大數(shù)據(jù)環(huán)境下的危機(jī)信息整合模型研究

李欣

〔摘 要〕大數(shù)據(jù)環(huán)境下，突發(fā)事件的危機(jī)數(shù)據(jù)來(lái)源復(fù)雜多樣，通過(guò)使用詞語(yǔ)相似度計(jì)算和Folksonomy自由標(biāo)記語(yǔ)言，把多模態(tài)的危機(jī)信息轉(zhuǎn)化成基于內(nèi)容特征項(xiàng)集合的單一情報(bào)信息源，建立危機(jī)信息采集萃取的整合組織模型。整合模型包括3個(gè)部分：危機(jī)信息內(nèi)容特征項(xiàng)集的提取、RDF資源的統(tǒng)一描述存儲(chǔ)和文本內(nèi)容特征域的聚類(lèi)劃分。通過(guò)整合聚類(lèi)危機(jī)信息源，從而實(shí)現(xiàn)不同危機(jī)信息源載體的規(guī)范化整合與組織，為危機(jī)的應(yīng)急管理提供統(tǒng)一化的情報(bào)信息數(shù)據(jù)源。積極發(fā)揮情報(bào)效用，為突發(fā)事件的應(yīng)急管理提供案例分析和情報(bào)預(yù)警。

〔關(guān)鍵詞〕多模態(tài)信息；相似度計(jì)算；Folksonomy；RDF；文本聚類(lèi)

〔中圖分類(lèi)號(hào)〕G250.73 〔文獻(xiàn)標(biāo)識(shí)碼〕A 〔文章編號(hào)〕1008-0821（2016）12-0036-04

〔Abstract〕In a BIG DATA environment，the source of the crisis is complex，by using word similarity computation and network users free marking technology，the paper transfed the multimodal crisis information into a single information source，and an integrated model for the extraction of crisis information was established.The integrative course included three processes：collect information and extract features；describe and storage metadata；divide the feature domain.Realizing the integration of different sources of information sources，the paper provided a uniform information platform for emergency response of the crisis，to provide case analysis and intelligence warning.

〔Key words〕multimodal data；similarity computation；Folksonomy；RDF；text clustering

隨著2015年“8.12”天津港的爆炸事件，應(yīng)對(duì)突發(fā)事件的公共危機(jī)安全問(wèn)題愈發(fā)受到了全社會(huì)的強(qiáng)烈關(guān)注。回顧近幾年的公共安全突發(fā)事件[1]，既有諸如“汶川”大地震的地質(zhì)自然災(zāi)害，也有諸如“H7N9”禽流感的公共衛(wèi)生事件。在網(wǎng)絡(luò)化和信息化飛速發(fā)展的大數(shù)據(jù)環(huán)境下，面對(duì)諸如此類(lèi)的公共安全突發(fā)事件，危機(jī)信息的呈現(xiàn)方式和載體形態(tài)逐漸多樣化，采集的信息樣本除了傳統(tǒng)的結(jié)構(gòu)化數(shù)據(jù)外，還有半結(jié)構(gòu)化的文本數(shù)據(jù)和非結(jié)構(gòu)化的圖像數(shù)據(jù)。海量的多模態(tài)危機(jī)信息使管理決策部門(mén)迷失在信息的洪流中，給危機(jī)管理應(yīng)對(duì)過(guò)程的預(yù)警機(jī)制和應(yīng)急處理帶來(lái)了巨大障礙，如何把形態(tài)各異的不同載體形式的海量危機(jī)信息進(jìn)行統(tǒng)一標(biāo)準(zhǔn)和規(guī)范的整合與組織，為危機(jī)應(yīng)對(duì)提供情報(bào)支持，是應(yīng)對(duì)公共危機(jī)預(yù)警機(jī)制的重要環(huán)節(jié)，并受到了國(guó)內(nèi)情報(bào)學(xué)領(lǐng)域?qū)＜业母叨汝P(guān)注和積極探索。

