亚洲免费av电影一区二区三区,日韩爱爱视频,51精品视频一区二区三区,91视频爱爱,日韩欧美在线播放视频,中文字幕少妇AV,亚洲电影中文字幕,久久久久亚洲av成人网址,久久综合视频网站,国产在线不卡免费播放

        ?

        基于本體關(guān)系的群體事件網(wǎng)絡(luò)關(guān)注度影響因素?cái)?shù)據(jù)挖掘研究

        2018-10-19 12:35:30鞏曉敏沈惠璋鄧莎莎
        上海管理科學(xué) 2018年5期
        關(guān)鍵詞:傷亡人數(shù)關(guān)注度群體性

        鞏曉敏 沈惠璋 鄧莎莎

        (1.上海交通大學(xué) 安泰經(jīng)濟(jì)與管理學(xué)院,上海 200030;2.上海外國語大學(xué) 國際工商管理學(xué)院,上海 200083)

        1 群體事件網(wǎng)絡(luò)關(guān)注度影響因素的選取

        1.1 群體事件的特征提取

        一般而言,在突發(fā)性的危機(jī)事件中,會(huì)采用一種叫作元本體EMM的模型,本文就是基于該模型展開相關(guān)研究的。在研究中,本體庫的核心內(nèi)容則是群體性事件。該事件又被分為三個(gè)方面的內(nèi)容,分別是群體事件所處的狀態(tài)、決策以及產(chǎn)生的效果等。這三部分,又能被細(xì)分為事件的基本信息、過程信息和結(jié)果信息等。

        (1)事件的基本信息。在本文的研究中,決策變量為事件中的四個(gè)基本屬性,分別為事件所發(fā)生的時(shí)間、地點(diǎn)、類型以及受到事件影響的人數(shù)。

        事件的類型:對(duì)于群體性事件而言,其類型和覆蓋的范圍都很大,種類也不一而足。而且,各種不同類型的群體性事件,其發(fā)生的原因、發(fā)展的階段和經(jīng)過,以及最終導(dǎo)致的后果,也互有差異。鑒于此,這些事件能夠吸引到的群體也千差萬別,引起的網(wǎng)絡(luò)關(guān)注度也各有高低。

        事件的發(fā)生地點(diǎn):相比于世界上其他國家,我國幅員遼闊,人口眾多,各地區(qū)人口數(shù)量和分布,素質(zhì)和文化區(qū)別很大。所以,群體性事件也會(huì)隨著地區(qū)的差異而有所變化,比如事件發(fā)展的經(jīng)過、與之相對(duì)應(yīng)的解決方案,等等。換言之,群體事件如果發(fā)生在不同地區(qū),其引起的網(wǎng)絡(luò)關(guān)注程度也會(huì)因?yàn)榈貐^(qū)的差異而發(fā)生一定的變化。

        事件的發(fā)生時(shí)間:對(duì)群體性事件而言,其發(fā)生的時(shí)間也會(huì)在一定程度上影響該事件的網(wǎng)絡(luò)關(guān)注度。比如,如果一起群體性事件如果發(fā)生在周末,那么該事件所能引起的網(wǎng)絡(luò)關(guān)注度就會(huì)較高,而且參與該事件的人數(shù)也會(huì)較多。但是,如果該事件發(fā)生在工作日內(nèi),那么關(guān)注該事件的人就會(huì)少一點(diǎn),參與的人數(shù)也不會(huì)很多。同樣,如果群體性事件發(fā)生在白天,其受到的網(wǎng)絡(luò)關(guān)注度跟發(fā)生在晚上所受到的網(wǎng)絡(luò)關(guān)注度也互有差異。

        受到影響的人數(shù):在群體性事件中,圍觀者等也對(duì)群體性事件的進(jìn)程產(chǎn)生了顯著的影響。譬如,圍觀者越多,受影響的人數(shù)也就越多,那么和群體性事件相關(guān)的信息就會(huì)被更廣泛、迅速地傳播開,從而對(duì)網(wǎng)絡(luò)關(guān)注度產(chǎn)生相當(dāng)?shù)挠绊憽?/p>

