本文一共涵盖3篇精选的论文范文,关于《文本挖掘的网络舆情论文(精选3篇)》仅供参考，希望能够帮助到大家。摘要[目的/意义]网络舆情领域的研究受到多学科的共同关注，文本挖掘作为一种大数据分析技术，在网络舆情信息的挖掘中发挥着重要作用。[方法/过程]基于文献计量学方法，使用CiteSpace软件，以WebofScience核心合集为数据源，对基于文本挖掘的网络舆情研究概况、研究热点和研究前沿进行分析。
文本挖掘的网络舆情论文 篇1：
基于文本挖掘技术的网络舆情特征研究
摘要：随着互联网时代的到来，新媒体产业发展迅速，移动互联网成为网络舆情传播的主要媒介。而网络通信的日渐发达也给网络社会安全带来了很大的隐患。该文拟通过对在线社交网络中的舆情传播问题进行研究，并对传播数据的进行特征分析，揭示舆情传播的内在规律。该文首先利用Python网络爬虫技术对新浪微博“#温州11岁男孩失联5天# 家人重金50万求线索”这一事件的转发数据和评论数据进行了爬取。然后，针对评论数据进行预处理，并利用情感得分算法算出每条评论的情感得分，绘制出情感得分随时间变化的情感极性图，从理论上论证了舆情被证实前后，用户评论的情感极性逐渐由积极变为消极。最后，针对转发数据绘制了转发时间的频率分布直方图，进一步论证了舆情传播的两大特点——高效性和时效性。
关键词：网络舆情;网络爬虫技术;文本挖掘;情感分析
1 网络舆情概述
1.1 舆情
舆情是社会个体民众基于某个社会热点问题，在特定的社会范围内，对社会所持有的针对热点事件的发生和发展所产生的对某个特定群体具有重要意义的观点和看法，也是个体民众对社会中某个热点问题的态度。
1.2 移动互联网下的网络舆情
近年来，新媒体时代的到来改变了网络舆情信息传播的主流方式，主要体现在移动互联网在信息传播方面占据更重要的地位。当前舆论传播模式主要有两种，传统传播媒体（如电视、报纸等）和新兴传播媒体（如互联网和手机）。传统的舆情传播模式是 20 世纪的主流传播模式，随着 web2.0 的到来，人们从公众变成网民，在移动互联网平台上浏览舆情信息、发表评论，使舆情得到了比传统传播媒体更快速的发展，成为舆情信息传播的主要力量。
2 数据的获取与处理
2.1 数据源的选择
本文以移动互联网环境下新浪微博中的热点话题“儿童拐卖”为例，进行了样本数据的采集及其信息传播特点研究。
2.2 采用的技术手段
2.2.1 网络爬虫技术
网络爬虫就是模拟用户对网页进行访问，接受请求响应，然后根据需求设计相应的提取规则，自动地抓取互联网信息的程序。
在设计爬虫算法时，首先需要对网页的内容进行分析，分析出所需要提取信息的加载方式，然后针对不同的加载方式设计不同的爬虫算法。
针对静态加载方式，只需要对网页的源码进行分析，找到所需信息的存储位置，设计相应的XPath提取规则，利用Selenium模块进行提取即可。
2.2.2 特征词词频分析技术
目前做词频分析的方法有多种，主要思想都是先将非结构化的文本内容进行分词处理，然后构建词袋模型，进行词频统计分析。本文首先通过Python中的jieba分词对文本评论进行分词处理，随后调用CountVectorizer函数将文本评论向量化，并根据特征词构建词袋模型，统计特征词词频进行词云图分析。
2.2.3 文本情感分析技术
文本情感分析的根本是识别文档中重要的文本特征，如词性和词频率、情绪词、词语强度以及否定词等。本文采用基于朴素贝叶斯模型的SnowNLP情感得分算法对文本评论进行情感分析。
2.3 数据说明
在此本文利用Python网络爬虫技术对新浪微博“#溫州11岁男孩失联5天# 家人重金50万求线索”的评论数据和转发数据进行了爬取，选取的爬取字段如表1和表2所示。
3 评论数据的分析
3.1 评论数据的预处理
3.1.1 原始数据处理
