王旎, 孫曉紅, 祁海峰, 陶光燦,4*

(1.貴州醫(yī)科大學公共衛(wèi)生學院, 貴陽 550025; 2.貴州省分析測試研究院, 貴陽 550014; 3.北京人民在線網絡有限公司, 北京 100026; 4.食品安全與營養(yǎng)(貴州)信息科技有限公司, 貴陽 550014)

網絡輿情伴隨著互聯網的普及應運而生，是當下媒體和網民在面對社會焦點事件時所持有的態(tài)度和情緒等一系列主觀印象，也是網絡民意的反映[1]。目前，我國互聯網產業(yè)迅速發(fā)展，微博、微信、網絡論壇等多種新興媒體的普及為輿情信息傳播帶來了更大的便捷性。隨著我國經濟不斷發(fā)展與物質逐漸豐富，人民群眾對健康的要求日益提高，食品安全已成為重要的輿情熱點。而網絡這一大眾媒體，作為民眾參與度與響應度極高的信息傳遞渠道，成為了我國食品安全事件發(fā)酵過程中不可或缺的一環(huán)[2]。但是，國內食品安全在風險監(jiān)測監(jiān)管、應急預警等方面仍存在薄弱環(huán)節(jié)，各類食品安全事故頻發(fā)，不僅威脅人民生命健康，而且打擊老百姓的消費信心，造成食品行業(yè)發(fā)展滯后，由此而來的輿論展示出不可忽視的力量，發(fā)揮著傳統(tǒng)媒體無法比擬的作用，引導著食品安全的輿情傾向與事態(tài)發(fā)展。

一直以來，食品安全事件在全球范圍內時有發(fā)生。國外爆發(fā)的“瘋牛病事件”和“口蹄疫事件”，以及我國的“蘇丹紅”“三聚氰胺”“雙匯瘦肉精”等突發(fā)事件的輿情在網絡上爆發(fā),若不及時解決，將會造成很多意想不到的負面影響[3]。食品安全輿情震蕩還具有人民關注度高、社會反響力大、情況演化快的特征[4]，所以網絡輿情監(jiān)測在食品安全領域的應用至關重要。

食品安全網絡輿情監(jiān)測平臺利用大數據技術對數據采集、數據處理、數據應用三個環(huán)節(jié)展開研究，匯集與分析食品安全相關信息并進行深入挖掘的平臺[5]。近年來，我國正在探索建立由政府和企業(yè)主導的食品安全網絡輿情監(jiān)測體系，然而，在構建過程中還存在一些有待改進的方面，亟需探明解決方法。本文旨在分析輿情監(jiān)測系統(tǒng)存在的數據采集不精準及效率低，數據分析不系統(tǒng)及不到位，數據應用面狹窄及場景化不強等難題，總結了國內外食品安全輿情監(jiān)測的經驗，闡明了輿情監(jiān)測系統(tǒng)的研究現況與發(fā)展趨勢，梳理了輿情監(jiān)測的基本特性與所涉及的技術體系，從而提出食品安全輿情監(jiān)測系統(tǒng)在數據采集、數據處理、數據應用三方面的解決方案，厘清政府、企業(yè)、消費者三類用戶的食品安全輿情監(jiān)測服務，提高國家在食品安全輿情方面的管理能力。

1 食品安全網絡輿情監(jiān)測研究現況

1.1 國外食品安全網絡輿情監(jiān)測

EFSA(歐洲食品安全局)在2009年發(fā)布了《歐洲食品安全局交流戰(zhàn)略：2010—2013》[6]。為加強風險溝通交流，歐盟各國在官方網站及時發(fā)表科研成果，為風險受眾及時發(fā)送指導郵件，開通新聞發(fā)布、媒體通報等更多交流渠道，定制有針對性的信息以滿足消費者需求。