畢玉青通過(guò)分析發(fā)現(xiàn)信息化社會(huì)中公共危機(jī)載體形態(tài)呈現(xiàn)出規(guī)模海量、影響廣泛、未知性強(qiáng)、分散與集中相結(jié)合的大數(shù)據(jù)特質(zhì)，提出應(yīng)對(duì)危機(jī)管理的政府管理建議，從而提高危機(jī)應(yīng)對(duì)的有效性[2]。

熊楓從傳統(tǒng)政府危機(jī)信息管理中存在的問(wèn)題出發(fā)，結(jié)合當(dāng)前大數(shù)據(jù)時(shí)代的到來(lái)給政府危機(jī)信息管理帶來(lái)的契機(jī)，進(jìn)而深入探討大數(shù)據(jù)時(shí)代政府有效管理危機(jī)信息，以彌補(bǔ)傳統(tǒng)危機(jī)信息管理之不足的策略[3]。

武漢大學(xué)的李陽(yáng)等通過(guò)分析大數(shù)據(jù)環(huán)境下的突發(fā)事件應(yīng)急決策情報(bào)需求，提升應(yīng)急決策情報(bào)支持能力，探索一種新的應(yīng)急決策情報(bào)支持架構(gòu)——以情報(bào)工程化為主導(dǎo)、情報(bào)平行化為支撐的“兩融合”應(yīng)急決策情報(bào)服務(wù)模式[4]。

吳春玉從政府決策過(guò)程入手，在分析不同決策過(guò)程信息需求的基礎(chǔ)上，選定政府決策信息源，借鑒信息資源庫(kù)的建設(shè)方法，構(gòu)建政府決策信息采集模型[5]。

通過(guò)筆者對(duì)當(dāng)前危機(jī)信息的相關(guān)文獻(xiàn)整理研究后發(fā)現(xiàn)，危機(jī)情報(bào)的應(yīng)急處理基本上都是圍繞大數(shù)據(jù)環(huán)境下的情報(bào)需求，從研究作用機(jī)理入手，構(gòu)建危機(jī)應(yīng)對(duì)管理模型。本文通過(guò)理論研究和實(shí)例分析，使用詞語(yǔ)相似度計(jì)算和Folksonomy自由標(biāo)記語(yǔ)言，通過(guò)定量和定性相結(jié)合的分析手段，整合海量數(shù)據(jù)下不同載體形態(tài)的危機(jī)信息數(shù)據(jù)，按照統(tǒng)一的元數(shù)據(jù)標(biāo)準(zhǔn)規(guī)范進(jìn)行存儲(chǔ)，把多模態(tài)的危機(jī)信息轉(zhuǎn)化成單一的情報(bào)信息源，聚類(lèi)劃分文本內(nèi)容特征域集，從而為危機(jī)管理中的決策部門(mén)提供精準(zhǔn)的危機(jī)情報(bào)。

1 TF.IDF、Folksonomy、RDF的概念及其模型

1.1 TF.IDF的概念及定義

著名的信息檢索系統(tǒng)Smart中提出過(guò)一套詞語(yǔ)權(quán)重的計(jì)算方法，這種度量詞語(yǔ)在文檔中反復(fù)出現(xiàn)程度的形式化指標(biāo)稱(chēng)為T(mén)F.IDF。TF.IDF是信息檢索領(lǐng)域常用的方法[6]，計(jì)算詞語(yǔ)的TF.IDF權(quán)重值，權(quán)重得分高的詞語(yǔ)就是文本文檔的主題詞和關(guān)鍵特征詞。

TF.IDF的定義如下：

定義1：假定文檔集中有N篇文檔，詞項(xiàng)i在ni篇文檔中出現(xiàn)，并且fij為詞項(xiàng)i在文檔j中出現(xiàn)的次數(shù)，詞項(xiàng)i在文檔j中的TF.IDF得分計(jì)算公式如下：

TFij.IDFi=（fij/maxkfkj）log2（N/ni）

TF是詞項(xiàng)頻率，是指詞項(xiàng)在文檔中出現(xiàn)次數(shù)和文檔中所有詞項(xiàng)出現(xiàn)的最大次數(shù)的比值，那么文檔中出現(xiàn)次數(shù)最多的詞項(xiàng)的TF值是1，文檔中其余詞項(xiàng)的頻率都小于1；IDF是逆文檔頻率。