由于评论数据中存在大量的空白评论、表情评论以及重复评论等杂数据，为了有利于后文对文本数据的处理，本文首先对评论数据进行了清洗，去除空白评论、表情评论等杂数据，得到了9316条有效评论数据。
然后统计出每个分词出现的频数即为该词的词频。针对特征词词频的分析，本文采用比较直观的词云图分析法（词频越高，该词在词云图中的字体越大）进行研究。
本文以时间作为分析维度，对证实为舆论前后的数据分别进行特征词词频分析，并将结果保存为Excel文件格式。然后，利用Python中的wordcloud模块绘制词云图如图2和图3所示。
从词云图来看，证实为舆论前，“希望”“孩子”“平安”等词出现的频率较高，表明人们对孩子安全的关注，希望孩子平安无事。而证实为舆论后，词云图中出现了“造谣”“传谣”“家里人”等词，表明了人们对利用这种事件来制造舆论的做法的普遍不满。
3.2 情感分析
主观性的评论文本包含着一些情感色彩，情感是一种态度、思想，是一种感觉引发的判断。
情感分析也被称为意见挖掘，用来研究人们对某些实体的情绪。情感分析相比于传统的市场研究方法，例如调查或民意调查，具有在成本和时间上的优势，它是通过非侵入性的方法来提取用户的意见和情绪的。本文基于朴素贝叶斯模型，运用SnowNLP进行评论的情感分析。
3.2.1 基于文本的朴素贝叶斯算法
朴素贝叶斯算法适用于独立的特征属性之间，它的基本思想是通过特征属性对样本进行分类，包括待分类项、分类器、类别这三要素，其中分类器的质量和分类器的构造方法、样本特性和样本数量有关。
基于文本的朴素贝叶斯算法描述过程为：
3.2.2 数据集的构造
在所有数据中随机抽取出出了1000条数据进行人工标注，一共得到了710条积极情感和248条消极情感评论，其余42条评论无法确定其情感倾向。（如表4所示）
3.2.3 模型的训练
得到标注的数据后，将其中766条作为训练集，192条作为测试集，带入模型进行训练，并利用测试集测试模型进度为83.33%。
情感得分示例如图4和图5所示，评论“假的。虚假报警。央视新闻刚讲”，很明显这是一个消极评论，利用模型计算其情感得分为0.046852330033，与实际相符。评论“希望孩子平平安安，赶快回家”为积极评论，利用模型计算其情感得分为0.919668529778，同样与实际情况吻合。
3.2.4 舆情情感极性分析
利用模型计算得到每条评论的情感得分，并与时间绘制成情感极性变化图（如图6），图中虚线部分表示该条舆论被证实的时刻。
4 转发数据的分析
转发行为，是微博用户之间进行信息传播一种方法。本文通过研究用户发生转发行为的时间来研究移动互联网下的舆情传播的特点。
从图中可以看出，在该条舆论发布时，较短时间内发生了大量的转发体现出了舆情传播的高效性;并且一经被证实后转发数量骤减，体现出了舆情传播的时效性。
5 总结与展望
5.1 总结
本文利用Python网络爬虫技术进行数据的获取，得到了两种数据，一种是微博的转发数据，另一种是微博的评论数据。并分别利用这两种数据对移动互联网下的网络舆情传播的特点进行了研究。
①评论数据
从文本挖掘、情感分析方面出发，构建情感得分算法，计算出每条评论的情感得分，研究情感极性随时间的变化。研究发现在舆情被证实前后用户评论的情感极性逐渐由积极变为消极。
②转发数据
绘制转发时间的频率分布直方图。研究证实了，移动互联网下的网络舆情传播的特点：高效性、时效性。
5.2 展望
①本文采用的是基于朴素贝叶斯模型的情感得分算法，得到的模型精度只有83.33%。后续研究可以考虑采用一些其他的深度学习模型来提高模型的预测精度，例如：卷积神经网络。
②本文虽然获取了两种数据，但是主要利用的确是评论数据，后续研究将利用转发数据构建微博信息传播网络，深入的分析移动互联网下的网络舆情传播特点。
参考文献：
[1] 王永友，黄扬琦.网络舆情异质种群对大学生价值观形成的影响及消解机制[J].重庆邮电大学学报（社会科学版），2018，30（06）：80-87.