        (2)在事件的過程信息中,本文選用的關(guān)鍵變量是群體性事件所能持續(xù)的時(shí)間。

        事件的持續(xù)時(shí)間:一般而言,如果群體性事件的持續(xù)時(shí)間很長,那么網(wǎng)民們的猜測(cè)不僅會(huì)增多,還會(huì)失控,甚至產(chǎn)生各種各樣的謠言。由此可見,對(duì)于網(wǎng)絡(luò)關(guān)注度,事件的持續(xù)時(shí)間也起到了一定的作用。

        事件解決的方案:在大部分的群體性事件中,研究發(fā)現(xiàn)如果對(duì)群體性事件應(yīng)對(duì)不當(dāng),比如采用的解決方案不積極、回避問題,甚至增加沖突等,不僅不能平息事件,反倒會(huì)激起更大的反彈,讓群體行為變得更加惡性。與此用時(shí),在解決群體性事件時(shí),網(wǎng)民往往對(duì)解決方所持的態(tài)度,以及采用的解決方案,都極為看重。

        (3)事件的結(jié)果信息:在本文中,研究所選取的主要變量為傷亡人數(shù),依此對(duì)群體性事件所導(dǎo)致的后果進(jìn)行評(píng)定。

        事件的傷亡人數(shù):在任何一起群體性事件中,其導(dǎo)致的結(jié)果,最直觀的表現(xiàn)就是事件中所產(chǎn)生的傷亡人數(shù)。在一些研究中,通過研究和分析網(wǎng)民們的心理??梢园l(fā)現(xiàn),傷亡人數(shù)越多,會(huì)吸引更多的網(wǎng)友關(guān)注事件進(jìn)程并參與討論。

        1.2 群體事件網(wǎng)絡(luò)關(guān)注度的計(jì)算

        本文主要從三個(gè)方面對(duì)群體性事件所引起的網(wǎng)絡(luò)關(guān)注度展開了相關(guān)的衡量和評(píng)價(jià)。這三個(gè)方面分別為群體性事件所引起的新聞數(shù)量、評(píng)論數(shù)量和參與的人數(shù)。但是,對(duì)這三個(gè)方面的相關(guān)數(shù)據(jù)進(jìn)行統(tǒng)計(jì)時(shí),它們各自的數(shù)量級(jí)和要用到的界面,不僅差異大,而且各不相同。因此,在進(jìn)行統(tǒng)計(jì)運(yùn)算前,要先對(duì)各個(gè)數(shù)據(jù)展開標(biāo)準(zhǔn)化變換,接著對(duì)它們進(jìn)行權(quán)重的平均分配,最后再開展相關(guān)計(jì)算。在群體性事件的網(wǎng)絡(luò)關(guān)注度方面,經(jīng)常采用的量化方案如下所示:

        群體事件網(wǎng)絡(luò)關(guān)注度=(新聞媒體關(guān)注度+網(wǎng)絡(luò)參與關(guān)注度+網(wǎng)絡(luò)評(píng)論關(guān)注度)/3

        (1)新聞數(shù)量:在網(wǎng)上,網(wǎng)絡(luò)新聞媒體對(duì)于群體事件的關(guān)注,可通過和群體性事件相關(guān)的新聞報(bào)導(dǎo)數(shù)量直接或間接地表現(xiàn)出來。其計(jì)算公式如下所示:

        某事件的新聞媒體關(guān)注度=(原始數(shù)據(jù)-min{新聞數(shù)量})/(max{新聞數(shù)量}-min{新聞數(shù)量}

        圖1 群體事件網(wǎng)絡(luò)關(guān)注度及其影響因素結(jié)構(gòu)

        (2)新聞評(píng)論數(shù):該條意思是指,新聞網(wǎng)頁上對(duì)新聞進(jìn)行評(píng)論的人數(shù)之和。通常,該人數(shù)之和可以反映出網(wǎng)民對(duì)某事件的關(guān)注程度。其計(jì)算公式如下所示:

        某事件網(wǎng)絡(luò)評(píng)論關(guān)注度=(原始數(shù)據(jù)-min{網(wǎng)絡(luò)評(píng)論數(shù)量})/(max{網(wǎng)絡(luò)評(píng)論數(shù)量}-min{網(wǎng)絡(luò)評(píng)論數(shù)量}

        (3)新聞參與人數(shù):所謂的新聞參與人數(shù)是指,有一些網(wǎng)民不會(huì)留言對(duì)事件進(jìn)行評(píng)論,他們更樂于觀看其他網(wǎng)民的評(píng)論,所以,這些只觀看不留言的網(wǎng)民,也是一種能夠觀察到的變量。其計(jì)算公式如下所示:

        某事件網(wǎng)絡(luò)參與關(guān)注度=(原始數(shù)據(jù)-min{網(wǎng)絡(luò)新聞參與人數(shù)})/(max{網(wǎng)絡(luò)新聞參與人數(shù)}-min{網(wǎng)絡(luò)新聞參與人數(shù)}

        2 基于本體關(guān)系的ID3算法描述

        2.1 基于本體關(guān)系的數(shù)據(jù)挖掘算法研究

        利用屬性的本體關(guān)系進(jìn)行分類的算法已有不少,大體上主要有建立本體規(guī)則的方法和對(duì)屬性值分類的方法。本文所采用的方法是借鑒Zhang Jun的利用本體關(guān)系進(jìn)行分類思想的基礎(chǔ)上,與ID3算法相結(jié)合的方法。

        2.1.1 算法的優(yōu)點(diǎn)

        傳統(tǒng)的決策樹算法主要通過數(shù)據(jù)庫二維表對(duì)群體事件案例進(jìn)行表示,語義表達(dá)能力較弱,同時(shí)每個(gè)變量實(shí)例都最終會(huì)產(chǎn)生一個(gè)節(jié)點(diǎn),形成的決策樹規(guī)模大,復(fù)雜性高,不便于理解和操作。

        基于本體的決策樹算法通過對(duì)本體的運(yùn)用,首先能夠增強(qiáng)群體事件案例的語義表達(dá)能力,提升決策樹檢索和分類的有效程度。其次,用決策樹表示更加簡單,容易理解,同時(shí)在分類方面更加精確、可信。分析和統(tǒng)計(jì)有限的數(shù)據(jù)時(shí),從具體數(shù)據(jù)層面入手的方式,并沒有從抽象概念層面入手的方式顯得準(zhǔn)確和可靠。最后,基于本體的決策樹算法還為解決數(shù)據(jù)挖掘中的過度擬合現(xiàn)象提供了一個(gè)新的解決思路。

        2.1.2 算法描述

        第一步:構(gòu)建測(cè)試屬性本體。

        第二步:依次構(gòu)建各測(cè)試屬性的本體關(guān)系。

        第三步:頻數(shù)統(tǒng)計(jì)。

        (1)按照詞頻進(jìn)行統(tǒng)計(jì);

        (2)自下而上,將子節(jié)點(diǎn)的頻數(shù)加到父節(jié)點(diǎn)上;

        (3)自上而下,將抽象節(jié)點(diǎn)的頻數(shù)按照子節(jié)點(diǎn)分布規(guī)律分配到子節(jié)點(diǎn)上;

        第四步:生成決策樹。

        (1)構(gòu)造向量p,p向量的各分量指向各屬性的一個(gè)節(jié)點(diǎn);

        (2)計(jì)算p向量所指的屬性的熵增,將最大信息熵增p分量作為決策屬性;

        (3)構(gòu)造P向量組,由決策屬性的子節(jié)點(diǎn)代替p向量中的父節(jié)點(diǎn),形成新的p向量;

        (4)循環(huán)以上三步,直至p向量分項(xiàng)值均為空。

        2.1.3 算法實(shí)現(xiàn)