1.2 Folksonomy的概念及模型

隨著WEB2.0的興起，淡化了信息提供者和信息使用者之間的界限[7]，網(wǎng)絡(luò)用戶(hù)越來(lái)越多的參與到資源的組織和共享中去。用戶(hù)通過(guò)自己的主觀認(rèn)知和對(duì)資源的理解程度，對(duì)網(wǎng)絡(luò)共享資源進(jìn)行標(biāo)記和整理，使得資源更加具體化并便于檢索。從而形成了一種嶄新的文獻(xiàn)分類(lèi)方法——自由分類(lèi)法，即Folksonomy標(biāo)記語(yǔ)言。

Folksonomy包含資源、標(biāo)簽和用戶(hù)3個(gè)屬性，基于Folksonomy的自由分類(lèi)法是通過(guò)鼓勵(lì)網(wǎng)絡(luò)用戶(hù)的興趣愛(ài)好，針對(duì)網(wǎng)絡(luò)資源標(biāo)記標(biāo)簽的過(guò)程。譬如網(wǎng)絡(luò)用戶(hù)A和網(wǎng)絡(luò)用戶(hù)B，針對(duì)共享資源S1和S2，都標(biāo)記了自己的標(biāo)簽Label1、Labe2、Labe3、Labe4。Folksonomy模型如圖1所示。

1.3 RDF的概念與定義

資源描述框架（RDF）是面向語(yǔ)義Web的標(biāo)準(zhǔn)框架，是語(yǔ)義關(guān)聯(lián)數(shù)據(jù)模型的重要組成部分，語(yǔ)義網(wǎng)的基本特征是面向文本所表示的數(shù)據(jù)，實(shí)現(xiàn)計(jì)算機(jī)自主閱讀和理解的網(wǎng)絡(luò)化搜索模式。語(yǔ)義網(wǎng)通過(guò)使用RDF資源描述框架直接進(jìn)行深度的資源描述，RDF以標(biāo)準(zhǔn)的XML形式表達(dá)，提供一種表述、交換和利用元數(shù)據(jù)的框架[8]。

RDF的定義如下：

定義2：RDF通常采用三元組（R，D，F(xiàn)）的資源描述框架來(lái)描述信息資源或數(shù)據(jù)對(duì)象，其中R是表示資源信息或者數(shù)據(jù)對(duì)象的本身。di∈D={d1，d2，……dm}（i≤m），D是表示資源的m個(gè)屬性，或者是事物的某些特性。fi∈F={f1，f2，……fm}（i≤m），F(xiàn)表示資源的每個(gè)屬性相對(duì)應(yīng)的鍵值等具體內(nèi)容。

2 多模態(tài)危機(jī)信息的組織整合模型研究

網(wǎng)絡(luò)泛在環(huán)境下，突發(fā)事件的危機(jī)數(shù)據(jù)來(lái)源復(fù)雜多樣，因此采集獲得的信息具有多元性和不確定性。危機(jī)信息的來(lái)源包括諸如危機(jī)管理平臺(tái)以及遙感監(jiān)控平臺(tái)等途徑，危機(jī)管理平臺(tái)記錄和收集了大量的文本類(lèi)型數(shù)據(jù)集，而遙感監(jiān)控平臺(tái)則記錄了大量的圖像類(lèi)型數(shù)據(jù)集。危機(jī)數(shù)據(jù)的組織整理是獲得危機(jī)情報(bào)的基礎(chǔ)工作，危機(jī)信息的組織整合過(guò)程包括數(shù)據(jù)集合內(nèi)容特征項(xiàng)集的提取、信息的RDF資源描述存儲(chǔ)和文本內(nèi)容特征域的聚類(lèi)劃分3個(gè)階段。危機(jī)信息的組織整合模型如圖2所示。

2.1 內(nèi)容特征項(xiàng)的提取

針對(duì)收集整理過(guò)程中生成的文本和圖像數(shù)據(jù)載體信息，需要通過(guò)使用文本表示語(yǔ)言和網(wǎng)絡(luò)用戶(hù)自由標(biāo)記的途徑，把不同模態(tài)的危機(jī)信息源轉(zhuǎn)化成計(jì)算機(jī)可以理解和閱讀的單一的自然語(yǔ)言信息源，即通過(guò)文本數(shù)據(jù)和圖像數(shù)據(jù)的語(yǔ)義降維模式，把多模態(tài)的信息源轉(zhuǎn)化成基于內(nèi)容特征項(xiàng)的詞語(yǔ)集合表示。

2.2 元數(shù)據(jù)的統(tǒng)一存儲(chǔ)

危機(jī)信息經(jīng)過(guò)特征項(xiàng)的提取后，通過(guò)使用基于語(yǔ)義分析的RDF本體語(yǔ)言來(lái)描述危機(jī)信息的屬性和概念，生成危機(jī)信息的資源描述框架，從而進(jìn)行更深層次的資源信息組織。根據(jù)語(yǔ)義網(wǎng)技術(shù)RDF三元組的定義，重新進(jìn)行深度的描述和整理，使非結(jié)構(gòu)化的數(shù)據(jù)有序化、結(jié)構(gòu)化和整體化，從而為危機(jī)信息數(shù)據(jù)的采集和萃取整合提供數(shù)據(jù)級(jí)的保障基礎(chǔ)。

2.3 文本內(nèi)容特征域的聚類(lèi)劃分

經(jīng)過(guò)信息的整理和特征項(xiàng)集的采集提取之后，形成了以?xún)?nèi)容特征項(xiàng)集作為標(biāo)識(shí)的詞語(yǔ)集合。為了聚類(lèi)發(fā)現(xiàn)已經(jīng)存儲(chǔ)的信息特征項(xiàng)集，通過(guò)采用計(jì)算詞語(yǔ)集合的文本相似度距離來(lái)進(jìn)行聚類(lèi)計(jì)算，把規(guī)范化的信息集進(jìn)行自組織分類(lèi)，從而為危機(jī)信息的預(yù)警分析提供相同類(lèi)型的案例。

3 多模態(tài)危機(jī)信息的內(nèi)容特征項(xiàng)提取

公共危機(jī)信息采集的數(shù)據(jù)主要來(lái)源有兩種：一種來(lái)源途徑是危機(jī)管理平臺(tái)通過(guò)采集網(wǎng)絡(luò)社交網(wǎng)站的輿論信息而形成的文本數(shù)據(jù)；另外一種來(lái)源途徑就是通過(guò)城市攝像頭等傳感設(shè)備采集到的圖像數(shù)據(jù)格式。由于文本文檔和圖像文檔都是不屬于結(jié)構(gòu)化的數(shù)據(jù)形態(tài)，為了使計(jì)算機(jī)能夠識(shí)別和存儲(chǔ)采集的危機(jī)信息，需要通過(guò)使用詞語(yǔ)相似度計(jì)算和Folksonomy自由標(biāo)記語(yǔ)言，轉(zhuǎn)換成基于內(nèi)容特征項(xiàng)的詞語(yǔ)集合。

3.1 文本數(shù)據(jù)的內(nèi)容特征項(xiàng)提取

文本載體類(lèi)型的數(shù)據(jù)信息組織和存儲(chǔ)，需要對(duì)文本文檔的內(nèi)容進(jìn)行字詞切分處理后，從文字中抽取能代表文檔內(nèi)容特征和彰顯文檔主題特征的關(guān)鍵詞。把獲得的關(guān)鍵詞作為文檔的項(xiàng)特征集合表示，使用文本內(nèi)容的項(xiàng)特征集來(lái)描述相應(yīng)的文本文檔。描述主題的特征詞的提取可以通過(guò)計(jì)算詞語(yǔ)在文檔中的重要程度來(lái)形式化表示，TF.IDF是信息檢索中常見(jiàn)的形式化表示模型。