[2] 邢云菲. 移动环境下网络舆情信息传播特征及路径研究[D].吉林大学，2016.
[3] 崔树娟，宾晟，孙更新，等.基于大数据分析的多关系社交网络舆情传播模型研究[J].中南民族大学学报（自然科学版），2018，37（02）：114-120.
[4] 张硕.基于复杂网络的舆情信息传播机制研究[D].首都经济贸易大学，2018.
[5] 付璐.新浪微博传播机制研究[J].科教导刊（中旬刊），2018（05）：138-139.
[6] 张岚岚.新浪微博的网络舆情分析研究[D].华东师范大学，2011.
[7] 刘敏，王向前，李慧宗，等.基于文本挖掘的网络商品评论情感分析[J].辽宁工业大学学报（自然科学版），2018，38（05）：330-335.
[8] 封丽.面向微博短文本的情感分析和特征抽取[J].农业图书情报学刊，2018，30（09）：56-60.
[9] 刘贵香，蔡永明，刘璐，英玉超.社交网络信息传播机制研究——以新浪微博为例[J].经贸实践，2018（06）：69-70.
[10] 孙海燕.网络舆情传播模型研究[D].山东大学，2014.
[11] 邢长征，李珊.文本情感分析的深度学习方法[J].计算机应用与软件，2018，35（08）：102-106.
[12] 王晰巍，张柳，李师萌，等.新媒体环境下社会公益网络舆情传播研究——以新浪微博“画出生命线”话题为例[J].数据分析与知识发现，2017，1（06）：93-101.
[13] 吴信东，李毅，李磊.在线社交网络影响力分析[J].计算机学报，2014，37（04）：735-752.
[14] 孔杏，林庆.主观性文本情感分類研究综述[J].信息技术，2018，42（08）：126-130+134.
【通联编辑：代影】
作者：骆明 王含含 盛博 廖安灵
文本挖掘的网络舆情论文 篇2：
基于文本挖掘的网络舆情研究进展述评
摘 要 [目的/意义]网络舆情领域的研究受到多学科的共同关注，文本挖掘作为一种大数据分析技术，在网络舆情信息的挖掘中发挥着重要作用。[方法/过程]基于文献计量学方法，使用CiteSpace软件，以Webof Science核心合集为数据源，对基于文本挖掘的网络舆情研究概况、研究热点和研究前沿进行分析。[结果/结论]目前该领域的研究仍处于发展阶段，并开始集中向社会化媒体主题集中发展；情感分析、意见挖掘为领域中的热点关键词，2020年仍热度不减。未来几年的热点仍将集中在情感分析和意见挖掘方面，推动跨学科研究成为该领域发展的重要推动力。
关键词 文本挖掘；网络舆情；CiteSpace ；知识图谱
本文使用文献计量学知识图谱分析工具CiteSpace软件 [1]，对国内外近20年来的基于文本挖掘的网络舆情研究概况进行分析，发现研究热点与前沿，并绘制网络知识图谱。数据源为Web of Science核心合集数据库，选择时间跨度为2000至2020年，通过搜索主题词“text mining”AND“network opinion”，文献类型限定为“ARTICLE”，最终得到706篇检索结果。将结果导入CiteSpace 5.7.R2构建数据集，之后通过国家机构与作者共现分析、共被引文献分析、关键词共现分析等方法分析数据并得出结论。
2 基于文本挖掘技术的网络舆情研究概况
对整体趋势分析发现，目前该领域研究仍然处于发展阶段。从2004年开始，文本挖掘与网络舆情交叉领域的研究呈逐年递增趋势，其中2016和2019年相对前一年增长最为明显，2019年的相关研究成果最多为174篇，2020年（截至12月17日）为110篇，与2018年持平。
2.1 各国研究现状与主要机构
通过分析近20年不同国家和机构的发文数，可以得到领域内影响力较大的国家及主要研究机构。从国家层面来看，领域关注度较高的为中国（192篇）、美国（95篇）、印度（77篇）和西班牙（51篇）。其中中国的研究成果数最多，约为美国的两倍，首发时间为2008年，且中心性最高为0.6，与其他国家拉开了较大差距；这说明中国在研究的最初发展阶段就进入了领域，研究水平最为突出，在世界范围内发挥着重要影响力。
