领域知识驱动的食品安全危机事件舆情热点发现及趋势预测技术研究

Using the application of Domain knowledge-driven in public opinion of food security crises as background, and in the view of the situation of limitations of mining quality and deep, therefore the project focuses on public opinion topic detection and growth trends prediction technology in order to improve accuracy and maneuverability of food security public opinion monitoring, prediction. Firstly, using artificial intelligence, data mining theory, the project proposes internet topic text clustering algorithm combining food safety knowledge, in order to improve the quality and depth of mining from many angles, multi-level, multi-depth monitoring of food safety aspects of public opinion. Secondly, the project tries to introduce public emotion, source site’ influence, etc. and the level of the crisis assessed by experts into hot topic evaluation model, improving food safety crisis hot topic discovery technology. Thirdly, starting form hot topics from food crisis forecast inherent mechanism, and then finding the combination point of the topic ANN and Markov chain model and t group decision support, the project propose the establishment of a hot topic trend prediction method based on group decision support DS theory, improving the accuracy of hot topics’ trend prediction. The result will provide technology support for food security’s supervision.

本项目以领域知识驱动在食品安全危机事件舆情中的应用为基本背景，针对食品安全危机事件舆情挖掘质量和预测存在的不足，拟开展舆情热点发现和趋势预测算法研究，以提高食品安全危机事件舆情监测、预测的准确性和可操作性。基于人工智能、数据挖掘相关理论，结合食品安全领域知识，提出网络话题文本聚类模型，从多角度、多层次、多环节深度监测食品安全舆情，提高舆情挖掘质量和深度；从话题时序演化机理入手，试图将公众情感、舆情来源网站影响力等因素以及领域专家对危机水平的评估引入话题热度评估模型中，综合改善食品安全危机事件网络热点话题发现技术。从食品危机事件热点话题预测内在机理入手，找到ANN和马尔可夫链话题趋势预测模型与领域专家的群决策支持的结合点，建立基于D-S理论的群决策支持的热点话题趋势预测算法，以进一步提高话题趋势预测的准确性。研究成果将对食品安全危机事件舆情监督提供技术保障。

本项目以领域知识驱动在食品安全危机事件舆情中的应用为基本背景，针对食品安全危机事件舆情挖掘质量和预测存在的不足，拟开展食品安全危机事件舆情热点发现和趋势预测研究，以提高食品安全危机事件舆情监测、预测的准确性和可操作性。结合食品安全领域知识，构建食品安全危机事件本体，并以此为事件模板，对话题的标题、内容进行深度挖掘，抽取事件的时间、地点、对象、类型、动作等，运用single-pass聚类算法实现话题的快速聚类。考虑到目前话题评估研究缺乏对话题事件本身的关注，本项目从媒体对食品安全危机事件话题的关注度、网民对话题的关注度、公众的情感、事件话题敏感度等多个角度建立综合的热点话题评估指标体系，并运用灰色关联分析方法评估事件的热度。针对话题未来的发展趋势，考虑到话题演化的不同阶段数据特征大不相同，因此本项目根据不同演化阶段的数据特征，采用马尔科夫链模型以及不同的灰色预测模型分别对热点话题的整体变化趋势作出动态预测，以进一步提高话题趋势预测的准确性，为政府和公众监测食品安全危机事件提供参考和借鉴。