键人群特征。

关键词: 用户预测, 事件画像, 舆情监测, 影响力预测, 企业舆情

Abstract:

This study aims to construct a complete and efficient public opinion monitoring and analysis system to reduce the outbreak probability of negative public opinions. Based on the theory of event information structure, we constructed an event profile to monitor the enterprise public opinions. We adopted a variety of semantic mining algorithms and logistic regression models to depict the features of the high-risk population regarding the event based on historical behavior of users. The experiment was performed on the microblogging corpus to validate the event and figure profiling model that we proposed and achieved promising results. The KS value and AUC value of the model predicting highrisk groups are 0.7472 and 0.9412 respectively, which demonstrate that the model has good discrimination power. The research framework proposed in this study can effectively depict the characteristics of events and people related to enterprise public opinions.

Key words: User prediction, Event profiling, Public opinion monitoring, Influence prediction, Enterprise public opinion

中图分类号: