基于UGC大数据挖掘的大群体两阶段风险性应急决策方法

徐选华， 杨 欣， 陈晓红

(中南大学 商学院，湖南 长沙 410083)

0 引言

近年来，我国重大突发事件的发生愈加频繁，由此造成的生命财产损失也不断增加，如2015年8月12日天津港瑞海公司仓库发生的重大火灾爆炸事故，共造成165人遇难、8人失踪，核定的直接经济损失达68.66亿元，同时造成了恶劣的社会影响，引起了国家的高度重视。事故发生后，来自不同领域的专家小组紧急赶赴天津参与处置工作，但由于救援现场信息存在滞后性和不完整性，灾情讯息无法及时、全面的汇总到决策者手中，使决策分析工作面临风险认知缺乏、群体行为研判困难等一系列难题。因此，在应急决策中专家群体如何利用突发事件发生初始阶段产生的大数据信息作为决策依据，并快速做出风险程度较低的决策是迫切需要解决的问题。

在过去，多属性应急决策过程主要依赖于专家的知识经验对事件进行主观判断和预测[1]，但是对于一些特定场景下的应急决策，例如面对事件发生后引发公众强烈关注或专家掌握的信息不足以直接进行决策判断的情景，则需要在决策过程中引入公众拥有的信息，以降低决策专家与公众之间存在的信息不对称带来的风险。近年来社交网络的快速发展为信息传播和发挥公众智慧提供了重要平台[2]。重大突发事件发生后，亿万网民会迅速聚集起来并参与其中，将自己的想法和见闻以文字、图片、音频、视频等形式发布在网络上，形成体量巨大的用户生成内容(User-Generated Content,UGC)。这些非结构化数据虽然来源分散，但其中蕴含着宝贵的信息可以用于支持应急决策。“分众”是在应急管理中应用较多的一种新兴模式[3,4]，它通过将任务分配给相关人群以得到整合的结果，利用网络社交媒体作为“分众”平台可以收集和分析UGC中社会公众对突发事件的偏好信息。目前关于突发事件背景下UGC被用于应急管理的研究主要集中在对事件的检测和预警[5,6]、对事件的监控和描述[7]、对事件造成损害的评估[8,9]、信息传播和分布模式[10,11]以及突发事件下的个人、群体行为[12,13]等领域，而关于将UGC用于应急决策方案选择的文献较为匮乏。本文认为突发事件情境下UGC中包含了公众对事件造成的损害和事态发展趋势的感知，决策者应该重视公众对事件的关注点，并设法降低事件焦点方面的影响，因此需要利用数据挖掘技术对UGC进行处理，获取及时、有用的信息帮助决策者从全局视角进行决策分析。

另一方面，重大突发事件具有复杂特征，往往需要多方专家联合进行决策，以确保结果的合理性，来自不同层次的众多决策者将构成决策大群体[14]。然而，事态发展的非预期性、决策信息的不完整性以及决策主体作为“有限理性人”[15]等自身的主观性影响因素，使得决策者常常难以对突发事件做出全面、合理的判断，因此形成了风险性决策问题。目前，国内外学者已对这一问题进行了大量研究。Zhu[16]考虑决策者的主观态度，基于前景理论分别对静态和动态决策问题提出了设定多个参考点的多属性风险性群决策方法；Liu[17]以堰塞湖下游村庄的紧急疏散为背景，提出一种基于累积前景理论的分析方法来解决应急响应中的风险决策问题；袁媛等[18]基于后悔理论的思想，针对突发事件发生后实施不同应急方案可能导致不同情景及损失产生的问题，提出了相应的风险决策方法；徐选华等[19]针对复杂环境下决策者在决策过程中出现的偏好转移问题，采用马尔科夫决策技术，提出一种大群体风险型动态应急决策方法；Liu等[20]针对应急决策具有的动态演变和多情景特征，提出基于故障树分析的风险决策方法；Tang[21]基于调查数据、统计分析和领域专家知识建立了贝叶斯网络模型，对南水北调工程产生突发性水质污染事故的风险进行了分析。上述研究虽然从心理行为或数理公式角度给出了风险性应急决策方法，但较少应用到大群体决策中，并且决策过程都是由决策者独立给出偏好信息，其结果对于其他决策成员不可见。而现实的很多场景(例如专家会议法)中决策者的意见是开放展示的，即决策者可以观察到别人的观点再发表意见[22,23]，此时决策者的意见很容易受到他人偏好的影响。同时，应急决策过程需要在高时间压力下得出决策结果，决策者自身认知水平和经验的差异，可能导致其给出的偏好与其他人产生较大偏差。并且大群体决策成员较多，在实际决策过程中也不排除有应付性的人员。这些专业性较低的人可能表现出的偏好不确定性及偏离群体一致性将造成决策风险并对最终结果产生较大影响，因此对决策者个人的主观决策风险进行有效的鉴别并合理处理是有必要研究的问题。

