我国食品安全网络舆情监测系统应用难点及对策研究

王旎, 孙晓红, 祁海峰, 陶光灿,4*

(1.贵州医科大学公共卫生学院, 贵阳 550025; 2.贵州省分析测试研究院, 贵阳 550014; 3.北京人民在线网络有限公司, 北京 100026; 4.食品安全与营养(贵州)信息科技有限公司, 贵阳 550014)

网络舆情伴随着互联网的普及应运而生，是当下媒体和网民在面对社会焦点事件时所持有的态度和情绪等一系列主观印象，也是网络民意的反映[1]。目前，我国互联网产业迅速发展，微博、微信、网络论坛等多种新兴媒体的普及为舆情信息传播带来了更大的便捷性。随着我国经济不断发展与物质逐渐丰富，人民群众对健康的要求日益提高，食品安全已成为重要的舆情热点。而网络这一大众媒体，作为民众参与度与响应度极高的信息传递渠道，成为了我国食品安全事件发酵过程中不可或缺的一环[2]。但是，国内食品安全在风险监测监管、应急预警等方面仍存在薄弱环节，各类食品安全事故频发，不仅威胁人民生命健康，而且打击老百姓的消费信心，造成食品行业发展滞后，由此而来的舆论展示出不可忽视的力量，发挥着传统媒体无法比拟的作用，引导着食品安全的舆情倾向与事态发展。

一直以来，食品安全事件在全球范围内时有发生。国外爆发的“疯牛病事件”和“口蹄疫事件”，以及我国的“苏丹红”“三聚氰胺”“双汇瘦肉精”等突发事件的舆情在网络上爆发,若不及时解决，将会造成很多意想不到的负面影响[3]。食品安全舆情震荡还具有人民关注度高、社会反响力大、情况演化快的特征[4]，所以网络舆情监测在食品安全领域的应用至关重要。

食品安全网络舆情监测平台利用大数据技术对数据采集、数据处理、数据应用三个环节展开研究，汇集与分析食品安全相关信息并进行深入挖掘的平台[5]。近年来，我国正在探索建立由政府和企业主导的食品安全网络舆情监测体系，然而，在构建过程中还存在一些有待改进的方面，亟需探明解决方法。本文旨在分析舆情监测系统存在的数据采集不精准及效率低，数据分析不系统及不到位，数据应用面狭窄及场景化不强等难题，总结了国内外食品安全舆情监测的经验，阐明了舆情监测系统的研究现况与发展趋势，梳理了舆情监测的基本特性与所涉及的技术体系，从而提出食品安全舆情监测系统在数据采集、数据处理、数据应用三方面的解决方案，厘清政府、企业、消费者三类用户的食品安全舆情监测服务，提高国家在食品安全舆情方面的管理能力。

1 食品安全网络舆情监测研究现况

1.1 国外食品安全网络舆情监测

EFSA(欧洲食品安全局)在2009年发布了《欧洲食品安全局交流战略：2010—2013》[6]。为加强风险沟通交流，欧盟各国在官方网站及时发表科研成果，为风险受众及时发送指导邮件，开通新闻发布、媒体通报等更多交流渠道，定制有针对性的信息以满足消费者需求。

FDA(美国食品药品监督管理局)制定出新的食品安全现代风险交流战略[7]，通过建立“风险交流咨询委员会”，研发“数据收集系统”，实时监测网络媒体食品安全风险交流的报道，调查群众在食品相关疾病爆发或食品召回中对风险交流的理解和反映，并据此调整食品安全事故的应对措施[8]，以保证美国食品生产、流通等环节的安全健康[9]。韩国也迫于舆情监督压力，建立了食品安全事前预警机制[10]。在此基础上，舆情分析和舆情监测[11]领域经常举办国际性的有关信息处理技术(话题检测和追踪、文本信息检索)等评测互动会议。

由于国外互联网发展较早，技术较为先进，因此舆情系统的研发也比国内更为成熟，其中当属美国的TDT(topic detection and tracking，话题检测与跟踪)，TDT系统能够对当下存在的热点话题进行高效识别和全面跟踪，效果显著，使用广泛[12]。在舆情研究方面，国外研究也取得了显著成果，西班牙穆尔西亚大学等相关学者通过分析舆情成因制定应对策略，根据网民微博评论、转发等参与行为，以及网民对媒体信息接受、模仿行为形成指导方案；巴西马拉尼昂联邦大学等相关学者结合食品安全体系、舆情监管平台两大方面总结治理危机的政策[13]。

