曹略耕

大數(shù)據(jù)時(shí)代，海量涉警輿情數(shù)據(jù)通過(guò)虛擬（網(wǎng)絡(luò)）等媒介進(jìn)行傳播。雖然涉警輿情數(shù)據(jù)以超大規(guī)模的形式出現(xiàn)，但信息量卻與數(shù)據(jù)量不成比例，出現(xiàn)了“數(shù)據(jù)海量，信息缺乏”的怪圈。為解決海量涉警輿情數(shù)據(jù)的監(jiān)測(cè)與處理，就需要能夠?qū)崟r(shí)化、智能化、科學(xué)化的技術(shù)來(lái)支撐公安機(jī)關(guān)監(jiān)測(cè)涉警輿情數(shù)據(jù)，在這種環(huán)境下，數(shù)據(jù)挖掘也就應(yīng)運(yùn)而生。

一、數(shù)據(jù)挖掘在涉警輿情監(jiān)測(cè)中的應(yīng)用內(nèi)涵

（一）數(shù)據(jù)挖掘的內(nèi)涵

1.數(shù)據(jù)挖掘的定義。數(shù)據(jù)挖掘，也稱(chēng)作基于數(shù)據(jù)庫(kù)的知識(shí)發(fā)現(xiàn)，不僅能對(duì)過(guò)去的數(shù)據(jù)進(jìn)行查詢(xún)和遍歷，并且能夠找出過(guò)去數(shù)據(jù)之間的潛在聯(lián)系。數(shù)據(jù)挖掘是在海量的、有噪聲、非結(jié)構(gòu)化的數(shù)據(jù)中通過(guò)數(shù)據(jù)算法智能、自動(dòng)地提取出隱含的、潛在的有價(jià)值的知識(shí)的過(guò)程。在涉警輿情監(jiān)測(cè)領(lǐng)域，數(shù)據(jù)挖掘就是對(duì)海量的互聯(lián)網(wǎng)的數(shù)據(jù)信息進(jìn)行“描述”，抽取出涉警輿情數(shù)據(jù)，運(yùn)用算法進(jìn)行實(shí)時(shí)、智能化預(yù)測(cè)預(yù)警的過(guò)程。

2.數(shù)據(jù)挖掘的任務(wù)。數(shù)據(jù)挖掘的任務(wù)分為描述、建模、預(yù)測(cè)三部分?！懊枋觥笔侵笇?duì)大數(shù)據(jù)進(jìn)行數(shù)據(jù)總結(jié)，包括內(nèi)容和結(jié)構(gòu)上的特征總結(jié)，并以“支持度”“可信度”“作用度”為標(biāo)準(zhǔn)對(duì)總結(jié)數(shù)據(jù)進(jìn)行初步的關(guān)聯(lián)分析，提高預(yù)測(cè)的準(zhǔn)確度和科學(xué)性。“建?！笔侵父鶕?jù)數(shù)據(jù)總結(jié)選擇合適的算法，并建立相應(yīng)的數(shù)據(jù)模型，以實(shí)現(xiàn)實(shí)時(shí)智能預(yù)測(cè)。在“描述”和“建模”任務(wù)完成之后，數(shù)據(jù)挖掘開(kāi)始實(shí)施“預(yù)測(cè)”任務(wù)，這是數(shù)據(jù)挖掘的最終目的所在?！邦A(yù)測(cè)”是指根據(jù)數(shù)據(jù)“描述”的數(shù)據(jù)內(nèi)容和結(jié)構(gòu)上的特征，并以數(shù)據(jù)模型為基礎(chǔ)對(duì)未知信息進(jìn)行智能化、實(shí)時(shí)性、科學(xué)性預(yù)測(cè)?！邦A(yù)測(cè)”的主要方法包括決策樹(shù)、神經(jīng)網(wǎng)絡(luò)、遺傳算法、最鄰近算法、貝葉斯分類(lèi)技術(shù)等。

3.數(shù)據(jù)挖掘的理論基礎(chǔ)。數(shù)據(jù)挖掘技術(shù)的理論基礎(chǔ)在于行為學(xué)理論和社會(huì)學(xué)習(xí)理論。任何涉警輿情的發(fā)生都是符合一定規(guī)律的。涉警輿情是個(gè)體行為的綜合反映，是個(gè)體所處的外在因素和內(nèi)在因素的綜合作用之下發(fā)生的。外在因素是指社會(huì)和自然存在的，不以個(gè)體的意志為轉(zhuǎn)移的客觀環(huán)境；內(nèi)在因素是個(gè)體內(nèi)在的性格、價(jià)值觀等個(gè)性特征因素。通過(guò)警務(wù)大數(shù)據(jù)的分析，外在因素和內(nèi)在因素的規(guī)律都是可以被發(fā)現(xiàn)的，是符合社會(huì)和個(gè)體的行為因素的。因此，涉警輿情事件的發(fā)生是可以通過(guò)數(shù)據(jù)挖掘發(fā)現(xiàn)其規(guī)律的，所以行為學(xué)理論涉警輿情的預(yù)測(cè)與預(yù)測(cè)的理論之一。

