徐 可，蓋文妹，鄧云峰

(1.中國地質(zhì)大學(xué)(北京) 工程技術(shù)學(xué)院，北京 100083；2. 中共中央黨校(國家行政學(xué)院)，北京 100089)

0 引言

近年來，各種突發(fā)事件頻繁發(fā)生，給人類社會造成了嚴(yán)重的傷亡、損失和惡劣的影響[1]。作為應(yīng)急管理的“大腦”，應(yīng)急決策是應(yīng)急管理過程至關(guān)重要的一環(huán)。同時，這種決策大多發(fā)生在各級指揮部的小范圍內(nèi)，在極少數(shù)情況下就由指揮部的核心成員甚至就是最高首長臨機決斷決策[2]，這些決策往往通過決策文本的各種形式下發(fā)，通過對決策主體所制定決策文本的研究分析，就能較好地把握決策主體對相關(guān)形勢的判斷、態(tài)度以及接下來工作方向的指導(dǎo)和偏好。

對于危機情境下的高層決策文本分析，國內(nèi)外對此的研究不多。國內(nèi)外的研究主要集中在制度文本分析的方法與理論框架，如Yamashiro, Daniel K.M.分析了在國家危機時期宗教對美國總統(tǒng)外交政策決策的影響[3]；美國國家總評估辦公室 (The U.S.A General Accountability Office,GAO) 提出的內(nèi)容分析法這種定性分析方法[4]，以及國內(nèi)很多學(xué)者提出的制度文本分析框架[5-6]?？傮w來講，有關(guān)制度文本分析的研究已有大量文獻(xiàn)，但針對危機情境下高層決策文本分析的研究文獻(xiàn)相對較少，已有的文獻(xiàn)大部分是關(guān)于重大事件決策的影響因素的研究[7-8]，也有文獻(xiàn)對突發(fā)事件中的相似度計算進(jìn)行了相關(guān)論述，但主要是集中在突發(fā)事件的匹配度，通過將突發(fā)事件的文本視為各種屬性的集合，并通過基于語義詞典以及句子依存結(jié)構(gòu)計算突發(fā)事件框架的相似度[1]。這種框架更適合于標(biāo)準(zhǔn)化的表述文本形式，對于高層應(yīng)急決策文本中簡略的口語化表達(dá)過于復(fù)雜，同時框架中的“事件基本屬性”、“承災(zāi)載體”、“應(yīng)急管理”、“次生衍生災(zāi)害”4個子集合也不太適用于高層應(yīng)急決策文本。關(guān)于文本相似度方面的研究，主要是將非結(jié)構(gòu)化的文本形式轉(zhuǎn)化為結(jié)構(gòu)化形式。如Salton等提出的基于統(tǒng)計學(xué)方法的向量空間模型(VSM)[9]，雖然VSM結(jié)構(gòu)簡單，但它是基于文本中的特征詞頻數(shù)統(tǒng)計計算的相似度[10]，并沒有考慮特征詞的位置關(guān)系，對于高層應(yīng)急決策文本的相似度分析來說過于片面。同時，也有學(xué)者基于自然語言處理進(jìn)行了相似度方面的研究，如Hofmann,Thomas引入潛在類變量來提高相似度計算的精度[11]；Emesto等通過對指定本體概念派生出的類使用聚類的方法進(jìn)行語義消歧[12]。

本文針對危機情景下高層決策文本特征分析中的相似度計算問題，通過歧義消除、同近義合并、編碼的方法將非結(jié)構(gòu)化的決策文本轉(zhuǎn)化為結(jié)構(gòu)化的字符串形式，同時根據(jù)決策文本的特點細(xì)化其主題詞分級，并運用序列比對中最長公共子序列模型(LCS)的理論及方法，綜合考慮字符匹配度以及字符順序來計算決策序列對的相似度，將決策樣本的聚類分析轉(zhuǎn)化為求解決策序列之間的相似性問題，建立了高層應(yīng)急決策文本相似性比對分析模型，定量化序列之間的差異性；用Needleman-Wunsch算法求解該模型，并通過實例檢驗了模型的有效性和可行性，研究結(jié)果可為高層應(yīng)急決策文本分析研究提供參考和借鑒。