1.2 国内食品安全网络舆情监测

近几年，我国爆出老酸奶添加工业明胶、硫磺熏制毒生姜、罂粟壳、外卖卫生等食品安全事件，网络上各种谩骂、讥讽、愤怒等负面新闻大量涌现。在如此形势下，国家对舆情预警的关注度不断升高，众多媒体舆情研究机构和高校社科所相继成立，如新华网成立了舆情监测分析中心，天津社会科学院成立了舆情研究所；还有海量优秀的舆情监测软件产品涌现，如乐思软件的舆情监控系统、中国科学技术大学的军犬舆情监测系统等[2]，为我国构建了臻于完善的网络舆情预警机制，有效遏制了食品安全事故产生的负面影响，对网络舆论起到了正面引导作用[14]。

随着2015年“互联网+”时代的到来，国家食品安全监管融入了物联网、智能运算、云计算和大数据等多种现代信息技术，建立由食品安全数据库、食品安全公共检测平台、信息共享平台、用户使用平台以及相关管理部门登录平台构成的食品安全管理系统[17]。但是有关食品安全舆情监测平台的建设尚处于初始阶段，传统舆情平台在食品安全信息收集方面缺乏及时性、准确性与全面性，没有充分运用大数据平台多维度的资源优势[18]。

2 食品安全网络舆情监测基本特征

2.1 食品安全网络舆情的定义

众多学者给出了“食品安全网络舆情”的定义。吴林海等[19]认为,食品安全网络舆情是以互联网为媒介传播的，因食品安全事件所引起的网民们各种看法、建议、情感的集合；刘文等[8]将食品安全网络舆情定义为鉴于食品安全重大事故发生，人们在知识感知基础上形成的一种对于食品安全趋势所持有的行为态度；任立肖等[20]将食品安全网络舆情定义为群众对自我感兴趣或与自身利益相关的食品安全事故，在网络上所持有的若干意见、情绪和观点的总和。因此，结合食品安全的特点，在舆情定义的基础上，将食品安全网络舆情定义为在一定时间空间范围内，媒体和网民针对爆发的食品安全事件及其发展态势，在微博、微信、网络论坛等新型传播媒体上表达的意见和情绪[21]。

食品安全网络舆情监测则是指工作人员运用人工或智能采集办法，锁定、搜集、整理和分析有关食品安全舆情热点和趋势的数据或信息，针对有关行业进行及时预警并制定完善处置方案的过程[3]。在复杂的网络舆论环境下，舆情监测已成为我国食品安全领域的一项新挑战，由此衍生出许多食品安全舆情监管机构[22]。

2.2 食品安全网络舆情监测规模、等级及范围

根据食品安全舆情事件爆发的持续时间长短、涉及范围大小，其规模包括常规监测模式和特种监测模式。常规模式可应用于查明舆情动态和趋势，设定阈值，当舆情热度突增达到阈值时，可自动预警，并及时联系网站管理方进行舆情引导和疏解[23]。特种模式常用来检测敏感事件和危机事故，针对其爆发性强、发酵速度快的特点，迅速挖掘食品安全危机事件的各种新闻，筛选主要矛盾，查明缘由，找出症结，及时快速处理。

关于监测等级，食品安全事故可根据舆情发展规模，逐级设置预警级别，由高到低可设定为红色、橙色、黄色、蓝色四级，其中红色和橙色属于特种监测模式，黄色和蓝色为日常监测模式[23]。关于监测范围，结合食品安全舆情迅捷性、交互性和非理性的特点，具体包括事件发生发展过程、监管部门的应对及处置、官媒报道热度、网民舆情倾向以及食品安全相关的制度政策颁布所引发的舆情等[3]。

研究表明，食品安全事故等级和网络舆情热度的关系呈正比，等级越高，由此引发的舆情敏感度与舆情影响力就越大[22]。因此，划分食品安全网络舆情预警的等级要以食品安全事故的分级标准为基础。根据突发公共事件的危害和紧急程度，《国家突发公共事件总体应急预案》将预警级别划分为特别严重(红色)、严重(橙色)、较重(黄色)和一般(蓝色)，相对应地设定Ⅰ级(特别严重)、Ⅱ级(严重)、Ⅲ级(较重)和Ⅳ级(一般)四个预警级别[24]。

1.大力实施标准化战略和品牌战略，“叫响”黄河口品牌。品牌是一种新的战略资源和无形资产，是一种形象和品质，最终体现的是核心竞争力。企业只有形成品牌，有核心竞争力，才有生命力。要引导企业把培育品牌作为重要发展战略，从产品经营上升到品牌经营、从成本竞争上升到价值竞争上来。