任何涉警輿情的產(chǎn)生都需要個(gè)體的學(xué)習(xí)，不會(huì)憑空產(chǎn)生。個(gè)體通過(guò)網(wǎng)絡(luò)等媒介向社會(huì)學(xué)習(xí)大量的信息，這包括正面的積極信息，同樣也含有負(fù)面的反動(dòng)的數(shù)據(jù)，個(gè)體是容易受到正面的激勵(lì)，還是負(fù)面的反噬，是可以通過(guò)社會(huì)學(xué)習(xí)理論來(lái)發(fā)現(xiàn)其規(guī)律的。

（二）涉警輿情的內(nèi)涵

1.涉警輿情的定義。涉警輿情是指與公安機(jī)關(guān)相關(guān)的輿情信息，這其中包括正向的輿情信息，即弘揚(yáng)公安機(jī)關(guān)對(duì)黨忠誠(chéng)、服務(wù)人民、執(zhí)法公正、紀(jì)律嚴(yán)明等正面輿情信息，同時(shí)也包括負(fù)向的輿情信息，即抹黑公安執(zhí)法，捏造事實(shí)，扭曲真相，意圖引起社會(huì)反感的不良信息。

2.大數(shù)據(jù)時(shí)代涉警輿情的特征。大數(shù)據(jù)時(shí)代，超大規(guī)模的涉警輿情主要以分布式、非結(jié)構(gòu)化的形式存在于網(wǎng)絡(luò)等媒介中。由于網(wǎng)絡(luò)的低門(mén)檻、無(wú)序性，使得網(wǎng)絡(luò)輿情的不確定性、交互性和動(dòng)態(tài)性大大加強(qiáng)，加之個(gè)體對(duì)主流輿情的“疲勞”，使得社會(huì)個(gè)體極易將涉警輿情負(fù)面化，進(jìn)行擴(kuò)大解釋?zhuān)瑢ⅰ罢摂唷睋屧诠矙C(jī)關(guān)發(fā)布前傳播，引起涉警輿情的擴(kuò)大化。

二、數(shù)據(jù)挖掘在涉警輿情監(jiān)測(cè)與預(yù)警中的應(yīng)用

（一）數(shù)據(jù)挖掘在涉警輿情監(jiān)測(cè)與預(yù)警中的應(yīng)用過(guò)程

從我國(guó)公安機(jī)關(guān)性質(zhì)來(lái)看，由于公安機(jī)關(guān)大多是追求社會(huì)效益，功效往往不能在短期內(nèi)顯現(xiàn)，加之社會(huì)效益表現(xiàn)力弱等特點(diǎn)，使涉警負(fù)面輿情層出不窮，影響力日益加大。因此，加大對(duì)涉警輿情監(jiān)測(cè)與預(yù)警，及早發(fā)現(xiàn)，及時(shí)預(yù)警，是降低涉警負(fù)面信息重要手段之一。