1 問題描訴與模型建立

1.1 問題提出

應(yīng)急決策文本，不同于一般的政策工具，其可能是1項通知、1則公告或者幾行命令。它是承載了決策主體在不確定條件下對各種意外事態(tài)進(jìn)行研判并采取應(yīng)急處置措施的文本。為了應(yīng)對突發(fā)事件，決策主體根據(jù)經(jīng)驗、知識、能力等提出自己認(rèn)為正確的“任務(wù)”或“行動”，由于突發(fā)事件的復(fù)雜性，這些應(yīng)對措施往往不是唯一的，所以這些決策文本的內(nèi)容往往是多主題的。當(dāng)我們對這些決策文本進(jìn)行主題詞提取、整合，就會得到該決策文本所特有的決策序列，如圖1。當(dāng)處于同一危機情境下，如何對這些序列進(jìn)行聚類分析進(jìn)而得到?jīng)Q策主體的決策行為特征就是本文研究的問題。

圖1 決策序列示意Fig.1 Schematic diagram of decision-making sequence

1.2 變量及名詞定義

最長公共子序列模型(LCS)是由Wagner和Fisher在20世紀(jì)70年代提出的一種較為基礎(chǔ)的算法，其主要用途是查找2個序列之間的最長公共子序列[1]。這種算法一經(jīng)提出就廣泛應(yīng)用于生物信息學(xué)，對于發(fā)現(xiàn)核酸和蛋白質(zhì)序列上的功能、結(jié)構(gòu)和進(jìn)化的信息具有非常重要的意義[13]。對于高層應(yīng)急決策序列對，可以通過得到序列對之間的相似性分值來對樣本進(jìn)行聚類分析，進(jìn)而研究各類之間的區(qū)別及聯(lián)系，由此，序列比對時應(yīng)該考慮的內(nèi)容就在于決策內(nèi)容和決策順序。決策內(nèi)容本質(zhì)上是決策主體從應(yīng)對特定突發(fā)事件的各種措施的大集合中挑選出滿足自身要求、各種任務(wù)部署的小集合，而決策順序則代表了決策主體對這些任務(wù)部署的優(yōu)先級的確定。各變量及名詞定義如下。

1)主題詞：用以表達(dá)決策文本主題的詞匯，具有概念化和規(guī)范化的特征。主題詞來源于樣本數(shù)據(jù)，1個主題詞的來源可能是多個樣本，比如：“全力加強人員搜救，這是第一位的工作”與“全力以赴開展人員搜救”這2句的主題詞都可以為“人員搜救”。同時，根據(jù)決策文本的特點，從執(zhí)行層面上大致分為2級：目標(biāo)和行動，并且后者屬于前者，1個目標(biāo)可以有很多活動或者沒有活動。

2)編碼號：連接序列和決策文本的中間元素。既是決策序列的組成部分，又一一對應(yīng)決策文本中的主題詞。

3)設(shè)序列S記為S=s1s2s3…sx，序列T記為T=t1t2t3…ty。用Si和Tj分別表示序列S的第i個編碼號和序列T的第j個編碼號。

4)在整個樣本數(shù)據(jù)中，m是目標(biāo)級別編碼的數(shù)量，n是各目標(biāo)級別所含行動級別編碼的數(shù)量。

5)置換得分ωij：Si與Tj的相似性分值。

6)相似性計分矩陣：基于置換得分得到的打分矩陣。

7)空位罰分Q：序列比對時，加入空位時的相似性罰分。在這里，Q=G×num。G表示1個空位設(shè)置的罰分；num表示序列比對中所設(shè)置的空位數(shù)目。

8)相似性分值F：2序列比對得到的相似性得分。目標(biāo)函數(shù)為：

(1)

1.3 模型建立

基于以上變量及名詞定義，以2序列比對的相似性分值最大為優(yōu)化目標(biāo)，建立高層應(yīng)急決策文本相似性比對分析模型，如式(2)～(4)所示，其中，式(3)代表了相似性計分矩陣的取值，表示不同的替換情況的替換得分。

(2)

(3)

Q=G×num

(4)

2 模型的求解算法

Needleman-Wunsch算法是基于動態(tài)規(guī)劃的全局比對算法[14]。算法的基本思想為：使用迭代的方法逐步計算出2條序列的相似分值，并將其保存在1個得分矩陣中，然后根據(jù)這個得分矩陣，通過動態(tài)規(guī)劃的方法回溯尋找最優(yōu)的比對序列[15]。該算法使用二維表格，表格里的每1個分值分別有3個來源：

