程 志

（福建省地震局，福州 350003）

據(jù)有關(guān)部門測算，一次廣泛的地震謠言事件所造成的損失，不亞于一次中等強度的地震。自 2008年汶川大地震以來，我國曾發(fā)生多起地震謠傳事件，每次都帶來了較大的社會危害。由于互聯(lián)網(wǎng)在信息傳播上的優(yōu)勢，互聯(lián)網(wǎng)媒體經(jīng)常是地震謠言的滋生源。特別是新出現(xiàn)的微博平臺，由于其極大降低了個體對社會發(fā)布和傳播信息的成本，它已成為最主要的網(wǎng)絡(luò)謠言傳播平臺。針對這種情況，本文提出一種面向新浪微博的地震謠言監(jiān)測系統(tǒng)，通過對該微博平臺的實時檢測，實現(xiàn)及時發(fā)現(xiàn)新出現(xiàn)的地震謠言的目的。

1 原理分析

微博地震謠言監(jiān)測系統(tǒng)的運行過程主要包括疑似謠言信息的捕捉、進一步甄別和告警3個步驟。

（1）疑似謠言信息的捕捉：由于新浪微博平臺提供了獨立的微博搜索引擎，通過它可以抓取含有指定關(guān)鍵字的微博內(nèi)容。因此，在此基礎(chǔ)上設(shè)計定制的網(wǎng)絡(luò)爬蟲程序定期對微博搜索引擎指定關(guān)鍵字頁面進行網(wǎng)頁數(shù)據(jù)挖掘，對照之前的挖掘記錄排除冗余結(jié)果即可獲得最新的疑似信息，疑似信息以XML格式提交給下一步驟。

（2）疑似信息的進一步甄別：使用干擾信息的過濾和高危信息匹配兩種策略相結(jié)合的方式實現(xiàn)甄別。干擾信息和高危信息均通過與知識庫匹配判定。知識庫里保存兩類信息特征，一是常見的干擾信息的特征，以分詞組形式保存，例如，以“地震”為關(guān)鍵字捕捉到的疑似信息里如果包含“官場地震”、“娛樂圈地震”等分詞，則判定為干擾信息予以排除；另一種是高危謠言的特征，以正則表達式的形式保存，以福州為例，如果疑似信息里一句話中按照先后順序包含“預(yù)測”，“福州”，“將發(fā)生”，“級地震”等詞，即可判定為是地震謠言。

（3）告警：系統(tǒng)接駁短信網(wǎng)關(guān)，發(fā)現(xiàn)地震謠言后將相關(guān)人員的手機發(fā)送告警短信。

2 系統(tǒng)結(jié)構(gòu)

系統(tǒng)主要由6個軟件模塊及配置文件、挖掘規(guī)則文件、知識庫（數(shù)據(jù)庫）構(gòu)成。①下載模塊：定時提交特定關(guān)鍵字對應(yīng)的URL提交給新浪微博搜索引擎，下載對應(yīng)的HTML頁面文件。下載的時間間隔和關(guān)鍵字列表記錄在配置文件中。②HTML解析器：將下載到的HTML文件解析成內(nèi)存中的數(shù)據(jù)對象。③HTML數(shù)據(jù)挖掘模塊：根據(jù)挖掘規(guī)則文件從HTML解析器生成的數(shù)據(jù)對象提取微博列表，包括每一條微博的發(fā)布者名稱，帳號，微博正文等信息，并保存至一個XML對象中。挖掘規(guī)則文件記錄了下載到的HTML頁面中關(guān)鍵的HTML元素與要生成的XML對象中的元素的映射關(guān)系。④干擾信息過濾模塊：分析HTML數(shù)據(jù)挖掘模塊生成的XML中的微博條目，根據(jù)分詞庫獲得微博正文包含的分詞集，與知識庫中常見干擾信息包含的分詞進行匹配從而過濾干擾信息。⑤高危信息檢測模塊：將經(jīng)干擾信息過濾模塊處理后的XML對象中的微博正文進行分句，將分句與知識庫中高危信息的正則表達式進行匹配，產(chǎn)生判定結(jié)果提交給報警模塊。⑥報警模塊：編輯報警信息，并發(fā)送給配置文件中記錄的手機號碼。該模塊一端接駁短信網(wǎng)關(guān)API，另一端對高危信息檢測模塊提供寫入接口。

系統(tǒng)程序部分使用Visual C#語言編寫，數(shù)據(jù)庫為My SQL，使用開源的HTML Parser組件作為HTML解析器。另外，在我局之前為其他項目開發(fā)的HTML頁面數(shù)據(jù)挖掘組件XBPicker中的大部分代碼被復(fù)用至本系統(tǒng)中HTML數(shù)據(jù)挖掘模塊中。

3 結(jié)論

2012年3月至4月間，系統(tǒng)累計試運行了20天，設(shè)定的監(jiān)控地區(qū)為福建，系統(tǒng)共捕捉到65條謠言信息，其中僅一條為誤報警。該系統(tǒng)首次實現(xiàn)了對新浪微博平臺的地震謠言監(jiān)測功能，具有首創(chuàng)意義。系統(tǒng)具有簡單易用，檢測精度較高，實時性好的特點，將地震謠言被發(fā)布至被檢測到的時間間隔縮短到幾分鐘以內(nèi)，具有較高的實用價值。