FDA(美國食品藥品監(jiān)督管理局)制定出新的食品安全現代風險交流戰(zhàn)略[7]，通過建立“風險交流咨詢委員會”，研發(fā)“數據收集系統(tǒng)”，實時監(jiān)測網絡媒體食品安全風險交流的報道，調查群眾在食品相關疾病爆發(fā)或食品召回中對風險交流的理解和反映，并據此調整食品安全事故的應對措施[8]，以保證美國食品生產、流通等環(huán)節(jié)的安全健康[9]。韓國也迫于輿情監(jiān)督壓力，建立了食品安全事前預警機制[10]。在此基礎上，輿情分析和輿情監(jiān)測[11]領域經常舉辦國際性的有關信息處理技術(話題檢測和追蹤、文本信息檢索)等評測互動會議。

由于國外互聯網發(fā)展較早，技術較為先進，因此輿情系統(tǒng)的研發(fā)也比國內更為成熟，其中當屬美國的TDT(topic detection and tracking，話題檢測與跟蹤)，TDT系統(tǒng)能夠對當下存在的熱點話題進行高效識別和全面跟蹤，效果顯著，使用廣泛[12]。在輿情研究方面，國外研究也取得了顯著成果，西班牙穆爾西亞大學等相關學者通過分析輿情成因制定應對策略，根據網民微博評論、轉發(fā)等參與行為，以及網民對媒體信息接受、模仿行為形成指導方案；巴西馬拉尼昂聯邦大學等相關學者結合食品安全體系、輿情監(jiān)管平臺兩大方面總結治理危機的政策[13]。

1.2 國內食品安全網絡輿情監(jiān)測

近幾年，我國爆出老酸奶添加工業(yè)明膠、硫磺熏制毒生姜、罌粟殼、外賣衛(wèi)生等食品安全事件，網絡上各種謾罵、譏諷、憤怒等負面新聞大量涌現。在如此形勢下，國家對輿情預警的關注度不斷升高，眾多媒體輿情研究機構和高校社科所相繼成立，如新華網成立了輿情監(jiān)測分析中心，天津社會科學院成立了輿情研究所；還有海量優(yōu)秀的輿情監(jiān)測軟件產品涌現，如樂思軟件的輿情監(jiān)控系統(tǒng)、中國科學技術大學的軍犬輿情監(jiān)測系統(tǒng)等[2]，為我國構建了臻于完善的網絡輿情預警機制，有效遏制了食品安全事故產生的負面影響，對網絡輿論起到了正面引導作用[14]。

隨著2015年“互聯網+”時代的到來，國家食品安全監(jiān)管融入了物聯網、智能運算、云計算和大數據等多種現代信息技術，建立由食品安全數據庫、食品安全公共檢測平臺、信息共享平臺、用戶使用平臺以及相關管理部門登錄平臺構成的食品安全管理系統(tǒng)[17]。但是有關食品安全輿情監(jiān)測平臺的建設尚處于初始階段，傳統(tǒng)輿情平臺在食品安全信息收集方面缺乏及時性、準確性與全面性，沒有充分運用大數據平臺多維度的資源優(yōu)勢[18]。

2 食品安全網絡輿情監(jiān)測基本特征

2.1 食品安全網絡輿情的定義

眾多學者給出了“食品安全網絡輿情”的定義。吳林海等[19]認為,食品安全網絡輿情是以互聯網為媒介傳播的，因食品安全事件所引起的網民們各種看法、建議、情感的集合；劉文等[8]將食品安全網絡輿情定義為鑒于食品安全重大事故發(fā)生，人們在知識感知基礎上形成的一種對于食品安全趨勢所持有的行為態(tài)度；任立肖等[20]將食品安全網絡輿情定義為群眾對自我感興趣或與自身利益相關的食品安全事故，在網絡上所持有的若干意見、情緒和觀點的總和。因此，結合食品安全的特點，在輿情定義的基礎上，將食品安全網絡輿情定義為在一定時間空間范圍內，媒體和網民針對爆發(fā)的食品安全事件及其發(fā)展態(tài)勢，在微博、微信、網絡論壇等新型傳播媒體上表達的意見和情緒[21]。