1)來自上方的單元格，代表將對應(yīng)行的編碼與空格比對。

2)來自左側(cè)的單元格，代表將對應(yīng)列的編碼與空格比對。

3)來自左上側(cè)的單元格，代表將對應(yīng)行與列的編碼比對。

根據(jù)相似性計分矩陣和空位罰分值，該單元格的值取這3個來源的最大值。此算法的計算步驟如下：

1)初始化表格。在進(jìn)行比對的2條序列前面都加上空格，然后填充第2行和第2列的值。比如：填充第2行意味著使用位于頂部的序列的編碼與空格進(jìn)行比對，而不是與最左側(cè)序列的編碼，用相似的方法得到第2列的值。同時將位于左上角的第1個分值設(shè)為0。

2)填充剩下的表格，根據(jù)相似性積分矩陣和設(shè)置的空位罰分值，取上述3個來源的最大值。

3)回溯?？梢约僭O(shè)2個新字符串U和V，將上側(cè)的字符串加入到U中，將左側(cè)的字符串加入到V中。從右下角開始回溯，根據(jù)表格的構(gòu)建過程可知，有3個方向回溯：“從右到左”、“從下到上”和“從右下到左上”。選取3個方向中的最大值(當(dāng)最大值不止1個時，可以從中任選1個)，同時遵循以下原則：“從右到左”意味著將左側(cè)字符加入到V中，將空格加入到U中；“從下到上”意味著將上側(cè)字符加入到U中，將空格加入到V中；“從右下到左上”意味著分別將2側(cè)字符加入到U和V中，如圖2所示。

圖2 回溯示意Fig.2 Schematic diagram of backtracking

3 實例分析

3.1 數(shù)據(jù)來源和初始化

數(shù)據(jù)來源是45位政府高層管理人員參加的1次地震演練情景，共得到45份應(yīng)急決策文本。通過對這些文本進(jìn)行主題詞提取、整理和編譯，得到全樣本決策編碼，如表1所示。根據(jù)表1，任取2份樣本得到2條決策序列對S和T，如圖3所示。

3.2 相對相似性得分

從表1中可知，此實例共得到了目標(biāo)決策12個，相應(yīng)的行動決策31個。同時根據(jù)模型中的公式(3)，當(dāng)總樣本確定后，根據(jù)樣本得到目標(biāo)決策以及相對應(yīng)的行動決策，其對比序列的替換矩陣也就確定，即序列比對時編碼匹配度的影響因素就已確定，影響最終相似性得分的因素只有G(單個的空位罰分值)和num(插入空位的數(shù)量)。G的設(shè)置是避免為了得到最大相似性得分而插入過多空位。當(dāng)G設(shè)置為0時，2條序列比對的相似性得分等價于擁有長度相同的“最長公共子序列”的2序列比對相似性得分(這里的“最長公共子序列”不止包括相等，還包括從屬關(guān)系、并列關(guān)系)；當(dāng)G<-m時，序列比對時，當(dāng)2個編碼不同而位置相同時，不管其他編碼情況如何，都會選擇插入2個空位，進(jìn)而造成序列比對插入過多的空位；當(dāng)0>G>-m時，相同序列進(jìn)行對比的相似性得分隨著單個空位罰分值的增大而增大，但不同序列相似性得分的大小比較結(jié)果并不會有所改變。為了降低空位罰分在整個目標(biāo)函數(shù)中的權(quán)重，可以設(shè)置此次序列比對的單個空位罰分值G為-5。經(jīng)計算得到S和T2條序列比對的打分矩陣，如表2所示。

表1 地震演練情景下的高層應(yīng)急決策編碼Table 1 Emergency decision-making codes of senior people under earthquake drill scenario

圖3 決策序列Fig. 3 Sequence of decision-making

根據(jù)打分矩陣表可以得出決策序列對S和T的全局相似性得分為80，同時其最優(yōu)比對結(jié)果之一為表3，其中“-”表示插入的空位。

從模型以及算法的計算過程可以得到，當(dāng)多條序列進(jìn)行比對時，假設(shè)其中2條序列很短，僅有幾個編碼，即使他們的相似性很高，得分也不會太高，反之，當(dāng)2條序列很長時，即使相似性不那么高，他們的得分也可能會超過前2條序列的得分，如何處理這些情況，或者說如何根據(jù)相似性得分來判定所有序列的聚類情況。在這里，本文引入相對相似性得分的概念，其計算公式如下：

(5)