3 食品安全网络舆情监测技术

3.1 数据采集

3.1.1数据采集的重要性与存在问题数据采集是舆情大数据资源池建设的第一步准备工作，为后续数据处理、数据应用提供数据支撑，其数据采集的质量和效率将直接影响后续环节的进行，对大数据业务发展起着决定性作用。然而，在我国食品安全舆情数据采集过程中，仍存在很多难点和痛点问题。

①数据采集不精准。食品安全舆情监测的数据采集内容要素包括食品类别、风险类型、食源性疾病名称、影响人群等多个方面；舆情渠道包括微博、微信、网络论坛等；用户对象包括食品生产者、经营者、政府和消费者等；其他关联因素包括监督抽检、检测机构、急救中心、公安部门等。但在采集过程中，仍然面临很多问题。例如,与食品安全相关的新词众多，通过设置关键词采集数据的方式难以穷尽，且新发生的食品安全事件都有新的关键词，不能未卜先知；单个词的采集范围笼统，无法准确定位关键词；多词组合又存在组合多、影响计算效率的问题。因此，采集关键词的自动更新完善、关键词的合理搭配、设置关键词的权重等有助于提高数据采集的精准度。

②数据采集效率低。一方面，由于数据采集不精准，无法有效减少垃圾数据的产生，必然会影响数据采集的效率；另一方面，由于媒体库设置不合理，无法准确定位搜索到舆情关键信息，也会导致数据采集的效率低。因此，从媒体主体出发，以媒体传播为切入点，挖掘核心媒体传播者，分析媒体传播行为作用下的食品安全舆情信息传播特征，合理建设媒体库。根据事件发生可能性以及传播影响力的大小，设定媒体属性参数，对媒体采用专家打分法、数学模型法，建立媒体重要性判定的指标体系和判定模型。根据日常报道的食品安全事件，实时调整优化媒体权重，并对媒体进行分级分类，对高发、高影响、高传播的媒体进行优先采集。

3.1.2研究进展目前，网络舆情数据采集的框架主要由六部分组成：网站页面、链接抽取、链接过滤、内容抽取、网络爬虫技术[25]和数据[26]。其中，在采集技术中增加了传感器、射频识别、计算机转换软件等新兴互联网技术，实现针对网络上的结构化、半结构化、非结构化数据信息的汇总和收集[27]。从方法上主要采用分布式、并行式计算模型，以提高数据采集的速度，例如Google搜索引擎中的PageRank算法，和通过Java Web平台所开发的动态可配置数据采集系统[28]。在信息存储技术上，为满足海量数据高拓展、高安全、高可用和高速度的存储要求，主要用MYSQL和 Mongo DB数据库来实现，MYSQL数据库用于存储临时缓存的轻量文本数据；Mongo DB 数据库用于存储和访问大容量的数据信息[29]。

3.1.3应对措施①构建动态媒体库提高数据采集速度。媒体作为舆情传播的重要主体，影响了公众对舆情事件的态度、观点与看法，其情绪表达在很大程度上能够改变舆情事件的演化和发展态势[30-31]。而政府作为监管主体的监管力量有限，往往需要借助媒体的力量，通过信息传播与议题设置等引导网民的舆情参与行为，推动网络舆情的健康发展[32]。构建复杂网络环境下合理的动态媒体库是舆情大数据的基础条件，有助于高速、精准、完整地采集食品安全舆情数据。一方面，建设多语种、多因素、食品安全舆情高发的媒体库，并形成媒体遴选标准与机制进行动态更新；另一方面，以舆情事件的报道频率，政府、企业和消费者三方的关注热点，以及演化关联程度三者为依据，计算各媒体的重要性权重指标并进行等级划分，以达到动态媒体库实时更新的效果。