基于以上不足，本文将重大突发事件的UGC数据与大群体风险性应急决策相结合，提出一种基于UGC大数据挖掘的大群体两阶段风险性应急决策方法。首先运用自然语言处理方法从UGC中获取公众偏好信息，结合专家知识构建属性体系，利用模糊综合评价对事件的损害程度进行评估，并由此确定决策属性权重。然后，构造两个决策阶段并收集这两个阶段的决策者偏好信息。根据同一决策者两次偏好信息的差异计算成员决策风险系数，利用聚类方法确定决策者权重，在此基础上实现对方案的综合排序。

1 方法原理

1.1 问题描述

本文在重大突发事件所处的大数据环境下，充分挖掘公众对事件的关注点及偏好信息，针对决策者偏好的不确定性及偏离群体一致性导致的风险，提出依据决策者意见的可靠度和准确度的方法对风险进行测度，在此基础上实现对决策方案的科学排序。

1.2 方法流程设计

为了将公众信息考虑到决策过程中，本文从数据挖掘获得的突发事件UGC大数据出发，首先决策专家利用抽取得到的事件关键词构建属性体系，然后对制定好的备选方案进行评价。由于现实中的决策群体成员之间通常有很强的依赖行为，当别人的决策是可观察的，且决策有先后次序时，很容易产生“羊群行为”[25]。此时决策者易跟随他人的判断表现出非真实偏好，导致决策信息拥有较低的可靠性。考虑这一行为特点，可以让决策者在意见开放的场景下进行决策，通过记录决策者对偏好信息做出的修改行为识别出群体中对偏好不确定程度较大的成员。因此本文将收集决策者偏好信息的过程设计为两个阶段，即决策者先独立给出个体偏好信息，再参照其他决策者的意见重新给出个体偏好信息。最后利用属性权重和成员权重对决策者的评价信息进行集结，获得备选方案的排序结果。方法具体流程如图1所示。

图1 基于UGC大数据挖掘的大群体两阶段风险性应急决策流程

1.3 语言偏好矩阵转化

鉴于应急决策问题的复杂性和模糊性，决策者难以采用定量化的数值去刻画所有决策对象的特征，同时属性间的差异也难以适用于同一语言术语集。本文采用多粒度区间二元语义模型[26]，能够有效避免语言评价信息的损失和扭曲，使语言信息计算结果具有很好的精确性和可操作性。

定义1假设语言集S={s0,s1,…,sg}粒度为g+1，经集成运算得到结果β∈[0,1]。将二元语义(sr,α)表达为数值形式β的函数Δ表示如下：

(1)

“round” 为四舍五入取整算子.

存在反函数Δ-1将二元语言变量转换成相应的实数β∈[0,1]，即：

(2)

定义2假设语言集S={s0,s1,…,sg}粒度为g+1，区间二元语义变量由两个二元语义[(sa,αa),(sz,αz)]组成，其中(sa,αa)≤(sz,αz)。用来将区间二元语义变量表达为等价信息区间值[β1,β2](β1,β2∈[0,1],β1≤β2)的集成转移函数Δ为

Δ[β1,β2]=[(sa,αa)≤(sz,αz)]

(3)

存在逆函数Δ-1可以将区间二元语义变量转换为相应的区间值，即

Δ-1[(sa,αa),(sz,αz)]

(4)

为了便于表达，决策者在给出偏好信息时可以采用具体语言值或区间语言值(例如s1或[s1,s3])两种形式，将它们转换为区间二元语义偏好信息的方式分别为:s1→[(s1,0),(s1,0)],(s1,s3)→[(s1,0),(s3,0)]。