在涉警輿情數(shù)據(jù)準(zhǔn)備階段，通過(guò)大數(shù)據(jù)采集技術(shù)智能化，實(shí)時(shí)采集涉警輿情數(shù)據(jù)，傳輸?shù)焦参锫?lián)網(wǎng)，儲(chǔ)存在相應(yīng)的警務(wù)數(shù)據(jù)庫(kù)。在涉警輿情數(shù)據(jù)清理與集成階段，通過(guò)對(duì)涉警輿情數(shù)據(jù)內(nèi)容和結(jié)構(gòu)的“描述”，將“描述”后的數(shù)據(jù)進(jìn)行“聚類(lèi)”處理，即將具有較高相似度的數(shù)據(jù)“聚類(lèi)”，不同類(lèi)之間具有較高的相異性。將集成后的數(shù)據(jù)傳輸?shù)健皵?shù)據(jù)倉(cāng)庫(kù)”中。在涉警輿情數(shù)據(jù)選擇與交換階段，對(duì)數(shù)據(jù)進(jìn)行關(guān)聯(lián)分析，選擇與涉警負(fù)面輿情有關(guān)的數(shù)據(jù)，并轉(zhuǎn)化成適合數(shù)據(jù)挖掘的數(shù)據(jù)類(lèi)型。在數(shù)據(jù)挖掘階段，利用建立的數(shù)據(jù)模型，通過(guò)關(guān)聯(lián)分析、級(jí)別分析、聚類(lèi)和傾向性分析，對(duì)數(shù)據(jù)潛在的、有價(jià)值的涉警輿情規(guī)律進(jìn)行挖掘，智能分析提取涉警輿情數(shù)據(jù)模式，為進(jìn)一步預(yù)測(cè)預(yù)警提供支撐。在評(píng)估與表示階段，一方面，將數(shù)據(jù)挖掘階段形成的數(shù)據(jù)模式進(jìn)行“表示”形成“知識(shí)”，提供預(yù)測(cè)預(yù)警數(shù)據(jù)；另一方面，對(duì)數(shù)據(jù)模式進(jìn)行評(píng)估處理，將評(píng)估結(jié)果反饋到清理與集成、選擇與交換、數(shù)據(jù)挖掘階段，形成“閉環(huán)”，保障“知識(shí)”的科學(xué)性與智能化。涉警輿情的數(shù)據(jù)應(yīng)用集成是數(shù)據(jù)挖掘的最后階段，也是最終目的，即在于提供預(yù)測(cè)結(jié)果及預(yù)警模型，為公安機(jī)關(guān)掌握涉警輿論主動(dòng)性提供保障。

數(shù)據(jù)挖掘并不是一蹴而就，而是一個(gè)反復(fù)的過(guò)程。在評(píng)估與表示階段，會(huì)將數(shù)據(jù)進(jìn)行反饋，反饋之前的每一個(gè)階段。同時(shí)，如果某一個(gè)階段的數(shù)據(jù)處理沒(méi)有達(dá)到預(yù)期模式，就會(huì)返回到上一個(gè)階段，進(jìn)行反復(fù)處理，保證數(shù)據(jù)的鮮活性與科學(xué)性。

（二）數(shù)據(jù)挖掘在涉警輿情監(jiān)測(cè)與預(yù)警中的應(yīng)用方法

數(shù)據(jù)挖掘在涉警輿情監(jiān)測(cè)與預(yù)警中的應(yīng)用方法主要是關(guān)聯(lián)分析、級(jí)別劃分、傾向性分析與可視化表示。

1.關(guān)聯(lián)分析。通過(guò)“偏差分析”發(fā)現(xiàn)異常數(shù)據(jù)，同時(shí)對(duì)涉警輿情的異常數(shù)據(jù)表征參數(shù)進(jìn)行分析處理，發(fā)現(xiàn)涉警輿情中潛在的關(guān)聯(lián)規(guī)則，并以“支持度”“可信度”“作用度”為參數(shù)量化涉警輿情的關(guān)聯(lián)性。

2.級(jí)別劃分。根據(jù)涉警輿情的影響力、性質(zhì)等指標(biāo)，以及“聚類(lèi)”分析的“簇”的類(lèi)別對(duì)涉警輿情事件進(jìn)行級(jí)別劃分，針對(duì)不同的涉警輿情級(jí)別實(shí)施相對(duì)應(yīng)的預(yù)警方案。

3.傾向性分析與可視化表示。通過(guò)序列模式挖掘技術(shù)、情感分析、主題分析等數(shù)據(jù)挖掘技術(shù)深度挖掘涉警輿情的內(nèi)在聯(lián)系和演變趨勢(shì)，得出傾向性分析意見(jiàn)，并以可視化界面的形式“表示”在公安機(jī)關(guān)視域下，為公安機(jī)關(guān)實(shí)時(shí)把握涉警輿情發(fā)展變化趨勢(shì)及預(yù)警提供支撐。

三、數(shù)據(jù)挖掘在涉警輿情監(jiān)測(cè)中的應(yīng)用優(yōu)勢(shì)

傳統(tǒng)技術(shù)就像一艘老舊的航船，無(wú)法在大數(shù)據(jù)的海洋中高效挖掘捕撈有價(jià)值的物產(chǎn)，并隨時(shí)都有傾覆的危險(xiǎn)。數(shù)據(jù)挖掘技術(shù)使涉警輿情數(shù)據(jù)分析處理環(huán)節(jié)更加智能化、實(shí)時(shí)化。傳統(tǒng)的數(shù)據(jù)分析往往依托人工輸入公安信息網(wǎng)進(jìn)行比對(duì)分析處理，這不僅耗費(fèi)大量的人力資源，而且也會(huì)使數(shù)據(jù)更新不及時(shí)，極大限制了公安機(jī)關(guān)處理涉警輿情事件的能力。在大數(shù)據(jù)時(shí)代，數(shù)據(jù)挖掘技術(shù)可以支持對(duì)海量涉警輿情潛在信息的發(fā)現(xiàn)與挖掘，找到涉警輿情信息間存在的關(guān)系或規(guī)律，根據(jù)現(xiàn)有的輿情預(yù)測(cè)未來(lái)的發(fā)展趨勢(shì)，這不僅在縱向上極大地挖掘了數(shù)據(jù)，而且也緩解警力不足的壓力，保證數(shù)據(jù)的實(shí)時(shí)性與準(zhǔn)確性，實(shí)現(xiàn)智能化預(yù)測(cè)預(yù)警。