②构建关键词库提高数据采集精准度。关键词是指能够对研究主题进行准确描述，并对核心内容有着精准解释的关键词语[33]，关键词抽取则是一种识别有意义且具有代表性文本片段或词汇的技术[34]。目前，国内外的许多学者已经在关键词抽取领域做了大量研究，并且提出诸多有代表性的方法，例如统计分析法、语言分析法、人工智能法、混合法等几大技术体系[35]。首先，根据食品风险危害、食品种类、食品商标、法律法规标准、食源性疾病症状等要素建立关键词库，并在发现和追踪食品安全舆情事件过程中，不断更新、补充、完善关键词；其次，进行关键词库的分级，结合静态风险因素量化分值表的食品风险等级，按照高风险、较高风险、低风险依次设置监控级别进行监控；最后是关键词库的组合,一成不变的关键词难以捕捉实时变化的食品安全舆情信息，要设置可动态调整的关键词库，寻找关键词之间的相互联系，例如三聚氰胺多在乳制品中作为非食用物质被发现，瘦肉精多是肉制品的禁用药物，孔雀石绿多是水产品的禁用药物，将食品风险因子按食品类别进行罗列，结合各种关键词之间的相互关系，将其进行组合，以提高食品安全舆情数据采集的准确性。

3.1.4发展趋势及挑战网络爬虫技术将主要集中于开拓主题定向聚焦和用户个性化；在数据存储方面，传统的关系型数据库难以满足半结构和非结构化数据的存储需求，新兴的分布式非关系型NoSQL数据库将成为新的发展方向；在采集方法上，基于机器学习的多模式网页正文提取技术也已逐渐取代单一模式的网页提取技术，为舆情数据采集带来更高的适用性和准确性[36]。

3.2 数据处理

3.2.1数据处理的重要性与存在问题数据处理主要是通过中文分词和实体抽取技术来实现数据的结构化，为后续统计分析提供数据支撑。数据采集中得到了包括新闻标题、摘要、发布时间、新闻转发量和评论量等一系列结构化的文本信息。这些数据一部分存储于舆情动态数据库，另一部分进行分词处理。然而，由于大数据异构性、规模性、实时性、复杂性和隐私性等特点，给数据处理带来了极大挑战，这些挑战迫使数据管理系统进行各个层次的变革。

①数据处理不系统。采集的舆情数据只有经过处理再加工，才能获取到全面、精确的舆情动态，进而识别判定出重要的舆情信息。但由于数据类型具有多样性，使得数据处理过程更加复杂化，一个应用往往既要处理结构化数据，同时还要处理文本、视频、语音等非结构化数据，这对现有数据库系统来说难以应付[37]。目前，很少有食品安全舆情监测体系在数据采集环节之后进行系统数据处理，从而形成大数据资源浪费的现象，导致后续数据分析环节不到位，阻滞了舆情大数据资源池的基础建设。

②数据分析不到位。数据分析是将食品安全舆情数据经碎片化、结构化处理后进行建模分析的过程，是从大量的、冗杂的、不规律的数据中寻找人们未查觉的、但有潜在价值的信息的过程[38]。然而，随着大数据时代的到来，数据分析如检索、主题发现、语义和情感分析也出现了新难题，由于大数据自身的复杂性使得数据在感知、表达、理解和计算等多个环节面临巨大挑战，阻滞了传统数据分析与挖掘工作的发展[39]。因此，对庞大的结构化和半结构化数据进行高效率地深度分析、挖掘隐性知识，运用人工智能和机器学习的办法进行数据分析的技术还有待探索[40]。

3.2.2研究进展数据处理主要被设计为文本预处理、特征选择计算、文本向量化3个步骤，其中文本预处理包括分词处理、停用词去除、词频统计，倒排索引生成；特征选择过程是对文本预处理后的倒排索引文件进行特征选择，从而得到文本特征词集合；文本向量化主要是运用TF-idf计算方法求出特征词在各个文本中的权重[41]。根据数据处理形式的不同，以Google、Facebook等为代表的互联网企业近几年推出了各种不同类型的大数据处理系统，例如批量数据处理系统的Google文件系统GFS[42]和Map Reduce编程模型[43]；流式数据处理系统有Twitter的Storm系统[44]；交互式数据处理系统有Berkeley的Spark系统[45]等。

3.2.3应对措施①数据结构化处理。首先，优化文本数据的分词处理主要是利用TF-idf[46]值量化分词处理结果中每个分词的权重，得到每个分词的权重值；其次，可以根据权重值采用single-pass[47]算法计算出新闻的相似度[48]，同时从舆情数据源中采集网络新闻文本数据的关注度、转发率、媒体报道量及时间因素等重要性指标，利用网络传播热度指数的算法计算出新闻关注度；最后，将相似度和关注度结合在一起，对网络舆情信息的重要性进行识别判定。