TF.IDF模型是測(cè)度詞語(yǔ)在文本中重要程度的量化表示。其中TF是通過(guò)統(tǒng)計(jì)學(xué)的知識(shí)來(lái)衡量詞語(yǔ)的重要性，是詞語(yǔ)項(xiàng)在本文檔中的出現(xiàn)頻率，與詞語(yǔ)在文檔中出現(xiàn)次數(shù)成正比。IDF是逆文檔頻率，是樣本集合中文檔總數(shù)與出現(xiàn)詞語(yǔ)項(xiàng)文檔數(shù)的比值的對(duì)數(shù)，與詞語(yǔ)項(xiàng)在樣本集合中出現(xiàn)的次數(shù)成反比，TF.IDF模型通過(guò)測(cè)度TF和IDF的乘積，通過(guò)抑制單純的詞語(yǔ)頻率度量方法，調(diào)整TF權(quán)值，可以有效的區(qū)分不同文檔。

通過(guò)計(jì)算詞語(yǔ)的TF.IDF權(quán)重值，選擇TF.IDF計(jì)算得分最高的m個(gè)詞語(yǔ)作為文本文檔的特征詞項(xiàng)，從而把文本載體型數(shù)據(jù)描述成m個(gè)詞語(yǔ)項(xiàng)的集合進(jìn)行信息存儲(chǔ)。

文本載體型數(shù)據(jù)的內(nèi)容特征項(xiàng)提取算法如下：

輸入：N篇文檔

輸出：N個(gè)集合，每個(gè)集合包含m個(gè)詞語(yǔ)

Begin

Step1.使用2-shingling算法進(jìn)行字詞的切分處理

Step2.調(diào)用停用詞表刪除文檔中的停用詞

Step3.計(jì)算詞語(yǔ)文檔中的TF.IDF權(quán)重，選擇權(quán)重最大的m個(gè)詞語(yǔ)作為文本的特征詞項(xiàng)

Repeat Step1，Step2，Step3

Until所有文檔處理完畢；

文本數(shù)據(jù)的內(nèi)容特征項(xiàng)提取，即是通過(guò)使用詞語(yǔ)相似度計(jì)算的表示算法，使用特征詞語(yǔ)集合來(lái)表示文本內(nèi)容，從而把獲取的危機(jī)信息文本載體型數(shù)據(jù)進(jìn)行結(jié)構(gòu)化的統(tǒng)一表示和存儲(chǔ)。

3.2 圖像數(shù)據(jù)的內(nèi)容特征項(xiàng)提取

圖像數(shù)據(jù)的計(jì)算機(jī)存儲(chǔ)是以圖像的像素?cái)?shù)組來(lái)構(gòu)成，我們可以計(jì)算圖像像素的平均數(shù)目等簡(jiǎn)單屬性，但是無(wú)法給出任何圖像特征的內(nèi)容項(xiàng)。但是自由標(biāo)記語(yǔ)言使得我們對(duì)圖像內(nèi)容的辨認(rèn)和識(shí)別有了可能性，F(xiàn)olksonomy的自由標(biāo)記語(yǔ)言允許和鼓勵(lì)用戶(hù)對(duì)網(wǎng)絡(luò)上導(dǎo)航發(fā)布的圖像信息數(shù)據(jù)庫(kù)進(jìn)行標(biāo)記，因此針對(duì)圖像數(shù)據(jù)的存儲(chǔ)可以通過(guò)采用用戶(hù)自由標(biāo)記的關(guān)鍵詞Tag項(xiàng)作為其內(nèi)容特征的識(shí)別方法，使非結(jié)構(gòu)化的圖像載體類(lèi)文件可以通過(guò)結(jié)構(gòu)化的數(shù)據(jù)表示。