數(shù)據(jù)挖掘技術(shù)可以在縱向上挖掘“數(shù)據(jù)”，相較于傳統(tǒng)的數(shù)據(jù)分析技術(shù)，更能實(shí)現(xiàn)公安機(jī)關(guān)對(duì)涉警輿情的預(yù)測(cè)預(yù)警。大數(shù)據(jù)時(shí)代社會(huì)人流、物流、信息流的動(dòng)態(tài)化，新型“網(wǎng)絡(luò)水軍”的產(chǎn)生，以及跨地區(qū)、跨國(guó)家的遠(yuǎn)程操控等給公安機(jī)關(guān)打擊違法炒作“涉警輿情”增加難度。公安機(jī)關(guān)通過(guò)大數(shù)據(jù)采集技術(shù)采集海量的涉警輿情數(shù)據(jù)，利用數(shù)據(jù)挖掘技術(shù)智能預(yù)測(cè)涉警負(fù)面輿情。數(shù)據(jù)挖掘技術(shù)提高了公安機(jī)關(guān)處理涉警輿情事件的效率，使公安機(jī)關(guān)處理涉警輿情事件由依靠傳統(tǒng)的人海數(shù)據(jù)分析處理轉(zhuǎn)變?yōu)閿?shù)據(jù)挖掘技術(shù)引領(lǐng)，實(shí)現(xiàn)及時(shí)預(yù)測(cè)預(yù)警涉警輿情，提高公安機(jī)關(guān)實(shí)戰(zhàn)化水平。相較于傳統(tǒng)的OLAP等在線(xiàn)分析處理技術(shù)而言，數(shù)據(jù)挖掘技術(shù)具有以下4個(gè)優(yōu)勢(shì)：

（一）自動(dòng)搜集信息

傳統(tǒng)的數(shù)據(jù)分析處理技術(shù)無(wú)法實(shí)現(xiàn)對(duì)海量數(shù)據(jù)的實(shí)時(shí)分析，而數(shù)據(jù)挖掘技術(shù)可以實(shí)時(shí)、動(dòng)態(tài)搜集信息，通過(guò)對(duì)數(shù)據(jù)內(nèi)容和結(jié)構(gòu)的數(shù)據(jù)“描述”，發(fā)現(xiàn)涉警輿情數(shù)據(jù)之間的關(guān)聯(lián)關(guān)系，從虛擬（網(wǎng)絡(luò)）上自動(dòng)收集涉警輿情數(shù)據(jù)信息，并且隨著鏈接不斷向整個(gè)虛擬（網(wǎng)絡(luò)）擴(kuò)展，不斷向更深層次挖掘數(shù)據(jù)，實(shí)現(xiàn)在虛擬（網(wǎng)絡(luò)）上涉警輿情數(shù)據(jù)的自動(dòng)搜集。

（二）數(shù)據(jù)清理

數(shù)據(jù)清理又可分為數(shù)據(jù)的預(yù)處理、篩選、有序化和量化處理。

1.數(shù)據(jù)預(yù)處理。數(shù)據(jù)預(yù)處理是對(duì)海量的數(shù)據(jù)進(jìn)行預(yù)先梳理，將數(shù)據(jù)進(jìn)行“去噪”處理，濾除“冗余”數(shù)據(jù)，提升下一環(huán)節(jié)的數(shù)據(jù)處理效率。

2.數(shù)據(jù)篩選。數(shù)據(jù)篩選是對(duì)涉警輿情數(shù)據(jù)的“再處理”，將“去噪”后的數(shù)據(jù)進(jìn)行“偏差分析”，識(shí)別數(shù)據(jù)特征明顯不同于其他的數(shù)據(jù)，初步去除無(wú)價(jià)值的數(shù)據(jù)，對(duì)有價(jià)值信息進(jìn)行“再選擇”。