②数据多样性分析。对所识别的网络重要舆情信息进行分级、事件处理分类、多维度分析、群体分析、处置分析、预警分析和决策支持分析，得到舆情发展趋势、舆情群体分布走势和舆情预警等级的分析结果，根据分析结果形成舆情事件等级转化机制，为风险管控、专项整治、舆情处置提供决策参考。对七种分析方法作出简单介绍如下：一、舆情分级，舆情事件主要分为Ⅰ级(特别严重)、Ⅱ级(严重)、Ⅲ级(较重)和Ⅳ级(一般)四级；二、舆情事件处理分类，舆情事件的处理方式主要包括系统内部处理、系统外部处理，短期处理、长期处理、个例处理和事件真伪辨识等；三、多维度分析[49]，针对得到的优化文本数据，从语义、情感、传播和受众反馈的角度进行多维度分析探讨，预测判定舆情事件的发展态势；四、舆情群体分析，针对话题舆情活跃参与者的参与平台、地理分布、身份特征、粉丝数乃至职业、兴趣分布和表达习惯等多个方面进行特征分析，作出人群统计，预测判定舆情群体的分布走势；五、舆情处置分析，针对舆情传播扩散路径、传播内容、传播焦点转移、观点倾向变化等多个方面，研究历史案例和咨询舆情研究专家的建议，制定舆情处置方案；六、舆情预警分析，针对舆情传播扩散路径、传播内容、传播焦点转移、观点倾向变化等多个方面，研究历史案例和咨询舆情研究专家的建议，建立舆情预警机制；七、决策支持分析，通过对官方响应、信息发布、公信力、动态反应、问责处理、应对技巧6个角度的梳理，评估舆情应对的特点、优点、缺点、经验、教训、态度和策略。

3.2.4发展趋势及挑战随着大数据时代的到来，数据实时挖掘和处理面临严峻挑战，对分析挖掘的实时性要求越来越高，需要不断提升网络舆情动态掌握的及时性与准确性。然而，由于大量的结构化、半结构化和非结构化舆情数据在不同类型、领域新媒体中的融合，使得异构数据处理成为了舆情分析的主要难点[50]。在未来发展中将逐渐趋向于数据处理引擎专用化、数据平台多样化和数据计算实时化。

3.3 数据应用

3.3.1数据应用的重要性与存在问题大数据的数据分析是数据应用之前的必要环节，包括话题聚类分析、情感倾向分析、话题热度分析、关联度分析、舆论趋势预测等一系列研究，以实现跨行业跨领域的数据融合，使数据应用变得更为全面[51]。然而，目前政府、企业和消费者对舆情数据的认识程度不高、利用程度不强，导致食品安全舆情数据的用户群不广泛，应用面狭窄及场景化应用不强。另外，国内在研究舆情回应方面还比较滞后，进行焦点、热点和敏感点分析的能力不足，对其他舆情利益相关者，例如微博、微信等新媒体传播平台考虑得还不充分。多数食品安全舆情研究仅从技术层面提供支持，在数据采集和数据处理环节的研究较多，对数据应用的技术导向和治理对策涉及较少，多以一般理论研究为主，相关应用性研究还不够丰富。

3.3.2研究进展针对舆情数据的应用领域，相关研究为政府构建了辅助决策支持系统；并基于政府监管行为设计出政务分析管理系统；为微博创建了网络可视化的舆情分析模型[52]。开发出食品安全多源数据采集、存储、管理、分析与应用于一体的食品安全大数据云平台，该平台在2015年为贵州成功处置了“食品中含有甲酸失实报道”事件，实现了政府、食品企业、消费者、媒体各主体信息的交融互通，推动了食品安全社会共治模式的快速发展[53]。食品安全舆情数据应用需要贯穿整个舆情演化过程，从而形成网络舆情的监测与预警、演化与发展、策略与方法，以帮助政府提高舆情反应力、引导力和控制力，推动企业提升企业响应力、公信力和信息透明度[54]。

3.3.3应对措施①舆情分析可视化展示。食品安全舆情监测系统建立舆情展示平台，将舆情发展趋势、群体分布走势和预警等级展示给用户群，形成了包括热点推荐、预警短信、预警邮件、舆情统计和专项事件分析报告等多种方式的舆情报告、历史舆情案列分析和舆情决策。

②事前、事中、事后的解决方案。结合专家意见和政府政策形成舆情事前、事中和事后的解决方案：事前发现风险，快速精准锁定舆情事件，及时提醒预警；事中分析事件，研究舆情走势，提供应急干预措施；事后总结处置，整合信息进行风险交流，制定事件舆论引改方案，辅助系统用户更好地决策。

