大數(shù)據(jù)環(huán)境下,為了實現(xiàn)對突發(fā)產(chǎn)品安全事件的網(wǎng)絡輿情線索進行全面監(jiān)測和快速通報,實現(xiàn)對海量輿情信息的傳播規(guī)律和更有針對性地制定事件干預決策,提出了一種前置輿情分析和預警模型。該模型通過集合產(chǎn)品質(zhì)量安全事件相關的網(wǎng)絡輿情案例信息,基于知識圖譜理論的領域本體描述拆解案例信息的故障傷害安全嚴重程度,利用文本聚類技術(shù)判斷故障發(fā)生是否為批次性及批量性、利用互聯(lián)網(wǎng)傳播屬性數(shù)據(jù)評估該事件的媒介權(quán)重、傳播廣度和受眾深度,形成五維雷達圖預警,在快速預警突發(fā)事件的同時直觀展現(xiàn)輿情演進。 

【文章來源】：標準科學. 2020,(07)

【文章頁數(shù)】：6 頁

【部分圖文】：

案例聚類處理流程圖

以某手機產(chǎn)品新機上市初期發(fā)生爆炸事件為例（如圖2所示），產(chǎn)品發(fā)生爆炸的事件嚴重程度為“高”；同時事件爆炸相關新聞在國內(nèi)外各級媒體報道并形成話題討論，所以其傳播媒介、廣度及深度指標值均處于較高位置，這與該品牌知名度、活躍度及用戶群體數(shù)都有極大的關系。雖然該事件在初期通過文本聚類識別國內(nèi)發(fā)生事故的數(shù)量較少，因此批次性判斷為“低”，但在網(wǎng)絡輿情傳播中馬太效應凸顯，事件已經(jīng)曝光后若再度發(fā)生相關事故，將很難遁形。因此，后續(xù)對此事件的關注焦點在批次性的變化上。在某品牌筆記本電腦電池鼓包案例中（如圖3所示），故障的嚴重程度為“中”；通過文本識別產(chǎn)品發(fā)生故障的批次性等級為“高”；對于事件的媒體報道主要集中于自媒體和產(chǎn)品論壇中，其媒介權(quán)重及傳播廣度均為“低”；由于本案例的傳播媒介主要集中于自媒體平臺如微博、產(chǎn)品論壇，具有較高的互動性，因此受眾深度指標為“高”。

對于互聯(lián)網(wǎng)中產(chǎn)品安全事件開展輿情線索挖掘及預警為涉事生產(chǎn)者和有關政府部門開展產(chǎn)品質(zhì)量改進、市場售后服務、缺陷產(chǎn)品召回提供了良好的借鑒，如手機爆炸的“高”風險案例在初期輿情預警后將持續(xù)關注案例的批次性指標，生產(chǎn)者和有關政府部門可以結(jié)合產(chǎn)品銷量數(shù)據(jù)分析產(chǎn)品事故率，對事件是由于消費者使用原因?qū)е碌膫�案還是由于設計制造原因?qū)е庐a(chǎn)品出現(xiàn)批次性產(chǎn)品安全事件進行調(diào)查研判，并根據(jù)預警內(nèi)容及時制定解決方案來消除安全隱患；對于已經(jīng)出現(xiàn)批次性故障的筆記本電腦電池鼓包案例，相關方應快速開展調(diào)查實驗電池鼓包現(xiàn)象后續(xù)是否有可能引發(fā)燃損或爆炸等高風險事故，生產(chǎn)者需要對于已經(jīng)發(fā)生電池鼓包的產(chǎn)品開展相應技術(shù)方案和市場活動降低消費者顧慮。5 結(jié)語

【參考文獻】：
期刊論文
[1]基于文本挖掘的大學生網(wǎng)絡輿情檢測和預警模型[J]. 金慧峰,程振設.  浙江工貿(mào)職業(yè)技術(shù)學院學報. 2019(04)
[2]基于知識圖譜的網(wǎng)絡輿情突發(fā)話題內(nèi)容監(jiān)測研究[J]. 馬哲坤,涂艷.  情報科學. 2019(02)
[3]突發(fā)事件網(wǎng)絡輿情案例庫的本體構(gòu)建研究[J]. 謝健民,秦琴,吳文曉,黃怡璇.  情報科學. 2019(02)
[4]大數(shù)據(jù)背景下網(wǎng)絡輿情監(jiān)測與預警模型研究[J]. 文竹.  信息通信. 2018(04)
[5]我國汽車召回領域媒體信息傳播影響力分析研究[J]. 姜肇財,宋黎,李會通.  標準科學. 2015(11)

博士論文
[1]電子電器產(chǎn)品缺陷風險評估方法研究[D]. 孫思衡.北京科技大學 2018



本文編號：3374999