食品安全網絡輿情監(jiān)測則是指工作人員運用人工或智能采集辦法，鎖定、搜集、整理和分析有關食品安全輿情熱點和趨勢的數據或信息，針對有關行業(yè)進行及時預警并制定完善處置方案的過程[3]。在復雜的網絡輿論環(huán)境下，輿情監(jiān)測已成為我國食品安全領域的一項新挑戰(zhàn)，由此衍生出許多食品安全輿情監(jiān)管機構[22]。

2.2 食品安全網絡輿情監(jiān)測規(guī)模、等級及范圍

根據食品安全輿情事件爆發(fā)的持續(xù)時間長短、涉及范圍大小，其規(guī)模包括常規(guī)監(jiān)測模式和特種監(jiān)測模式。常規(guī)模式可應用于查明輿情動態(tài)和趨勢，設定閾值，當輿情熱度突增達到閾值時，可自動預警，并及時聯系網站管理方進行輿情引導和疏解[23]。特種模式常用來檢測敏感事件和危機事故，針對其爆發(fā)性強、發(fā)酵速度快的特點，迅速挖掘食品安全危機事件的各種新聞，篩選主要矛盾，查明緣由，找出癥結，及時快速處理。

關于監(jiān)測等級，食品安全事故可根據輿情發(fā)展規(guī)模，逐級設置預警級別，由高到低可設定為紅色、橙色、黃色、藍色四級，其中紅色和橙色屬于特種監(jiān)測模式，黃色和藍色為日常監(jiān)測模式[23]。關于監(jiān)測范圍，結合食品安全輿情迅捷性、交互性和非理性的特點，具體包括事件發(fā)生發(fā)展過程、監(jiān)管部門的應對及處置、官媒報道熱度、網民輿情傾向以及食品安全相關的制度政策頒布所引發(fā)的輿情等[3]。

研究表明，食品安全事故等級和網絡輿情熱度的關系呈正比，等級越高，由此引發(fā)的輿情敏感度與輿情影響力就越大[22]。因此，劃分食品安全網絡輿情預警的等級要以食品安全事故的分級標準為基礎。根據突發(fā)公共事件的危害和緊急程度，《國家突發(fā)公共事件總體應急預案》將預警級別劃分為特別嚴重(紅色)、嚴重(橙色)、較重(黃色)和一般(藍色)，相對應地設定Ⅰ級(特別嚴重)、Ⅱ級(嚴重)、Ⅲ級(較重)和Ⅳ級(一般)四個預警級別[24]。

1.大力實施標準化戰(zhàn)略和品牌戰(zhàn)略，“叫響”黃河口品牌。品牌是一種新的戰(zhàn)略資源和無形資產，是一種形象和品質，最終體現的是核心競爭力。企業(yè)只有形成品牌，有核心競爭力，才有生命力。要引導企業(yè)把培育品牌作為重要發(fā)展戰(zhàn)略，從產品經營上升到品牌經營、從成本競爭上升到價值競爭上來。

3 食品安全網絡輿情監(jiān)測技術

3.1 數據采集

3.1.1數據采集的重要性與存在問題數據采集是輿情大數據資源池建設的第一步準備工作，為后續(xù)數據處理、數據應用提供數據支撐，其數據采集的質量和效率將直接影響后續(xù)環(huán)節(jié)的進行，對大數據業(yè)務發(fā)展起著決定性作用。然而，在我國食品安全輿情數據采集過程中，仍存在很多難點和痛點問題。

①數據采集不精準。食品安全輿情監(jiān)測的數據采集內容要素包括食品類別、風險類型、食源性疾病名稱、影響人群等多個方面；輿情渠道包括微博、微信、網絡論壇等；用戶對象包括食品生產者、經營者、政府和消費者等；其他關聯因素包括監(jiān)督抽檢、檢測機構、急救中心、公安部門等。但在采集過程中，仍然面臨很多問題。例如,與食品安全相關的新詞眾多，通過設置關鍵詞采集數據的方式難以窮盡，且新發(fā)生的食品安全事件都有新的關鍵詞，不能未卜先知；單個詞的采集范圍籠統(tǒng)，無法準確定位關鍵詞；多詞組合又存在組合多、影響計算效率的問題。因此，采集關鍵詞的自動更新完善、關鍵詞的合理搭配、設置關鍵詞的權重等有助于提高數據采集的精準度。