③政府、企业和消费者三方的舆情事件管控。第一方面，政府能够根据舆情分析结果实时获取辖区内的舆情动态，以便及时分发给下级部门、辖区食品企业；针对个别生产经营主体、食品品类、风险指标重点监测、深入跟踪和处置。第二方面，企业通过舆情分析结果实现自治，能够获取同行业同类别的舆情动态，不断完善食品安全相关问题，增强规范化管理，以便提前化解食品安全风险；针对个别食品分类、风险指标重点关注、深度调查跟踪。第三方面，消费者根据舆情分析结果能够指导自身消费，规避问题和风险，了解舆情事件的整个过程，避免以偏概全的现象。

3.3.4发展趋势及挑战食品安全网络舆情治理是各政府部门、互联网企业、媒体、网民等相互协作的结果。因此，要想提高我国舆情事件的处理能力，降低舆情事件扩大的风险，在今后的发展中，政府亟需建立严谨的舆情预警体系，完善舆情监测系统，加快对国内食品安全舆情的案例分析，例如转基因食品舆情、野生动物食品舆情等；相关监管部门应尽快制定出切实有效的工作流程，从实践中总结经验，制定出健全的处置方案[55]；其他舆情事件利益相关者，应针对其在舆情形成和发展过程中的角色定位不同，在具体食品安全舆情事件上，给出不同的舆情引导措施，建构舆情应对路径。

针对数据采集、数据处理、数据应用三方面总结的问题，陶光灿等[56]改良设计了一种食品安全舆情监测方法及系统(图1)，研究科学有效的舆情监测方法，开发出政府、企业、社会公众三方可以共同参与、使用的食品安全网络舆情体系。通过TF-idf[57]公式计算出不同关键词的权重，将优化的文本数据通过特征量及其权重系数的形式进行描述，进而实现文本特征的量化描述[58]；根据计算出的分词权重获取各个优化文本数据的新闻相似度和关注度，结合两者对网络舆情信息进行重要性判定；依次进行多种方式的数据分析，如舆情分级、舆情事件处理分类、多维度分析、舆情群体分析、舆情处置分析、舆情预警分析和决策支持分析；得到舆情发展趋势、舆情群体分布走势和舆情预警等级的分析结果，最后根据分析结果提出政府、企业和消费者三方的风险管控措施，形成舆情补救机制。

图1 食品安全网络舆情监测逻辑

4 展望

4.1 预测预警降低食品安全风险发生率

在食品安全事件发生之前，舆情监测系统有效地预测了危害风险，降低了事故发生率，通过关联日常检查、监督抽检等数据，挖掘不同类型食品、不同食品企业的风险点和风险环节。通过系统分析网民对有关食品安全敏感话题的舆情倾向性，预测舆情的趋势走向，设置阈值判断某一事件的严重程度,从而划定风险等级进行预测预警[59]，实现早发现、早报告、早处理，最大限度地降低食品安全风险发生率。

4.2 监控监测实现监管工作高效性

在食品安全事件发展过程中，舆情监测系统有效地提高了用户的监控监管能力，运用网络实时抓取、实时分析的技术，搜集信息资料；结合不断迭代优化的分析算法和模型，识别出食品安全的网络舆情信息；通过研究事件发展态势、传播路径、以及舆情倾向，跟踪分析舆情事件的影响面和影响力[60]。并且，鉴于食品安全舆情事件用户多元化，不同用户对应的应用场景不同，舆情监测系统可自动配置相应的重点监测网站和重点监测词，实现关注即重点的高效监控监测。将监管总结为舆情信息收集、舆情信息筛选、跟踪分析与研判整改等几个步骤，最后形成事件分析报告，为舆情事件处置提供数据参考，解决突发事件于危时。

4.3 因地制宜地给出舆情处置方案

在食品安全事件发生之后，舆情监测系统根据关联分析，挖掘事件发生原因，追溯事件发生源头，同时结合舆情事件网络呼声，从目标对象、处置方式、处置流程等角度上形成处置方案。目前处置方式主要有技术准备、召开媒体会、媒体采访、组织相关部门和专家会商、形成案例报告等[60]。

食品安全舆情处置工作中，要因地制宜地采取合理有效的方法，例如积极开展心理疏导方面的工作，以缓解老百姓消费恐慌；及时公布食品安全事故的准确资讯，进行风险交流，获得最大限度理解和支持；积极树立食品安全监管部门的良好形象，及时辟谣虚假信息，建立起政府机关部门的威信，执法为民，勇于负责，保障食品安全[61]。