1.4 词语权重分配

TF-IDF(Term Frequency times Inverse Document Frequency)是向量空间模型中一种计算文档中特征权重的经典方法，它由Salton在1988年提出[27]。其函数包括两个部分：TF即词频，是特定文档中某个特征项(字、词或短语)出现的频率；IDF即逆文档频率，是包含该词或短语的文档与文档集总数的比例的对数。其计算公式为：

(5)

其中，wtd为文档d中特征项t的权重，tftd表示文档d中特征项t出现的频率，N表示文档集的总数，dft表示包含特征项t的文档数。

TF-IDF算法的优势在于其能够通过统计手段分析处理非结构化文本大数据。对于某一特定文档内的高频词语，以及该词语在其它文档集合中的低词频，可以产生出高权重。故TF-IDF倾向于过滤掉常见的词语，保留一些不频繁出现但重要的词语。例如，在爆炸事故背景下许多相关文本中常见的“爆炸”一词的逆文档频率会很低，权重也会相应较低。因此，本文采用TF-IDF法分配词语权重。

1.5 决策属性体系构建及其权重确定

当重大突发事件现场数据需要通过多环节层层上报时，信息存在滞后性和不完整性，事件的实时动态监测较为困难，这些问题增加了应急决策分析的风险。而近年来，随着信息技术的发展和公众对突发事件关注度的提升，网络信息资源也已成为重大突发事件应急决策需要重视的一环。当事件发生后，社交网络平台上会生成大量公众对事件发表的信息，这些UGC代表了公众当下的关注点，同时也包含了公众对事件的描述、心态和造成损害的感知。因此，应急决策方案选择的属性权重确定过程有必要考虑社交网络中公众的偏好信息。

(1)决策属性体系构建

UGC的优势在于其对突发事件反应的即时性，但同时也存在信息过于分散的现象，通过结合专家意见的指导能够有效弥补这一问题。本文中基于UGC的突发事件应急决策方案评估属性体系主要包括两部分：①是传统的突发事件应急决策方案评估属性；②是社交媒体用户实时信息中的关键词。具体而言，前者需要专家凭借经验经由群体讨论确定，并作为属性体系的框架部分；后者首先通过数据挖掘获取UGC，再通过抽取算法得到若干代表文本特征的关键词，作为公众偏好信息的概括，最后根据关键词与属性的语义关系构建属性体系。

其中，关键词的抽取采用TF-IDF算法对文本分词后的特征项进行排序，并选取特征项中权重较大的实词作为关键词。从社交网络平台爬取的文本数据将作为语料库，每条文本信息被看作一篇文档，关键词的权重由包含该词语的所有文档数进行算术平均得到，其计算公式为(6)式。

(6)

(2)事件损害评估及属性权重确定

基于建立的属性体系可以利用模糊综合评价实现对事件造成损害的实时评估，并由此计算属性权重，为决策者进行方案选择提供参考信息。损害程度将用于描述事件对当地社会、人员财产以及公众心态的影响大小。由于关键词的获取方法侧重于统计分析而非内容分析，其权重仅代表在文档中出现频率的重要程度，而不同词语的语义本身还反映出不同的损害程度，因此事件的损害评估需要组织专家对每个关键词给出语义评判分值，以表征损害的严重程度。例如词语“死亡”的严重程度高于词语“受伤”，则赋予“死亡”的分值大于“受伤”。分值的范围设定为从0到5。

不同属性方面受到的损害程度通过各个对应的关键词语义评分进行加权求和得到。评价第j个属性的损害程度值Daj的计算函数为(7)式。

(7)

其中y表示属性j对应的关键词个数。

由于损害程度的计算来源于公众对事件造成影响的主观感知与信息关注偏好，当某个属性的损害程度值越大，说明公众在此方面受到的影响越大或给予的关注越多，决策者在评判方案时必须对此加以重视，避免制定的决策方案在此方面造成更严重的后果，因此属性的权重根据各属性损害程度值的大小确定。

(8)