        算法實(shí)現(xiàn)通過.NET平臺(tái)的進(jìn)行開發(fā),運(yùn)用的C#語言實(shí)現(xiàn)了基本算法功能。

        2.2 群體事件特征本體的構(gòu)建

        本研究采用的算法是一種基于本體的ID3算法,該算法要求對(duì)上述群體事件中所選取的特征建立起各自相應(yīng)的領(lǐng)域本體。同時(shí),還要對(duì)本體領(lǐng)域中存在的知識(shí)結(jié)構(gòu)進(jìn)行相當(dāng)程度的考量,然后再對(duì)群體事件中的七個(gè)特征做如下的本體表述:

        (1)事件的類型:我國的群體性事件,按發(fā)生的起因和所在的領(lǐng)域,可以具體地被劃分為下列十種類型:一、公共衛(wèi)生事件引發(fā)的群體行為;二、公關(guān)管理與執(zhí)法不公沖突引發(fā)的群體行為;三、勞資沖突引發(fā)的群體行為;四、人為事故災(zāi)害引發(fā)的群體行為;五、社會(huì)安全事件引發(fā)的群體行為;六、征地拆遷沖突引發(fā)的群體行為;七、資源與環(huán)境沖突引發(fā)的群體行為;八、自然災(zāi)害引發(fā)的群體行為;九、族群矛盾與境外勢(shì)力沖突引發(fā)的群體行為;十、以網(wǎng)絡(luò)與微博為載體的群體行為。上述分類較為詳細(xì),包容面廣,在案例信息的搜集和整理方面能起到很大的貢獻(xiàn)。具體見圖2。

        (2)事件的發(fā)生地點(diǎn):本文主要對(duì)我國境內(nèi)發(fā)生的群體性事件進(jìn)行研究,并著重于它們的一般特征。所以,在事件的發(fā)生地點(diǎn)上,本研究構(gòu)建了一種具有三層結(jié)構(gòu)的繼承關(guān)系。比如,先按照地域,如東北、西北、西南、華中、華北、華南、華東、華西等,將群體性事件的發(fā)生地點(diǎn)劃分為四大類型;接著,再根據(jù)地域所在的省市細(xì)分這四大類型,最終獲得本體。

        (3)事件發(fā)生的時(shí)間:根據(jù)群體性事件中參與的人數(shù)特點(diǎn),以及該特點(diǎn)在事件進(jìn)程各時(shí)間段的不同表現(xiàn),還對(duì)群體傳播中時(shí)間所發(fā)揮的影響展開了相關(guān)分析。在本文中,研究者為事件發(fā)生的時(shí)間構(gòu)建了具有三層結(jié)構(gòu)的繼承關(guān)系,這是一種本體結(jié)構(gòu)。該本體的構(gòu)建分為兩個(gè)步驟:第一,根據(jù)工作日和非工作日對(duì)群體事件進(jìn)行劃分;第二,基于白天和黑夜兩個(gè)時(shí)段中群體性事件的不同特點(diǎn),對(duì)事件進(jìn)行更加詳細(xì)的分類,如非工作日白天、非工作日夜晚、工作日白天、工作日夜晚。具體見圖3。

        圖3 事件發(fā)生時(shí)間的本體關(guān)系分解

        (4)事故解決方采取的解決方案:根據(jù)事故解決方對(duì)群體性事件所采取的解決態(tài)度,解決方案可以被劃分為兩種類型,即主動(dòng)反應(yīng)和被動(dòng)反應(yīng)。其中,主動(dòng)反應(yīng)又可以依據(jù)案例分析的結(jié)論,具體細(xì)分為8種類型的解決方案,分別為:包庇既得利益者、執(zhí)法不當(dāng)、不當(dāng)言論、武力威懾、對(duì)抗、封鎖消息、調(diào)解疏導(dǎo)、協(xié)商解決。而被動(dòng)反應(yīng)又能被細(xì)分為下述5種行為,分別為:敷衍民眾、故意拖延、反應(yīng)遲鈍、無作為、直接妥協(xié)。鑒于此,所獲得的事故解決方之繼承本體應(yīng)如下述內(nèi)容,見圖4。