②數據采集效率低。一方面，由于數據采集不精準，無法有效減少垃圾數據的產生，必然會影響數據采集的效率；另一方面，由于媒體庫設置不合理，無法準確定位搜索到輿情關鍵信息，也會導致數據采集的效率低。因此，從媒體主體出發(fā)，以媒體傳播為切入點，挖掘核心媒體傳播者，分析媒體傳播行為作用下的食品安全輿情信息傳播特征，合理建設媒體庫。根據事件發(fā)生可能性以及傳播影響力的大小，設定媒體屬性參數，對媒體采用專家打分法、數學模型法，建立媒體重要性判定的指標體系和判定模型。根據日常報道的食品安全事件，實時調整優(yōu)化媒體權重，并對媒體進行分級分類，對高發(fā)、高影響、高傳播的媒體進行優(yōu)先采集。

3.1.2研究進展目前，網絡輿情數據采集的框架主要由六部分組成：網站頁面、鏈接抽取、鏈接過濾、內容抽取、網絡爬蟲技術[25]和數據[26]。其中，在采集技術中增加了傳感器、射頻識別、計算機轉換軟件等新興互聯網技術，實現針對網絡上的結構化、半結構化、非結構化數據信息的匯總和收集[27]。從方法上主要采用分布式、并行式計算模型，以提高數據采集的速度，例如Google搜索引擎中的PageRank算法，和通過Java Web平臺所開發(fā)的動態(tài)可配置數據采集系統(tǒng)[28]。在信息存儲技術上，為滿足海量數據高拓展、高安全、高可用和高速度的存儲要求，主要用MYSQL和 Mongo DB數據庫來實現，MYSQL數據庫用于存儲臨時緩存的輕量文本數據；Mongo DB 數據庫用于存儲和訪問大容量的數據信息[29]。

3.1.3應對措施①構建動態(tài)媒體庫提高數據采集速度。媒體作為輿情傳播的重要主體，影響了公眾對輿情事件的態(tài)度、觀點與看法，其情緒表達在很大程度上能夠改變輿情事件的演化和發(fā)展態(tài)勢[30-31]。而政府作為監(jiān)管主體的監(jiān)管力量有限，往往需要借助媒體的力量，通過信息傳播與議題設置等引導網民的輿情參與行為，推動網絡輿情的健康發(fā)展[32]。構建復雜網絡環(huán)境下合理的動態(tài)媒體庫是輿情大數據的基礎條件，有助于高速、精準、完整地采集食品安全輿情數據。一方面，建設多語種、多因素、食品安全輿情高發(fā)的媒體庫，并形成媒體遴選標準與機制進行動態(tài)更新；另一方面，以輿情事件的報道頻率，政府、企業(yè)和消費者三方的關注熱點，以及演化關聯程度三者為依據，計算各媒體的重要性權重指標并進行等級劃分，以達到動態(tài)媒體庫實時更新的效果。