在机构层面上，中国的研究机构以中国科学院、南洋理工大学、清华大学为首，发文数量均在10篇以上，在全球范围内处于领先位置；美国的亚利桑那大學、西班牙的维戈大学、英国斯特林大学都对该领域有较高的关注度。对机构发文突现分析可知，最早展开集中研究的是美国亚利桑那大学，其突现强度最高为3.16，研究集中在2018至2012年间；2011年，首尔大学、南洋理工大学、北京航空航天大学的研究增多，香港城市大学在2014年关注度增高较为明显（2.38）；之后，同济大学和上海科学技术研究院也相继开展研究。
2.2 学科领域分布与作者分析
从学科分布来看，研究文献分布在科学技术、社会科学、艺术人文三大学科领域，其中科学技术领域研究最为集中为686篇，是其他两个领域之和的2.7倍。
通过对研究者发文量、突现时间与强度、节点度的分析，可以得到领域内主要研究者，并对研究者的影响力和合作进行分析。发文数最高的作者为艾瑞克·坎布里亚（9篇），其研究从2012年开始突现，节点度为18，在研究者中的影响力最高，其研究主题为网络舆情文本挖掘的深度神经网络研究。影响力Top 6的高产作者首发年份多集中在2012年之后，但研究者陈炘钧首发日期相对较早（2008年）且有明显突现（2.57），节点度为5，具有一定的影响力，研究主题主要在社会化媒体领域，是该主题研究探索的先驱。
2.3 研究发展的阶段与脉络
通过文献共被引分析，可分析出该领域主要研究成果，并梳理出研究发展的阶段与脉络。具体是在共被引文献网络的基础上，根据主题进行T聚类，用极大似然估计（LLR）计算每个簇的标签，得到共被引文献聚类图谱（图1）。图谱中簇分布的相对位置代表不同时间阶段，越靠近左边的时间越近，越靠近右边越远，由此梳理出研究阶段与对应主题。
1）起始阶段（2000—2010）：网络舆情视域下文本挖掘技术研究。此阶段研究伊始，主题聚类标签为#4、#3、#10。2006至2008年，研究主要集中在多语言文本挖掘研究（#4）且研究数量连年递增。如2005年刘冰等人提出了一种基于语言模式挖掘的方法，可以从用户评论中提取产品功能描述[2]。2009年研究主题开始过渡到中文文档（#3）和机器学习方法（#10）。如2008年阿巴斯等人对Web论坛和博客影响进行分析，比较了几种情感分析的特征表示方法的效果，并提出支持向量回归相关合奏的方法来预测情绪强度[3]。2010年，社会化媒体（#7）的研究开始走入视野。麦克·塞沃尔等人从2007年就开始关注社交媒体MySpace，之后对社会化媒体进行持续的研究，包括对短文本数据的情感监测算法的研究，以及对社交媒体用户行为、属性及其社交关系网络的分析等[4]。
2）探索发展阶段（2011—2013）：较为分散的主题分布。此阶段研究主题聚类标签为#2、#3、#5、#7、#8、#15。2011至2012年，研究继续在社会化媒体主题上进行的同时，也在中国微博（#2）、用户认知发现（#15）等主题上有所发展。2013年开始社会网络文本挖掘（#8）成为研究的新兴主题。如穆斯塔夫·穆罕默德在消费者品牌情感进行社会网络文本挖掘的研究中，使用专业词典对诺基亚等5个品牌的Twitter平台网民情绪进行挖掘[5]。莎拉·凯瑞特娜等人通过文本挖掘在Twitter社交网络中进行用户身份识别研究[6]。
3）集中发展阶段（2014年至今）：以社会化媒体为主题持续发展。此阶段研究主题聚类标签为#0、#1。2014年开始，研究主题开始集中到社会化媒体（#1）的网络舆情文本挖掘上，之后的研究也继续沿着这个脉络不断向前发展至今（#0）。如库玛·拉维等人对2000—2015年的社交媒体情感分析研究中，总结了情感分析的主要任务、方法和应用情况，文本挖掘在社会化媒体中的应用逐渐受到重视[7]。阿莎·马尼克于2017年使用一种基于SVM的基尼索引特征选择方法，对社交媒体中电影评论数据集进行情感分类[8]。近年来，基于深度学习的社交媒体文本挖掘受到研究者的重视。如2019年泰国帕苏帕等人对CNN、LSTM、Bi-LSTM几种常见的深度学习模型进行评估，发现使用word embedding、POS标签等功能的CNN模型效果最好[9]。