大數(shù)據(jù)環(huán)境下，F(xiàn)olksonomy中海量的用戶(hù)參與資源信息的標(biāo)記為我們確定圖像的特征詞項(xiàng)提供了數(shù)據(jù)基礎(chǔ)，偶爾的錯(cuò)誤標(biāo)記也不會(huì)對(duì)該圖像內(nèi)容屬性造成大的影響。自由標(biāo)記語(yǔ)言統(tǒng)計(jì)圖像的用戶(hù)標(biāo)簽頻次，通過(guò)可視化技術(shù)使資源的標(biāo)簽按照頻次多少進(jìn)行上浮和下沉，然后選擇標(biāo)引頻次最高的關(guān)鍵詞作為該圖像的特征詞項(xiàng)，從而完成圖像載體形態(tài)數(shù)據(jù)的結(jié)構(gòu)化表示過(guò)程。

圖像數(shù)據(jù)的內(nèi)容特征項(xiàng)提取算法如下：

輸入：N個(gè)圖像

輸出：N個(gè)集合，每個(gè)集合包含m個(gè)詞語(yǔ)

Begin

Step1.計(jì)算圖像的所有標(biāo)記詞語(yǔ)的頻率次數(shù)

Step2.選擇頻率次數(shù)最高的m個(gè)詞語(yǔ)作為文本文檔的特征詞項(xiàng)

Repeat Step1，Step2

Until所有圖像處理完畢；

根據(jù)圖像數(shù)據(jù)表示的處理算法，把獲取的危機(jī)信息圖像格式數(shù)據(jù)進(jìn)行文本表示，把圖像數(shù)據(jù)的用戶(hù)標(biāo)記進(jìn)行頻次統(tǒng)計(jì)，提取對(duì)應(yīng)的關(guān)鍵詞項(xiàng)集合。

3.3 特征項(xiàng)集的RDF描述存儲(chǔ)

文本文檔格式和圖像格式的危機(jī)信息數(shù)據(jù)經(jīng)過(guò)提取代表內(nèi)容特征的詞語(yǔ)集合進(jìn)行表示，萃取后的詞語(yǔ)集合不但能夠代表相應(yīng)的數(shù)據(jù)源特征，而且能夠把不同的數(shù)據(jù)來(lái)源進(jìn)行歸一化處理，轉(zhuǎn)換成能夠被計(jì)算機(jī)識(shí)別存儲(chǔ)的結(jié)構(gòu)化數(shù)據(jù)。

基于語(yǔ)義網(wǎng)關(guān)聯(lián)數(shù)據(jù)挖掘算法的出現(xiàn)讓突發(fā)事件應(yīng)對(duì)相關(guān)的危機(jī)全數(shù)據(jù)采集成為可能。語(yǔ)義網(wǎng)是新一代的互聯(lián)網(wǎng)核心，語(yǔ)義關(guān)聯(lián)數(shù)據(jù)模型是指基于語(yǔ)義關(guān)聯(lián)的數(shù)據(jù)表達(dá)和結(jié)構(gòu)組織模型，該模型不但包含資源信息，同時(shí)也包含信息之間異構(gòu)的語(yǔ)義結(jié)構(gòu)。從而進(jìn)行更深層次的資源信息組織，為危機(jī)數(shù)據(jù)的聚類(lèi)計(jì)算提供基礎(chǔ)條件。

危機(jī)信息中的資源描述框架中，R是危機(jī)信息來(lái)源，D是危機(jī)信息的內(nèi)容特征屬性，F(xiàn)是能夠表示該危機(jī)內(nèi)容特征的屬性值，即特征項(xiàng)的集合。使用RDF三元組來(lái)表示和描述歸一化處理后的危機(jī)數(shù)據(jù)，可以更深層次的揭示危機(jī)信息的內(nèi)容特征屬性，同時(shí)是非結(jié)構(gòu)化的危機(jī)數(shù)據(jù)有序化。危機(jī)信息的元數(shù)據(jù)的RDF/XML表述如下：