②構建關鍵詞庫提高數據采集精準度。關鍵詞是指能夠對研究主題進行準確描述，并對核心內容有著精準解釋的關鍵詞語[33]，關鍵詞抽取則是一種識別有意義且具有代表性文本片段或詞匯的技術[34]。目前，國內外的許多學者已經在關鍵詞抽取領域做了大量研究，并且提出諸多有代表性的方法，例如統(tǒng)計分析法、語言分析法、人工智能法、混合法等幾大技術體系[35]。首先，根據食品風險危害、食品種類、食品商標、法律法規(guī)標準、食源性疾病癥狀等要素建立關鍵詞庫，并在發(fā)現和追蹤食品安全輿情事件過程中，不斷更新、補充、完善關鍵詞；其次，進行關鍵詞庫的分級，結合靜態(tài)風險因素量化分值表的食品風險等級，按照高風險、較高風險、低風險依次設置監(jiān)控級別進行監(jiān)控；最后是關鍵詞庫的組合,一成不變的關鍵詞難以捕捉實時變化的食品安全輿情信息，要設置可動態(tài)調整的關鍵詞庫，尋找關鍵詞之間的相互聯系，例如三聚氰胺多在乳制品中作為非食用物質被發(fā)現，瘦肉精多是肉制品的禁用藥物，孔雀石綠多是水產品的禁用藥物，將食品風險因子按食品類別進行羅列，結合各種關鍵詞之間的相互關系，將其進行組合，以提高食品安全輿情數據采集的準確性。

3.1.4發(fā)展趨勢及挑戰(zhàn)網絡爬蟲技術將主要集中于開拓主題定向聚焦和用戶個性化；在數據存儲方面，傳統(tǒng)的關系型數據庫難以滿足半結構和非結構化數據的存儲需求，新興的分布式非關系型NoSQL數據庫將成為新的發(fā)展方向；在采集方法上，基于機器學習的多模式網頁正文提取技術也已逐漸取代單一模式的網頁提取技術，為輿情數據采集帶來更高的適用性和準確性[36]。

3.2 數據處理

3.2.1數據處理的重要性與存在問題數據處理主要是通過中文分詞和實體抽取技術來實現數據的結構化，為后續(xù)統(tǒng)計分析提供數據支撐。數據采集中得到了包括新聞標題、摘要、發(fā)布時間、新聞轉發(fā)量和評論量等一系列結構化的文本信息。這些數據一部分存儲于輿情動態(tài)數據庫，另一部分進行分詞處理。然而，由于大數據異構性、規(guī)模性、實時性、復雜性和隱私性等特點，給數據處理帶來了極大挑戰(zhàn)，這些挑戰(zhàn)迫使數據管理系統(tǒng)進行各個層次的變革。

①數據處理不系統(tǒng)。采集的輿情數據只有經過處理再加工，才能獲取到全面、精確的輿情動態(tài)，進而識別判定出重要的輿情信息。但由于數據類型具有多樣性，使得數據處理過程更加復雜化，一個應用往往既要處理結構化數據，同時還要處理文本、視頻、語音等非結構化數據，這對現有數據庫系統(tǒng)來說難以應付[37]。目前，很少有食品安全輿情監(jiān)測體系在數據采集環(huán)節(jié)之后進行系統(tǒng)數據處理，從而形成大數據資源浪費的現象，導致后續(xù)數據分析環(huán)節(jié)不到位，阻滯了輿情大數據資源池的基礎建設。

②數據分析不到位。數據分析是將食品安全輿情數據經碎片化、結構化處理后進行建模分析的過程，是從大量的、冗雜的、不規(guī)律的數據中尋找人們未查覺的、但有潛在價值的信息的過程[38]。然而，隨著大數據時代的到來，數據分析如檢索、主題發(fā)現、語義和情感分析也出現了新難題，由于大數據自身的復雜性使得數據在感知、表達、理解和計算等多個環(huán)節(jié)面臨巨大挑戰(zhàn)，阻滯了傳統(tǒng)數據分析與挖掘工作的發(fā)展[39]。因此，對龐大的結構化和半結構化數據進行高效率地深度分析、挖掘隱性知識，運用人工智能和機器學習的辦法進行數據分析的技術還有待探索[40]。