        圖4 事故解決方的措施本體關(guān)系分解

        (5)事件的持續(xù)時(shí)間:群體性事件引起的網(wǎng)絡(luò)關(guān)注度,受到該事件持續(xù)時(shí)間的顯著影響。本研究中,群體性事件只是簡單地根據(jù)事件的持續(xù)時(shí)間被劃分為三個(gè)類別,分別為:“<1天”“>7天”和“1~7天”。

        (6)事件中的傷亡人數(shù):根據(jù)全部群體性事件中傷亡的人數(shù)展開數(shù)字排序,把前面三分之一的傷亡人數(shù)定義為“大”,后面三分之一的傷亡人數(shù)定義為“小”,中間三分之一的傷亡人數(shù)定義為“中”。通過這樣的劃分,構(gòu)建起一種具有兩層結(jié)構(gòu)的繼承關(guān)系本體。

        (7)受影響的人數(shù):根據(jù)全部的群體性事件案例中受到影響的人數(shù)展開數(shù)字排序,把前面受影響人數(shù)的三分之一定義為“多”,后面的三分之一定義為“少”,中間的三分之一定義為“中”。通過這樣的分類,構(gòu)建起一種適用于受影響人數(shù)的具有兩層結(jié)構(gòu)的繼承關(guān)系本體。

        3 實(shí)驗(yàn)與分析

        本實(shí)驗(yàn)共搜集有效案例612個(gè),其中80%的案例作為訓(xùn)練集,通過對(duì)原始數(shù)據(jù)的訓(xùn)練,獲得初始決策樹;另外20%的案例作為測(cè)試集,通過測(cè)試判別決策樹的有效程度。

        3.1 原始數(shù)據(jù)的搜集

        通過查閱相關(guān)數(shù)據(jù)和統(tǒng)計(jì),在我國,每天有超過五百起群體性事件發(fā)生,給人民群眾的財(cái)產(chǎn)帶去了巨大的損失。而且,這種群體事件有逐年上升的趨勢(shì),從最初的幾萬起,到現(xiàn)在的二十多萬起,嚴(yán)重影響了社會(huì)的正常生活和生產(chǎn)秩序。本文所做的研究,案例、素材均取自互聯(lián)網(wǎng),共收集和整理了2011—2013年,三年間的我國各類群體事件案例共計(jì)612起。新聞報(bào)道也主要取自六家既能發(fā)布新聞?dòng)帜茏尵W(wǎng)民對(duì)新聞進(jìn)行互動(dòng)評(píng)論的網(wǎng)站,比如騰訊新聞、鳳凰資訊、新浪新聞、網(wǎng)易新聞、人民網(wǎng)和中國新聞網(wǎng)。本文案例中,所引用的基礎(chǔ)數(shù)據(jù)如表1所示。

        表1 群體事件部分案例庫

        3.2 構(gòu)建決策樹

        基于上述分析和本體的ID3算法,本文對(duì)決策樹進(jìn)行了構(gòu)建。其中,選擇群體性事件的七個(gè)變量,比如事件發(fā)生的類型、時(shí)間、地點(diǎn),事件所持續(xù)的時(shí)間、受到事件影響的人數(shù)、出現(xiàn)的傷亡人數(shù),以及解決方所采取的解決方案等,作為測(cè)試變量。同時(shí),又將群體性事件所引起的網(wǎng)絡(luò)關(guān)注度當(dāng)作分類變量,從而使用改進(jìn)后的決策樹算法展開相關(guān)計(jì)算。本文研究中構(gòu)造的決策樹模型,正如圖5所示。

        圖5 群體事件網(wǎng)絡(luò)關(guān)注度分類樹

        3.3 分類規(guī)則

        根據(jù)決策樹生成的分類規(guī)則得到:

        (1)IF受影響人數(shù)=“多”and傷亡人數(shù)=“多”THEN網(wǎng)絡(luò)關(guān)注度=“高”

        (2)IF受影響人數(shù)=“多”and傷亡人數(shù)=“中”THEN網(wǎng)絡(luò)關(guān)注度=“中”