式中：a和b分別為序列S和T的編碼數(shù)量。

根據(jù)式(5)可得S和T的相對相似性得分為0.476，從數(shù)學(xué)意義上來說，約等于大約有一半的相同編碼相同位置的序列比對結(jié)果，同時可以從表3中得到，序列對相同的編碼為rs,sj,CF,bj,DJ,xf,yj2,sz,ld,zl，大于一半的數(shù)目，如前文所述，序列之間的相似性取決于序列編碼號以及編碼順序，這一結(jié)果也很好地說明了這一點。

表2 打分矩陣Table 2 Scoring matrix

表3 序列最優(yōu)比對結(jié)果Table 3 Optimal comparative results of sequences

3.3 與VSM算法的比較

本文選取另1個樣本與前2個樣本進(jìn)行兩兩之間的相似度計算，并與VSM算法計算得到的結(jié)果進(jìn)行比較，計算結(jié)果如表4所示。

表4 相似度計算結(jié)果Table 4 Calculation results of similarity

從表4中結(jié)果可以看到，由于算法中設(shè)置了空位罰分值，2序列之間的相似性比較更為嚴(yán)格，所以本文算法得到的相似性得分普遍低于VSM算法得到的分值，而且由于VSM只是考慮了主題詞匹配度的問題，并沒有考慮主題詞之間的位置差異，所以在序號2和3中，本文算法得到相比于樣本1，樣本2和樣本3更相似的結(jié)果，而這更能體現(xiàn)決策文本區(qū)別于普通文本的序列性的特點。同時，由于決策文本中的主題詞都有著相對獨立性，VSM模型中各主題詞的權(quán)重設(shè)置就體現(xiàn)不出差異性，而本文算法根據(jù)決策文本特點，將其分為目標(biāo)和行動2級，并根據(jù)兩者之間的關(guān)系設(shè)置不同的比對得分，提高了精確性。

3.4 樣本數(shù)量敏感性分析

為了研究樣本數(shù)量對模型結(jié)果的影響，取上述2條序列對，并依次增加樣本數(shù)量，同時將G設(shè)置為-2，得到不同樣本數(shù)量情況下同一序列對的相對相似性得分，如圖4所示。

圖4 同一序列對在不同樣本數(shù)量下的相對相似性得分Fig.4 Relative similarity scores of same sequence pair under different sample amounts

從圖4中可以看出，隨著樣本數(shù)量的增加，序列對的相對相似性得分是逐漸增加的，這是由于樣本數(shù)量的增多導(dǎo)致目標(biāo)級別主題詞的完善，將本沒有關(guān)系的行動級別的主題詞聯(lián)系起來，進(jìn)而增加了相似性得分。同時也可以看到，在曲線的某些階段以及最后一段，曲線趨于平滑。這是由于樣本數(shù)量的增加并沒有對同一序列對的相對相似性得分造成影響，間接說明了此實例中的主題詞并不是無限擴展的，同時此實例中的45份樣本也已經(jīng)滿足實驗要求。

4 結(jié)論

1)為了計算高層應(yīng)急決策文本的相似度，在對文本進(jìn)行主題詞提取得到?jīng)Q策序列對的基礎(chǔ)上，提出高層應(yīng)急決策文本分析模型，并用Needleman-Wunsch算法求解該模型。模型中將主題詞分為“目標(biāo)”和“行動”2級，對比時基于樣本數(shù)據(jù)得到替換矩陣，并通過設(shè)置空位罰分來避免過多插入空位，進(jìn)而計算決策序列對的相似性得分。

2)對基于地震情景下得到的45份高層應(yīng)急決策文本的分析證明了模型的可行性，并由此確定了相對相似性得分的概念，來更好地分析相似性得分在決策序列中的數(shù)學(xué)意義。同時，通過與文本相似度經(jīng)典的VSM算法的對比結(jié)果，體現(xiàn)了本文模型在進(jìn)行決策文本相似度計算中有著更嚴(yán)格、更精確的特點。

3)本文提出模型可為其他情景下的應(yīng)急決策文本的相似度計算和模型構(gòu)建提供思路和借鑒。同時，應(yīng)急決策文本的相似度分析是決策行為分析的一個重要方面，在接下來的研究中，作者將會考慮決策主體經(jīng)驗、學(xué)識及地理文化差異等更多與決策行為相關(guān)的實際影響因素，對決策行為分析進(jìn)行更深入的研究。