3.2.2研究進展數據處理主要被設計為文本預處理、特征選擇計算、文本向量化3個步驟，其中文本預處理包括分詞處理、停用詞去除、詞頻統(tǒng)計，倒排索引生成；特征選擇過程是對文本預處理后的倒排索引文件進行特征選擇，從而得到文本特征詞集合；文本向量化主要是運用TF-idf計算方法求出特征詞在各個文本中的權重[41]。根據數據處理形式的不同，以Google、Facebook等為代表的互聯網企業(yè)近幾年推出了各種不同類型的大數據處理系統(tǒng)，例如批量數據處理系統(tǒng)的Google文件系統(tǒng)GFS[42]和Map Reduce編程模型[43]；流式數據處理系統(tǒng)有Twitter的Storm系統(tǒng)[44]；交互式數據處理系統(tǒng)有Berkeley的Spark系統(tǒng)[45]等。

3.2.3應對措施①數據結構化處理。首先，優(yōu)化文本數據的分詞處理主要是利用TF-idf[46]值量化分詞處理結果中每個分詞的權重，得到每個分詞的權重值；其次，可以根據權重值采用single-pass[47]算法計算出新聞的相似度[48]，同時從輿情數據源中采集網絡新聞文本數據的關注度、轉發(fā)率、媒體報道量及時間因素等重要性指標，利用網絡傳播熱度指數的算法計算出新聞關注度；最后，將相似度和關注度結合在一起，對網絡輿情信息的重要性進行識別判定。

②數據多樣性分析。對所識別的網絡重要輿情信息進行分級、事件處理分類、多維度分析、群體分析、處置分析、預警分析和決策支持分析，得到輿情發(fā)展趨勢、輿情群體分布走勢和輿情預警等級的分析結果，根據分析結果形成輿情事件等級轉化機制，為風險管控、專項整治、輿情處置提供決策參考。對七種分析方法作出簡單介紹如下：一、輿情分級，輿情事件主要分為Ⅰ級(特別嚴重)、Ⅱ級(嚴重)、Ⅲ級(較重)和Ⅳ級(一般)四級；二、輿情事件處理分類，輿情事件的處理方式主要包括系統(tǒng)內部處理、系統(tǒng)外部處理，短期處理、長期處理、個例處理和事件真?zhèn)伪孀R等；三、多維度分析[49]，針對得到的優(yōu)化文本數據，從語義、情感、傳播和受眾反饋的角度進行多維度分析探討，預測判定輿情事件的發(fā)展態(tài)勢；四、輿情群體分析，針對話題輿情活躍參與者的參與平臺、地理分布、身份特征、粉絲數乃至職業(yè)、興趣分布和表達習慣等多個方面進行特征分析，作出人群統(tǒng)計，預測判定輿情群體的分布走勢；五、輿情處置分析，針對輿情傳播擴散路徑、傳播內容、傳播焦點轉移、觀點傾向變化等多個方面，研究歷史案例和咨詢輿情研究專家的建議，制定輿情處置方案；六、輿情預警分析，針對輿情傳播擴散路徑、傳播內容、傳播焦點轉移、觀點傾向變化等多個方面，研究歷史案例和咨詢輿情研究專家的建議，建立輿情預警機制；七、決策支持分析，通過對官方響應、信息發(fā)布、公信力、動態(tài)反應、問責處理、應對技巧6個角度的梳理，評估輿情應對的特點、優(yōu)點、缺點、經驗、教訓、態(tài)度和策略。

3.2.4發(fā)展趨勢及挑戰(zhàn)隨著大數據時代的到來，數據實時挖掘和處理面臨嚴峻挑戰(zhàn)，對分析挖掘的實時性要求越來越高，需要不斷提升網絡輿情動態(tài)掌握的及時性與準確性。然而，由于大量的結構化、半結構化和非結構化輿情數據在不同類型、領域新媒體中的融合，使得異構數據處理成為了輿情分析的主要難點[50]。在未來發(fā)展中將逐漸趨向于數據處理引擎專用化、數據平臺多樣化和數據計算實時化。