3.數(shù)據(jù)的有序化處理。數(shù)據(jù)的有序化處理是對(duì)數(shù)據(jù)的“聚類(lèi)”處理，通過(guò)數(shù)據(jù)“描述”，將具有較高相似度的數(shù)據(jù)歸為一類(lèi)，不同類(lèi)別之間的數(shù)據(jù)具有較高的相異度，即將物理或抽象的數(shù)據(jù)分成不同“簇”的過(guò)程。

4.數(shù)據(jù)的量化處理。數(shù)據(jù)的量化處理是將不具有量化特征的數(shù)據(jù)進(jìn)行量化處理，以便實(shí)現(xiàn)“量化”數(shù)據(jù)的“集體分析處理”，數(shù)據(jù)量化是數(shù)據(jù)“可視化”的基礎(chǔ)。

（三）輿情分析

輿情分析是數(shù)據(jù)挖掘技術(shù)的關(guān)鍵，分析的結(jié)果往往關(guān)系到涉警輿情準(zhǔn)確度。輿情分析可以關(guān)鍵字、傾向性觀點(diǎn)等為類(lèi)別進(jìn)行“聚類(lèi)”處理?；跀?shù)據(jù)挖掘技術(shù)的輿情分析主要有以下3點(diǎn)優(yōu)勢(shì)：

1.自動(dòng)分類(lèi)和自動(dòng)聚類(lèi)。將涉警輿情分為不同的“簇”，將每一個(gè)涉警輿情“簇”看作一個(gè)輿情類(lèi)，可以及時(shí)發(fā)現(xiàn)涉警敏感輿情，并“總結(jié)出”主流評(píng)論及輿情導(dǎo)向。

2.偏差分析和深度追蹤。通過(guò)偏差分析，智能化識(shí)別數(shù)據(jù)特征顯著不同于其他的數(shù)據(jù)，并對(duì)其進(jìn)行追根溯源，深度追蹤數(shù)據(jù)鏈接、關(guān)鍵字等特征數(shù)據(jù)。

3.傾向性分析和預(yù)測(cè)。根據(jù)現(xiàn)有涉警輿情的發(fā)展規(guī)律，對(duì)未來(lái)的發(fā)展趨勢(shì)進(jìn)行科學(xué)化的實(shí)時(shí)預(yù)測(cè)，形成“知識(shí)表示”。

（四）知識(shí)表示

將數(shù)據(jù)挖掘的成果以可視化的“知識(shí)”展現(xiàn)在公安機(jī)關(guān)視域下，公安機(jī)關(guān)可以對(duì)涉警輿情事件的發(fā)展趨勢(shì)進(jìn)行實(shí)時(shí)研判，掌握涉警輿情的發(fā)展規(guī)律，及時(shí)預(yù)警，降低負(fù)面影響。

四、結(jié)語(yǔ)

隨著大數(shù)據(jù)時(shí)代的不斷推進(jìn)，涉警輿情數(shù)量不斷增多。在大數(shù)據(jù)時(shí)代，數(shù)據(jù)的產(chǎn)生和采集是基礎(chǔ)，數(shù)據(jù)挖掘技術(shù)是關(guān)鍵，換句話(huà)說(shuō)，大數(shù)據(jù)是現(xiàn)象，核心是挖掘數(shù)據(jù)的潛在價(jià)值，數(shù)據(jù)挖掘在涉警輿情預(yù)測(cè)中具有描述、清理、評(píng)估、知識(shí)表示等優(yōu)勢(shì)，可以較好地滿(mǎn)足公安機(jī)關(guān)實(shí)戰(zhàn)化需求，是公安機(jī)關(guān)及時(shí)掌握涉警輿情發(fā)展規(guī)律，實(shí)現(xiàn)智能化、科學(xué)性、實(shí)時(shí)性預(yù)測(cè)預(yù)警的重要手段。

盡管數(shù)據(jù)挖掘給涉警輿情的預(yù)測(cè)預(yù)警帶來(lái)了巨大的變革，可以基本滿(mǎn)足公安機(jī)關(guān)的實(shí)戰(zhàn)化需求，但在具體應(yīng)用過(guò)程中，數(shù)據(jù)挖掘同樣會(huì)出現(xiàn)隱私安全、預(yù)測(cè)誤判等風(fēng)險(xiǎn)問(wèn)題。隨著警務(wù)大數(shù)據(jù)和數(shù)據(jù)挖掘的不斷成熟，這些風(fēng)險(xiǎn)問(wèn)題會(huì)不斷得到克服，可以預(yù)言，數(shù)據(jù)挖掘在涉警輿情的監(jiān)測(cè)上必將扮演越來(lái)越重要的角色。