3 基于文本挖掘技术的网络舆情研究热点与前沿
3.1 研究热点分析
1）关键词频次（Freq）统计分析。通过分析文献的关键词共现网络图谱，发现目前文本挖掘和网络舆情的交叉领域热点关键词为情感分析、意见挖掘、文本挖掘、Twitter、文本分类、社会化媒体、机器学习等。其中，情感分析和意见挖掘的频次最高，在数据集的706篇文献中分别占比44%和34%。
2）中心性（Centrality）分析。将关键词按照中介中心性排序，得到值最高的关键词为情感分类（0.26），其余较高的还有社会化网络（0.21）、SVM（0.13）等，说明这些关键词在多个研究子领域中比较重要且影响力强。这可能是因为社会化网络和情感分类是网络舆情研究中文本挖掘重要的应用领域，而支持向量机是机器学习经典的分类器，在情感分析和文本分类中都有广泛的应用。
3）突现（Burst）时间与强度分析。对关键词突现进行分析，可以得到关键词发展的脉络。关键词中突現强度值最高的为深度学习（9.06），说明从2018年开始深度学习成为网络舆情文本挖掘新的热点。深度学习是机器学习中一个新的研究方向，它使文本挖掘的方法不再局限于统计和传统的机器学习算法，而是可以利用卷积神经网络（CNN）、循环神经网络（RNN）、长短期记忆神经网络（LSTM）等神经网络进行挖掘，为结果准确度提升带来了更大的空间。2019年突现的关键词为情感分析、神经网络，代表着近两年的研究热点发展方向。
3.2 研究前沿分析
根据之前的分析结果，发现2020年基于文本挖掘的网络舆情研究主题将继续集中在社会化媒体上。2020年，不同国家的研究发文量仍以中国为首（30篇），其次为美国和印度，分别为18篇和12篇。研究机构中发文量最多的为伊朗的阿扎德大学（3篇），中国的机构主要有中国科学院（2篇）、南京科技大学（2篇）、北京理工大学（2篇）等；印度主要有德里大学（2篇）、韦洛尔技术大学（2篇）等。
通过分析2020年关键词共现知识图谱，可知前沿的热点研究主要集中在情感分析、意见挖掘、文本分类、深度学习、社会化媒体、神经网络、Twitter等关键词，其中情感分析和意见挖掘的共现频次最高，成为最受关注的主题。被引数较高的文献中，Greco等人将文本情感挖掘应用到品牌管理的顾客分析中，以Twitter为数据源研究用户社区的特点及产品偏好、表征和情绪[10]；阿德南·沙等人用深度学习的方法分析患者情绪，提出一种多模态方法来分析患者对医疗服务质量的情绪状态[11]。
4 总结与展望
本研究基于文献计量学，使用CiteSpace绘制网络知识图谱，对基于文本挖掘的网络舆情研究的706篇相关文献进行国家机构分析、研究者合作分析、关键词共现与聚类分析，发现目前该领域的研究仍处于发展阶段，并开始集中向社会化媒体主题集中发展；研究数量从2004年开始逐年呈现逐年递增的态势，中国、美国和印度成为领域中研究成果较为突出的国家；其研究成果主要分布在科学技术学科领域，在社会科学和艺术人文中也占有一定比例；情感分析、意见挖掘成为领域中的热点关键话题，在2020年依然热度不减。
根据之前的趋势分析和的前沿分析，未来该领域的热点应该仍集中在网络舆情的情感分析和意见挖掘上；在研究发展方向上，一方面是对理论技术模型进行不断创新和优化，另一方面是在社会科学和艺术人文领域能够应用文本挖掘技术进行更多创新型的研究。文本挖掘技术在社会科学中的应用使处理海量文本成为可能，这能够帮助研究者归纳出一些隐藏的结论，并且更加客观地分析情感、态度、观点与行为的关系。但是其应用也面临一些问题，如算法不够精准、对数据的分析解读不如人工细腻、掌握文本挖掘技术的人才较少等。因此，为了提高研究成果的质和量，如何推动跨学科研究的发展也是该领域需要重点考虑和解决的问题。
参考文献
[ 1]陈美超.CiteSpace II：检测和可视化科学文献中的新兴趋势和瞬态模式[J].美国信息技术协会，2006，57（3）：359-377.