3.3 數據應用

3.3.1數據應用的重要性與存在問題大數據的數據分析是數據應用之前的必要環(huán)節(jié)，包括話題聚類分析、情感傾向分析、話題熱度分析、關聯度分析、輿論趨勢預測等一系列研究，以實現跨行業(yè)跨領域的數據融合，使數據應用變得更為全面[51]。然而，目前政府、企業(yè)和消費者對輿情數據的認識程度不高、利用程度不強，導致食品安全輿情數據的用戶群不廣泛，應用面狹窄及場景化應用不強。另外，國內在研究輿情回應方面還比較滯后，進行焦點、熱點和敏感點分析的能力不足，對其他輿情利益相關者，例如微博、微信等新媒體傳播平臺考慮得還不充分。多數食品安全輿情研究僅從技術層面提供支持，在數據采集和數據處理環(huán)節(jié)的研究較多，對數據應用的技術導向和治理對策涉及較少，多以一般理論研究為主，相關應用性研究還不夠豐富。

3.3.2研究進展針對輿情數據的應用領域，相關研究為政府構建了輔助決策支持系統(tǒng)；并基于政府監(jiān)管行為設計出政務分析管理系統(tǒng)；為微博創(chuàng)建了網絡可視化的輿情分析模型[52]。開發(fā)出食品安全多源數據采集、存儲、管理、分析與應用于一體的食品安全大數據云平臺，該平臺在2015年為貴州成功處置了“食品中含有甲酸失實報道”事件，實現了政府、食品企業(yè)、消費者、媒體各主體信息的交融互通，推動了食品安全社會共治模式的快速發(fā)展[53]。食品安全輿情數據應用需要貫穿整個輿情演化過程，從而形成網絡輿情的監(jiān)測與預警、演化與發(fā)展、策略與方法，以幫助政府提高輿情反應力、引導力和控制力，推動企業(yè)提升企業(yè)響應力、公信力和信息透明度[54]。

3.3.3應對措施①輿情分析可視化展示。食品安全輿情監(jiān)測系統(tǒng)建立輿情展示平臺，將輿情發(fā)展趨勢、群體分布走勢和預警等級展示給用戶群，形成了包括熱點推薦、預警短信、預警郵件、輿情統(tǒng)計和專項事件分析報告等多種方式的輿情報告、歷史輿情案列分析和輿情決策。

②事前、事中、事后的解決方案。結合專家意見和政府政策形成輿情事前、事中和事后的解決方案：事前發(fā)現風險，快速精準鎖定輿情事件，及時提醒預警；事中分析事件，研究輿情走勢，提供應急干預措施；事后總結處置，整合信息進行風險交流，制定事件輿論引改方案，輔助系統(tǒng)用戶更好地決策。

③政府、企業(yè)和消費者三方的輿情事件管控。第一方面，政府能夠根據輿情分析結果實時獲取轄區(qū)內的輿情動態(tài)，以便及時分發(fā)給下級部門、轄區(qū)食品企業(yè)；針對個別生產經營主體、食品品類、風險指標重點監(jiān)測、深入跟蹤和處置。第二方面，企業(yè)通過輿情分析結果實現自治，能夠獲取同行業(yè)同類別的輿情動態(tài)，不斷完善食品安全相關問題，增強規(guī)范化管理，以便提前化解食品安全風險；針對個別食品分類、風險指標重點關注、深度調查跟蹤。第三方面，消費者根據輿情分析結果能夠指導自身消費，規(guī)避問題和風險，了解輿情事件的整個過程，避免以偏概全的現象。

3.3.4發(fā)展趨勢及挑戰(zhàn)食品安全網絡輿情治理是各政府部門、互聯網企業(yè)、媒體、網民等相互協(xié)作的結果。因此，要想提高我國輿情事件的處理能力，降低輿情事件擴大的風險，在今后的發(fā)展中，政府亟需建立嚴謹的輿情預警體系，完善輿情監(jiān)測系統(tǒng)，加快對國內食品安全輿情的案例分析，例如轉基因食品輿情、野生動物食品輿情等；相關監(jiān)管部門應盡快制定出切實有效的工作流程，從實踐中總結經驗，制定出健全的處置方案[55]；其他輿情事件利益相關者，應針對其在輿情形成和發(fā)展過程中的角色定位不同，在具體食品安全輿情事件上，給出不同的輿情引導措施，建構輿情應對路徑。