        (3)IF受影響人數(shù)=“多”and傷亡人數(shù)=“低”and發(fā)生時(shí)間=“工作日”THEN網(wǎng)絡(luò)關(guān)注度=“中”

        (4)IF受影響人數(shù)=“多”and傷亡人數(shù)=“低”and發(fā)生時(shí)間=“非工作日”THEN網(wǎng)絡(luò)關(guān)注度=“低”

        (5)IF受影響人數(shù)=“中”and事件類型=“公共管理與執(zhí)法不公”THEN網(wǎng)絡(luò)關(guān)注度=“中”

        (6)IF受影響人數(shù)=“中”and事件類型=“公共衛(wèi)生事件”THEN網(wǎng)絡(luò)關(guān)注度=“中”

        (7)IF受影響人數(shù)=“中”and事件類型=“以網(wǎng)絡(luò)與微博為載體的群體事件”THEN網(wǎng)絡(luò)關(guān)注度=“中”

        (8)IF受影響人數(shù)=“中”and事件類型=“其他類型”and事故解決方的措施=“協(xié)商解決”THEN網(wǎng)絡(luò)關(guān)注度=“低”

        (9)IF受影響人數(shù)=“中”and事件類型=“其他類型”and事故解決方的措施=“武力對(duì)抗”THEN網(wǎng)絡(luò)關(guān)注度=“高”

        (10)IF受影響人數(shù)=“少”and事件持續(xù)時(shí)間=“<1天”THEN網(wǎng)絡(luò)關(guān)注度=“中”

        (11)IF受影響人數(shù)=“少”and事件持續(xù)時(shí)間=“1~7天”THEN網(wǎng)絡(luò)關(guān)注度=“少”

        3.4 數(shù)據(jù)檢驗(yàn)

        我們將獲得的612份數(shù)據(jù)分為10份,然后將其中9份的數(shù)據(jù)作為訓(xùn)練集,還有一份作為測(cè)試集。具體來說,9個(gè)訓(xùn)練集共擁有540個(gè)案例,測(cè)試集內(nèi)有62個(gè)案例。使用交叉驗(yàn)證法對(duì)數(shù)據(jù)集分別進(jìn)行10次驗(yàn)證,最終得到表2所示的基于決策樹的驗(yàn)證準(zhǔn)確率,并以此對(duì)算法的精度進(jìn)行估算,得到表2所示的對(duì)決策樹效果的校驗(yàn)結(jié)論。

        表2 10次交叉驗(yàn)證結(jié)果

        由表2我們可知,此分類樹的查準(zhǔn)率較高,為88.78%,預(yù)測(cè)準(zhǔn)確性很高,能夠作為參考依據(jù)。

        3.5 實(shí)驗(yàn)結(jié)果分析

        本文通過群體事件網(wǎng)絡(luò)關(guān)注度的分類規(guī)則深入了解群體事件網(wǎng)絡(luò)關(guān)注的驅(qū)動(dòng)因素,為群體事件的治理提出了可行性建議?;谝陨蠜Q策規(guī)則,總結(jié)群體事件網(wǎng)絡(luò)關(guān)注度影響因素的規(guī)律:

        (1)受影響人數(shù)是群體事件網(wǎng)絡(luò)關(guān)注度的主要影響因素之一,隨著受影響人數(shù)的增加,群體事件網(wǎng)絡(luò)關(guān)注度普遍升高。因此,建議在處理群體事件的過程中,相關(guān)單位需要憂患意識(shí),在群體事件集化程度較低時(shí)妥善處置,避免事件影響范圍擴(kuò)大。

        (2)與非工作日相比,工作日發(fā)生的群體事件的網(wǎng)絡(luò)關(guān)注度普遍偏低。因此,對(duì)于非工作日組織或自發(fā)的群體行為要重視并做好引導(dǎo)和協(xié)調(diào)工作,避免事態(tài)的擴(kuò)大升級(jí)。