〈？xml version=″1.0″？〉

〈rdf：RDF

xmlns：rdf=http：∥www.w3.org/1999/02/22-rdf-syntax-ns#

xmlns：dc=″WB000002″〉

〈rdf：Description〉

〈dc：feature〉

〈rdf：Bag〉

〈rdf：li〉關(guān)鍵詞1〈/rdf：li〉

〈rdf：li〉關(guān)鍵詞2〈/rdf：li〉

〈rdf：li〉關(guān)鍵詞3〈/rdf：li〉

〈/rdf：Bag〉

〈/dc：feature〉

〈/rdf：Description〉

〈/rdf：RDF〉

危機(jī)信息的特征詞項(xiàng)集合通過(guò)上述的RDF語(yǔ)義關(guān)聯(lián)結(jié)構(gòu)來(lái)描述和存儲(chǔ)，把非結(jié)構(gòu)化的多種數(shù)據(jù)存在形式轉(zhuǎn)換成統(tǒng)一的、計(jì)算機(jī)可以識(shí)別的語(yǔ)義結(jié)構(gòu)表示，為危機(jī)信息的聚類(lèi)分析和情報(bào)預(yù)警提供數(shù)據(jù)級(jí)的基礎(chǔ)保障。

4 基于Map-Reduce的危機(jī)信息聚類(lèi)研究

公共危機(jī)信息經(jīng)過(guò)采集后，形成了以?xún)?nèi)容項(xiàng)為特征的詞語(yǔ)集合，因此可以通過(guò)采用計(jì)算不同詞語(yǔ)集合之間的相似度距離來(lái)進(jìn)行聚類(lèi)計(jì)算，把采集的公共危機(jī)進(jìn)行自組織分類(lèi)，自動(dòng)聚類(lèi)已經(jīng)存儲(chǔ)的危機(jī)信息特征項(xiàng)集合，發(fā)現(xiàn)該危機(jī)的類(lèi)型并建立危機(jī)模型，從而在危機(jī)預(yù)警期間為危機(jī)的管理決策部門(mén)提供相同類(lèi)型的分析案例和預(yù)警方案，提高突發(fā)危機(jī)事件的應(yīng)急處理能力。

本文詞語(yǔ)集合之間的組織分類(lèi)采用距離計(jì)算中的Jaccard距離度量。給定詞語(yǔ)集合A和詞語(yǔ)集合B，那么詞語(yǔ)集合A和詞語(yǔ)集合B的距離計(jì)算公式如下：

Jaccard（A，B）=1-SIM（A，B）（1）

SIM（A，B）=A∩B/A∪B（2）

假定詞語(yǔ)集合A={關(guān)鍵詞1；關(guān)鍵詞2；關(guān)鍵詞3；關(guān)鍵詞4}和詞語(yǔ)集合B={關(guān)鍵詞1；關(guān)鍵詞2；關(guān)鍵詞3；關(guān)鍵詞5}，因此集合A和集合B的并集共有5個(gè)關(guān)鍵詞語(yǔ)，集合A和集合B的交集是3個(gè)相同關(guān)鍵詞，由公式（1）、（2）可知，詞語(yǔ)集合A和詞語(yǔ)集合B的距離Jaccard（A，B）=1-3/5=0.4，假定給定的距離閾值是0.5，距離閾值可以根據(jù)分類(lèi)的實(shí)際效果進(jìn)行設(shè)定。由于Jaccard（A，B）<0.5，因此詞語(yǔ)集合A和詞語(yǔ)集合B是相似度高的詞語(yǔ)集合，即詞語(yǔ)集合A和詞語(yǔ)集合B所表示的危機(jī)信息被認(rèn)定是屬于同一類(lèi)型的危機(jī)。如果兩個(gè)詞語(yǔ)集合的Jaccard距離大于給定的距離閾值，就表明這個(gè)詞語(yǔ)集合相似度比較低，那么這兩個(gè)詞語(yǔ)集合所表示的危機(jī)信息則不會(huì)被計(jì)算機(jī)認(rèn)定為同一類(lèi)型。通過(guò)計(jì)算危機(jī)信息的詞語(yǔ)集合Jaccard距離，可以很容易的把危機(jī)信息進(jìn)行類(lèi)別劃分，從而在危機(jī)預(yù)警過(guò)程中匹配同類(lèi)型的預(yù)警案例。