1.6 大群体决策成员权重确定

随着计算机网络和信息系统技术的发展，专业人士已经开发出愈加专业化的决策支持系统，使得决策者意见的收集、处理、统计及交互共享更加便捷。对于重大突发事件大群体应急决策问题，考虑到决策成员较多，不同成员的主观决策能力是构成决策风险的一项重要因素，决策结果将直接受其影响。因此，需要将决策者的主观决策风险因素纳入到成员权重确定中。本节基于两阶段决策流程对决策者的决策风险进行测度，并通过定义决策者意见的可靠度和准确度来量化风险的大小，决策成员的权重按照其决策风险大小进行相应的修正。

(1)决策偏好信息收集

在这个过程中，各决策者将群体中其他人的意见当做一种反馈的参照系统，因此第二阶段的意见可以被认为是参照了其他决策成员的意见。同时，在第二阶段某些成员的意见可能会受其他人的影响，例如专业性较低的决策者对于第一阶段给出的偏好信息没有把握，在观察到其他成员的意见后对自己的初始偏好信息做出修改，或决策者出于从众心理，将初始偏好信息调整为与多数人的意见保持一致，而某些决策者也可能选择对初始偏好信息维持不变。通常来说，坚持第一阶段意见的成员意味着他们对于做出的判断越自信，其决策偏好的确定性就越高；相反，修改偏好后与初始意见相差越大则表示其对于做出的判断越没有自信，决策偏好的不确定性就越高。

(2)考虑决策者意见可靠度和准确度的决策风险系数测度

(9)

计算各决策方案的属性均值以反映群体意见。例如，第l个备选方案中属性j在个体独立决策和参照决策过程中的平均值分别为：

(10)

对于大群体决策成员，以往的多属性群决策研究中很少考虑决策者偏好信息的可靠性，或简单地假设所有决策者的偏好信息都是完全可靠的。事实上，任何决策者都是不完全理性的，其做出的不同程度可靠性的判断都将对决策结果产生影响。

(11)

除此之外，在群决策中群体意见的一致性也是值得关注的问题。决策结果能否被群体接受或在多大程度上能被群体接受往往更具有现实意义和更能快速实施。当个体意见与群体意见偏离程度越大，其对达成群体一致性的阻力越大，由此将引发成员偏好冲突带来的决策风险。为了使决策结果拥有较高的共识水平，本文认为占多数的专家意见比少数意见更为准确，即当某位决策者给出的偏好信息与群体意见更接近时表明其拥有较高的专业性。

(12)

针对决策者而言，其自身决策能力导致的风险是无法避免的，仅仅拥有较高的可靠度并不能保证决策者拥有较低的决策风险，当决策者对事件相关的知识、经验掌握并不充分时，其仍可能为假装其专业性坚持初始意见。因此，成员的决策风险将依据其意见的可靠度和准确度共同度量。

(13)

定义λi为成员ei的决策风险系数，表示决策者ei偏好的不确定性及偏离群体一致性导致的决策风险程度，有:

(14)

其中，θ和(1-θ)表示可靠度和准确度所对应的权重，且0≤θ≤1。具体由决策者根据决策问题和实际情况而定，若无特殊偏好，取θ=1/2，表示赋予可靠度和准确度相同的权重。

对于λi，首先，分别计算决策者对于方案l中属性j给出偏好的决策风险系数，再进行简单加权算术平均得到成员的决策风险系数。显然，当决策者意见的可靠度或准确度越大时，成员的决策风险系数λi越小，表示成员的决策风险越小；反之，λi越大，表示成员的决策风险越大。

(3)大群体偏好聚类及成员权重确定

(15)

利用决策成员风险系数λi对成员的初始权重进行调整，λi越大，说明其提供的信息越不确定或越偏离一致性目标，应赋予的权重越低。最终，决策成员ei的决策风险权重ωi为：

(16)

1.7 方法步骤

综上所述，基于UGC大数据挖掘的大群体两阶段风险性应急决策方法的步骤如下：

Step1从社交媒体平台爬取突发事件相关的UGC，结合专家制定的属性框架和UGC中抽取的关键词构建属性体系。

Step2利用(6)式获得的关键词TF-IDF权重wh及专家评分法确定的语义评判值sh，根据(7)式计算每个属性的损害程度值Daj，归一化后得到各属性的权重wj。

Step6通过TOPSIS方法对备选方案进行排序：

(1)利用属性权重对决策者的参照意见区间偏好矩阵进行集结，得到加权决策矩阵。

(2)确定决策方案的正理想解和负理想解。

(3)计算各方案到正理想解和负理想解的距离。

(4)计算各方案的贴近度。

(17)

