[发明专利]一种基于模糊数相似度的多因素舆情风险评估方法

说明书

本发明公开了一种基于模糊数相似度的多因素舆情风险评估方法。首先，使用扩展优劣解距离法得到风险因素的影响程度，同时使用层次分析法得到指标模型结构及各层元素的排列次序；其次，处理不同数据类型的输入得到风险因素事实系数评估值并进行融合；最后，基于模糊数相似度将评估综合值映射到风险等级与模糊数转换系统中，得到舆情风险等级。本发明可以多源融合工作流程中的风险因素，更加全面、综合地对当前舆情风险给出细粒度的评估；对负面话题和正面话题进行不同的统计策略，较传统方法更具合理性，能够较好的反映舆情倾向性，构建的指标模型有利于风险因素的细化，同时风险指标具有更客观的影响程度评价。

技术领域

本发明涉及风险管理、模糊数学技术领域，具体涉及一种基于模糊数相似度的多因素舆情风险评估方法。

背景技术

随着互联网的快速发展，舆论形成和传播的速度日益加快，民众在网络媒体中针对热点事件的舆论给工作带来了极大的风险与挑战。因此，对工作过程中的舆情风险精准化评估的需求逐渐增长，其中如何构建舆情风险的评估内容，如何进行风险等级定量分析是要解决的两个核心问题。现有的机器学习、模糊矩阵等方法由于历史数据有限、风险评估精度要求高等原因，难以有效应用于实际业务。

针对于此，基于模糊数相似度的风险评估模型在处理风险模糊性和不确定性方面有较强的技术优势。该方法将模糊集理论应用于风险评估和多属性决策中，以模糊数连续隶属度函数为基础，将定性评价转化为区间数形式的数学表达，在此基础上对其进行模糊运算、模糊聚合或模糊推理等操作，从而获取精确的风险等级。因此，基于模糊分析法的风险评估能够有效解决定性评价与定量分析的转换问题。该方法主要包括四类模型：基于模糊排序的评估模型、基于模糊数相似度的评估模型、模糊推理模型和模糊矩阵模型。在基于模糊排序的评估模型中，首先需要建立排序基准，然后根据排序结果确定风险等级。在实际工作场景中，通常是对某一个工作流程单独评估，较少出现多个评估对象进行对比的情况，因此较难建立排序模型。在模糊推理方面，研究者通常在模糊推理系统(Fuzzy InferenceSystem，简称FIS)中，利用风险矩阵结构描述隶属度函数和If-Then规则，并基于事件信息对风险进行评估预测，该方法是模糊控制研究的理论基础，常用于工业领域，不适用于文书流转为主要操作的场景。

模糊矩阵模型代表了一类引入模糊集理论的定性分析方法。该模型利用模糊区间数代替实数，更加真实地反映人为评价，从而细化矩阵粒度。虽然在一定程度上减少风险结(risk tie)的数量，提高了风险等级区分能力，但本质仍属于定性评估且构建过程十分繁复，针对包含多因素风险的业务，难以建立有效的定量分析模型。

基于模糊数相似度的评估模型利用模糊风险测度和风险等级的相似度确定预警级别，该模型将单一的评估对象直接与风险级别相对应，不存在多个对象相互依赖，当仅有一个工作流程时，也能输出对应的风险预警等级，并且排除人为因素进行风险等级确定。因此满足业务场景的评估需求，同时具备较高的评估准确性。

综上所述，基于模糊数相似度的评估模型不仅能够有效转换工作场景下的定性风险评价，而且能够建立针对单一工作的独立评估机制。但在特殊数据处理和评估准确性等方面仍存在不足，成为制约精准化舆情风险评估的瓶颈。

目前的现有技术之一是管理系统，此类系统主要服务于基础业务流程规范管理与时间管理，缺少对多因素舆情风险的评估与管理。其中，现行工作流程风险防控体系采用表格的形式定义，每个风险因素条目定义为风险项、风险等级与风险责任人。

现有技术之一的缺点是：(1)现有成熟管理系统缺乏对多因素工作舆情风险的评估与管理；(2)现有风险防控体系风险点因素单一，未宏观考虑多风险因素；(3)现有风险防控体系风险等级固定，评估的过程未充分结合客观数据，评估结果不准确。

目前的现有技术之二是网络舆情多维度分析系统，其包含的主要功能为：负面舆情分析、热点分析、舆情爆发趋势分析等等。其中负面舆情分析基于对各大主流网络平台的相关文本进行正/负情感值分析得到评估结果。