在網(wǎng)絡(luò)泛在環(huán)境下，通過(guò)各種渠道獲得的危機(jī)信息是單個(gè)人和單臺(tái)機(jī)器無(wú)法計(jì)算和處理的。面對(duì)海量的數(shù)據(jù)，分布式的高效存儲(chǔ)系統(tǒng)具有高度的容錯(cuò)性和并發(fā)性，是處理海量數(shù)據(jù)的基礎(chǔ)條件，同時(shí)分布式的高效處理系統(tǒng)就更加顯得非常重要。Map-Reduce是非常強(qiáng)大的分布式計(jì)算方法，通過(guò)使用Map-Reduce計(jì)算模式的投影算法能滿足非關(guān)系型危機(jī)數(shù)據(jù)的分布處理需要，支撐起組分異質(zhì)型數(shù)據(jù)的融合處理，從而滿足海量數(shù)據(jù)的同步計(jì)算和分布處理，保障大數(shù)據(jù)環(huán)境下海量危機(jī)信息數(shù)據(jù)的分類(lèi)組織，為危機(jī)的預(yù)警管理提供情報(bào)支持。

5 結(jié)束語(yǔ)

針對(duì)危機(jī)信息中常見(jiàn)的兩種存在形式，本文通過(guò)使用詞語(yǔ)相似度計(jì)算和Folksonomy自由標(biāo)記語(yǔ)言，把不同模態(tài)的危機(jī)信息源轉(zhuǎn)化成單一的基于內(nèi)容特征項(xiàng)的詞語(yǔ)集合。然后通過(guò)使用基于語(yǔ)義分析的RDF本體語(yǔ)言來(lái)描述危機(jī)信息的屬性和概念，生成危機(jī)信息的資源描述框架，聚類(lèi)劃分文本內(nèi)容特征域集，把規(guī)范化的信息資源進(jìn)行自組織分類(lèi)，從而進(jìn)行更深層次的資源信息組織和整合，為危機(jī)信息的預(yù)警分析提供相同類(lèi)型的案例。但是還要加強(qiáng)其他信息情報(bào)機(jī)構(gòu)的參與和縱向合作[9]，為危機(jī)管理中的決策部門(mén)提供精準(zhǔn)的危機(jī)情報(bào)，從而積極發(fā)揮情報(bào)效用，為突發(fā)事件的應(yīng)急管理進(jìn)行案例分析和情報(bào)預(yù)警。

參考文獻(xiàn)

[1]鄭紅玲.突發(fā)事件應(yīng)急管理面臨的挑戰(zhàn)及對(duì)策[J].領(lǐng)導(dǎo)科學(xué)，2010，29：55-56.

[2]畢玉青.基于大數(shù)據(jù)視野下的地方政府公共危機(jī)管理研究[J].現(xiàn)代經(jīng)濟(jì)信息，2016，（2）：141，143.

[3]熊楓.基于大數(shù)據(jù)時(shí)代的政府危機(jī)信息管理研究[J].蘭州學(xué)刊，2015，（5）：193-197.

[4]李陽(yáng)，李綱.工程化與平行化的融合：大數(shù)據(jù)時(shí)代下的應(yīng)急決策情報(bào)服務(wù)構(gòu)思[J].圖書(shū)情報(bào)知識(shí)，2016，（3）：4-14.

[5]吳春玉.政府決策信息采集模型研究[J].情報(bào)科學(xué)，2006，（3）：373-376.

[6]覃世安，李法運(yùn).文本分類(lèi)中TF-IDF方法的改進(jìn)研究[J].現(xiàn)代圖書(shū)情報(bào)技術(shù)，2013，（10）：27-30.

[7]余本功，顧佳偉.基于Folksonomy和RDF的信息組織與表示[J].現(xiàn)代圖書(shū)情報(bào)技術(shù)，2014，（11）：24-30.

[8]馬張華.信息組織（第3版）[M].北京：清華大學(xué)出版社，2008：53-77.

[9]宋丹，高峰.美國(guó)自然災(zāi)害應(yīng)急管理情報(bào)服務(wù)案例分析及其啟示[J].圖書(shū)情報(bào)工作，2012，20：79-84.

（責(zé)任編輯：孫國(guó)雷）