針對數據采集、數據處理、數據應用三方面總結的問題，陶光燦等[56]改良設計了一種食品安全輿情監(jiān)測方法及系統(tǒng)(圖1)，研究科學有效的輿情監(jiān)測方法，開發(fā)出政府、企業(yè)、社會公眾三方可以共同參與、使用的食品安全網絡輿情體系。通過TF-idf[57]公式計算出不同關鍵詞的權重，將優(yōu)化的文本數據通過特征量及其權重系數的形式進行描述，進而實現文本特征的量化描述[58]；根據計算出的分詞權重獲取各個優(yōu)化文本數據的新聞相似度和關注度，結合兩者對網絡輿情信息進行重要性判定；依次進行多種方式的數據分析，如輿情分級、輿情事件處理分類、多維度分析、輿情群體分析、輿情處置分析、輿情預警分析和決策支持分析；得到輿情發(fā)展趨勢、輿情群體分布走勢和輿情預警等級的分析結果，最后根據分析結果提出政府、企業(yè)和消費者三方的風險管控措施，形成輿情補救機制。

圖1 食品安全網絡輿情監(jiān)測邏輯

4 展望

4.1 預測預警降低食品安全風險發(fā)生率

在食品安全事件發(fā)生之前，輿情監(jiān)測系統(tǒng)有效地預測了危害風險，降低了事故發(fā)生率，通過關聯日常檢查、監(jiān)督抽檢等數據，挖掘不同類型食品、不同食品企業(yè)的風險點和風險環(huán)節(jié)。通過系統(tǒng)分析網民對有關食品安全敏感話題的輿情傾向性，預測輿情的趨勢走向，設置閾值判斷某一事件的嚴重程度,從而劃定風險等級進行預測預警[59]，實現早發(fā)現、早報告、早處理，最大限度地降低食品安全風險發(fā)生率。

4.2 監(jiān)控監(jiān)測實現監(jiān)管工作高效性

在食品安全事件發(fā)展過程中，輿情監(jiān)測系統(tǒng)有效地提高了用戶的監(jiān)控監(jiān)管能力，運用網絡實時抓取、實時分析的技術，搜集信息資料；結合不斷迭代優(yōu)化的分析算法和模型，識別出食品安全的網絡輿情信息；通過研究事件發(fā)展態(tài)勢、傳播路徑、以及輿情傾向，跟蹤分析輿情事件的影響面和影響力[60]。并且，鑒于食品安全輿情事件用戶多元化，不同用戶對應的應用場景不同，輿情監(jiān)測系統(tǒng)可自動配置相應的重點監(jiān)測網站和重點監(jiān)測詞，實現關注即重點的高效監(jiān)控監(jiān)測。將監(jiān)管總結為輿情信息收集、輿情信息篩選、跟蹤分析與研判整改等幾個步驟，最后形成事件分析報告，為輿情事件處置提供數據參考，解決突發(fā)事件于危時。

4.3 因地制宜地給出輿情處置方案

在食品安全事件發(fā)生之后，輿情監(jiān)測系統(tǒng)根據關聯分析，挖掘事件發(fā)生原因，追溯事件發(fā)生源頭，同時結合輿情事件網絡呼聲，從目標對象、處置方式、處置流程等角度上形成處置方案。目前處置方式主要有技術準備、召開媒體會、媒體采訪、組織相關部門和專家會商、形成案例報告等[60]。

食品安全輿情處置工作中，要因地制宜地采取合理有效的方法，例如積極開展心理疏導方面的工作，以緩解老百姓消費恐慌；及時公布食品安全事故的準確資訊，進行風險交流，獲得最大限度理解和支持；積極樹立食品安全監(jiān)管部門的良好形象，及時辟謠虛假信息，建立起政府機關部門的威信，執(zhí)法為民，勇于負責，保障食品安全[61]。