        (3)對(duì)于參與人數(shù)達(dá)到100~1 000人的,即受影響人數(shù)中等的,對(duì)于不同類型的事件需要采用不同的處置措施。從決策樹規(guī)則可以看出,對(duì)于勞資糾紛、征地拆遷沖突等事件,采用武力解決會(huì)對(duì)群體事件網(wǎng)絡(luò)關(guān)注度產(chǎn)生促進(jìn)作用,吸引媒體和公眾的關(guān)注,未來在群體事件治理過程中,建議采用協(xié)商解決的方式積極表態(tài)和處理,避免直接沖突。

        (4)對(duì)于受影響人數(shù)低于100人的,側(cè)重于觀察事件的持續(xù)時(shí)間,建議在應(yīng)對(duì)群體事件的過程中,盡量能夠在一周內(nèi)解決群體事件產(chǎn)生的最尖銳矛盾,將群體事件帶來的危害降到最低。

        4 結(jié)論

        綜上所述,本文的成果和進(jìn)一步展望如下:

        (1)傳統(tǒng)數(shù)據(jù)挖掘方法語義表達(dá)能力較弱,基于本體的數(shù)據(jù)挖掘算法在傳統(tǒng)算法的基礎(chǔ)上增強(qiáng)了語義表達(dá)能力,生成的決策樹更加精簡,具有更高的檢索效率。

        (2)得到群體性事件所引起的網(wǎng)絡(luò)關(guān)注度、群體性事件特點(diǎn)的分類規(guī)則,并對(duì)以后預(yù)警群體性事件和對(duì)群體性事件進(jìn)行有效決策,提供了充足的數(shù)據(jù)支持。

        (3)未來可以建立群體事件案例決策支持系統(tǒng),案例的數(shù)量可以通過滾動(dòng)式的積累進(jìn)行進(jìn)一步拓展和補(bǔ)充。

        猜你喜歡
        傷亡人數(shù)關(guān)注度群體性
        沙基慘案傷亡人數(shù)考辨
        紅廣角(2020年4期)2020-11-02 02:45:15
        雄安新區(qū)媒體關(guān)注度
        全國兩會(huì)媒體關(guān)注度
        暴力老媽
        密切黨群關(guān)系在群體性事件治理中的作用及途徑
        “王者”泛海發(fā)布會(huì)聚焦百萬關(guān)注度
        談涉警網(wǎng)絡(luò)群體性事件的應(yīng)對(duì)之策
        新聞傳播(2015年21期)2015-07-18 11:14:21
        論網(wǎng)絡(luò)與群體性事件
        2012年上半年群體性事件分析報(bào)告
        閱讀理解兩則
        国产午夜福利短视频| 日本一区二区三区人妻| 中文人妻熟女乱又乱精品| 国产精品久久久久久久免费看| 男人的天堂在线无码视频| 五月激情婷婷丁香| 一区二区高清视频在线观看| 性色av色香蕉一区二区蜜桃| 亚洲性无码一区二区三区| 日本少妇被黑人xxxxx| 日本丶国产丶欧美色综合| 日日躁欧美老妇| 色播视频在线观看麻豆| 欧美xxxxx高潮喷水麻豆| 色五月丁香五月综合五月4438| 粗了大了 整进去好爽视频| 色偷偷女人的天堂亚洲网| 91九色播放在线观看| 国产激情综合在线观看| 手机看片久久国产免费| 按摩女内射少妇一二三区| 国产色视频一区二区三区不卡 | 一区二区三区乱码专区| 先锋中文字幕在线资源| 久久精品国产亚洲av瑜伽| 日本一区二区三区的免费视频观看| 国产三级黄色免费网站| 97精品一区二区视频在线观看| 无码熟妇人妻AV影音先锋| 中文亚洲第一av一区二区| 中文字幕亚洲无线码在线一区| 无码熟妇人妻av在线影片| www.av在线.com| 久久久精品人妻一区二区三区游戏 | 一区二区三区国产亚洲网站 | 中文字幕乱码高清完整版| 好爽…又高潮了毛片免费看 | 精品少妇大屁股白浆无码| 91精品蜜桃熟女一区二区| 亚洲av无码乱码在线观看性色| 富婆如狼似虎找黑人老外|