最后，按照Cl的大小排列方案的优劣次序。

2 案例分析

2.1 案例背景

2015年8月12日23时30分，天津港瑞海公司仓库发生特别重大火灾爆炸事故，先后两次爆炸的强度分别相当于3t、21t TNT。爆炸造成重大人员伤亡，并引发大量集装箱起火。当地消防指挥中心接警后迅速响应处置，截至13日上午11时，天津消防总队已先后调派143辆消防车，1000余名消防官兵到场进行灭火搜救。与此同时，事故通过社交媒体引发了公众的强烈关注，大量网络用户在爆炸发生后的短时间内利用社交网络发表了自己的观点和见闻。由于现场存放有大量危险品且具体爆炸物尚无法确定，为避免事态进一步加剧，天津市应急决策指挥中心在网络上召集了16位应急管理领域的专家，并根据当时的事故状态制定了如下3个应急备选方案：

x1:持续开展环境应急监测，继续增派消防人员及消防车辆支援现场以加强火情控制。

x2:持续开展环境应急监测，通知消防力量撤离现场，派遣防化团携专业设备进场搜救。

x3:持续开展环境应急监测，暂缓扑灭或搜救工作，待紧急查明危化品内容、数量及存储方式后再做进一步决策。

专家群体根据以往对此类突发事件的应对经验商讨出六方面因素作为方案的评估属性：方案成本u1、人员伤亡u2、财产损失u3、公众恐慌程度u4、对环境的影响u5、对生活的影响u6。其中，决策者对属性u1～u4使用粒度为9的语言术语集S1给出偏好信息，对属性u5～u6使用粒度为7的语言术语集S2给出偏好信息。

S1={s0=极低，s1=很低，s2=低，s3=稍低，s4=-般，s5=稍高，s6=高，s7=很高，s8=极高}

S2={s0=非常小，s1=小，s2=较小，s3=中等，s4=较大，s5=大，s6=非常大}

2.2 决策步骤

Step1本文选取新浪微博作为UGC数据的获取来源，以“天津爆炸”、“塘沽爆炸”为主题搜索词，利用新浪微博提供的API接口抓取了时间段为8月12日23时30分至8月13日15时的微博数据，抓取字段包括用户名、微博内容、发布时间、评论内容。由于包含非公众生成内容或噪声数据，经过人工筛选去除政府或主流媒体账号发布的消息以及词语个数少于2的消息后保留微博文本共79221条。

收集到新浪微博UGC文本数据后，对数据进行预处理，包括去除其中的主题标签、@内容、URL等无用内容后，对文本进行分词、去除停用词以及词性标注，再进行词频算法分析。本文使用python编程实现关键词的抽取算法，并采用其自带的jieba分词软件包将文本切分成词语特征项。选取TF-IDF值排名前500的特征项作为候选关键词，对含义相同或语义接近的词语进行合并，如“死亡”、“遇难”、“遗体”、“去世”合并为关键词“遇难”，“恐怖”、“可怕”、“害怕”合并为关键词“可怕”等，并对合并词语的TF-IDF值进行累加。再根据专家确定的属性框架，基于语义关系列出每个属性下对应的关键词，从而构成天津港“8·12”重大爆炸事故的应急决策方案评估属性体系，如表1所示。

表1 天津港“8·12”重大爆炸事故应急决策方案评估属性体系

Step2利用(6)式由python程序计算出关键词的TF-IDF权重。然后采用专家评分法，组织10位专家对属性体系中的关键词按照其表征的严重程度赋予分值，经过统计平均后得到每个关键词的语义评判分值。利用(7)式计算每个属性的损害程度值，其中属性u2的损害程度值计算示例如表2所示，结果为21.206。

表2 属性的损害程度值计算

在计算出每个属性的损害程度值后，由(8)式得到各属性的权重向量为W={0.07,0.25,0.16,0.23,0.20,0.08}。

Step3根据两阶段决策流程，各决策者按照给定的语言标度对决策对象分别给出独立意见、参照意见语言偏好信息。其中，除决策者e3、e13、e16外，其余决策者均在第二阶段对部分偏好信息做出了调整。并利用定义2将语言偏好矩阵转化为区间偏好矩阵，如表3～表6所示。

表3 决策者独立意见语言偏好矩阵

表4 决策者参照意见语言偏好矩阵

表5 决策者独立意见区间偏好矩阵

表6 决策者参照意见区间偏好矩阵

Step4针对同一决策者参照意见与独立意见的差异以及与群体意见的差异，分别利用(11)式和(12)式计算决策者意见的可靠度和准确度，并利用(13)式对其进行规范化处理，其中决策者e1的计算结果如表7和表8所示。再利用(14)式计算得到决策群体中每位成员的决策风险系数，如表9所示。

表7 决策者e1意见的可靠度

表8 决策者e1意见的准确度

表9 群体成员决策风险系数

Step5采用文献[28]方法对16位决策成员的参照意见偏好矩阵进行聚类，取阈值γ=0.85，可以得到4个聚集及其权重，聚类结果如表10所示。

表10 聚类结果

利用(15)式计算得到决策成员的初始权重，并结合决策风险系数利用(16)式得到各成员的决策风险权重，如表11所示。

表11 决策成员初始权重、决策风险权重

表12 方案的贴近度和排序

Step6利用(17)式计算各个方案的贴近度Cl，并对方案进行最终排序，结果如表12所示。

由计算结果可以得出，应选择方案x2对事故进行处置，即持续开展环境应急监测，通知消防力量撤离现场，同时派遣防化团进场搜救。

2.3 方法比较与讨论

为了说明本文方法的有效性和优势，将本文方法与文献[29]提出的专家权重方法进行对比，并且仅对聚集内部决策成员权重的求解进行相应的变化，其结果如表13所示。可以看出两种方法排序结果一致。

表13 利用文献[29]决策方法得到的结果

文献[29]提出双重权重模型，对大群体进行了聚类分析，并认为聚集内部成员的权重取决于其对聚集一致性的贡献。而本文对聚集内部成员的权重进行的调整不仅基于对群体一致性的考量，同时还考虑了决策者对偏好的不确定性引发的风险，通过对决策成员偏好信息的可靠度和准确度进行测度，能够有效识别专业性较低的决策者，使成员权重的确定更为合理。

本文未将属性权重确定方法进行对比，由于现阶段文献中属性权重的确定大多通过专家偏好矩阵计算或由专家主观给出，其方法不具有可比性。但就思路而言，本文从社交媒体数据中获取属性的重要程度其客观性具有较强的优势。

3 结论

本文针对重大突发事件产生的UGC大数据和决策者对偏好信息的不确定性及偏离群体一致性引起的主观决策风险，提出了一种基于UGC大数据挖掘的大群体两阶段风险性应急决策方法。一方面，该方法将社交媒体中的UGC大数据引入到应急决策方案选择中，采用TF-IDF方法对关键词进行提取获得公众偏好信息，进而对事件损害程度进行评估确定属性权重。另一方面，考虑到决策者在意见开放的决策场景下出现调整偏好的行为可能会引起决策风险的问题，设计了两阶段决策流程收集决策成员的偏好信息，并结合聚类方法确定决策者权重。

本文的研究成果主要适用于受到公众强烈关注或专家需要结合公众信息进行辅助判断的应急决策问题，如台风、地震、洪涝灾害、特大安全生产事故等重大突发事件的处置。与传统方法相比，决策属性权重的制定考虑了公众的信息关注倾向，可以弥补专家在确定权重时受主观性干扰的不足，并增加公众对决策的满意度，降低事件可能造成的社会风险。关键词的提取过程也不涉及对大量语法句法信息进行复杂的语义分析，拥有较高的文本处理速度和效率，能够满足应急决策的时效性要求。同时，通过决策者意见的可靠度和准确度对决策风险进行量化，能够识别出对所给偏好信息不确定程度较大或偏离群体一致性程度较高的成员，使决策结果更为合理。

当然，本文方法也存在一定局限性，例如属性权重的确定与UGC的质量相关，当事件发生初期社交媒体上相关的UGC较少或文本存在较多噪声数据时将对决策结果造成影响。未来的研究将考虑进一步挖掘公众对于事件的情绪表达信息，提高分析的质量，并尝试从UGC中自动提取构建属性体系，结合采用更加全面的时空模式分析，实现对突发事件的动态决策。