[2]刘冰，胡敏清，程俊生.意见观察：网络舆情的分析与比较研究[C]//美国计算机协会.第14届万维网国际会议论文集.纽约：美国计算机协会，2005：342-351.
[ 3]艾哈迈德·阿巴斯，陈秀珍，斯文·汤姆斯，等.基于相关集合的网络论坛与微博使用影响研究[J].IEEE知识与数据工程学报，2008，20（9）：1168-1180.
[ 4]麦克·塞沃尔.社交网络、性别与交友：基于MySpace平台用户的分析[J].美国信息技术学会杂志，2014，59（8）：1321-1330.
[ 5]穆斯塔夫·穆罕默德.超越文字：社会网络中的消费者品牌情感文本挖掘研究[J].专家系统及其应用，2013，40（10）：4241-4251.
[ 6]莎拉·凯瑞特娜，汉尼·霍斯尼，道格·克赖顿.基于文本挖掘的Twitter社交网络用户身份识别研究[C]//IEEE系统、人与控制论国际会议.IEEE，2013：3079-3082.
[7]库玛·拉维 AB，瓦德拉玛尼·拉维 A.意见挖掘与情感分析：任务、方法与应用[J].知识库系统，2015，89：14-46.
[ 8]阿莎·马尼克，迪帕·谢诺，钱德拉·莫汉，等.基于Gini指数特征选择方法和SVM分类器的大型电影评论情感分析术语词提取[J].万维网、互联网和万维网信息系统，2017，20（2）：135-154.
[ 9]帕苏帕 S，阿尤特亚 TSN.基于深度学习的泰语情感分析：基于词嵌入、POS-tag和情感特征的比较研究[J].可持续发展城市与社会，2019：50.
[ 10]希腊·弗朗西斯卡，波利·亚历山德罗.情感文本挖掘：品牌管理中的消费者分析[J].国际信息管理杂志，2020（51）：1-8.
[ 11]阿德南·沙，严相斌，阿萨德·沙，等.基于患者意见挖掘的医疗保健服务质量评估：一种深度学习方法[J].环境智能与人性化计算杂志，2020，11（7）：1-18.
作者：常甜甜
文本挖掘的网络舆情论文 篇3：
面向政治安全的网络谣言风险分析与防范策略研究
摘 要：[目的/意义]研究面向政治安全的网络谣言风险建模与防范策略，为网络谣言风险治理提供理论基础和实践指导。[方法/过程]采用等级全息建模方法，构建网络谣言的政治安全风险情景，通过识别风险因素，进行风险量化与评级，得出高风险因素，并建立网络谣言政治安全风险防控模型。[结论/结果]依据舆情生态理论和风险分析结果，针对高风险和潜在风险因素，从主体、过程、环境等3个维度提出网络谣言政治安全风险防范的主要策略。
关键词：网络谣言;风险管理;HHM;风险建模;政治安全;政治谣言;谣言治理;舆情生态
DOI：10.3969/j.issn.1008-0821.2019.05.020
〔
Key words：internet rumor;risk management;HHM;risk modeling;political security;political rumor;rumor governance;public opinion ecology
誠然，时下有谣言便有风险的存在。任何谣言都有听众[1]，而每则谣言的背后都有各式“故事”，这些真实或虚构的“故事”为听众张开了遐想的空间，也打开了他们情绪的闸门。随着移动互联网技术和媒体融合的发展，拥有“故事”的网络谣言变得无处不在、无孔不入，于是，网络谣言成为新时代风险社会的安全不稳定诱因和风险治理的重要对象。目前，学界对网络谣言风险问题的研究主要集中在两方面：一是，关于网络谣言风险认知研究。学者刘艳等从社会系统角度认为，网络谣言风险的不确定性主要来自于谣言动机、谣言类型、传播途径等方面[2];吕晓红认为网络谣言风险的诱因主要来自于网络放大（网络匿名效应与污名化）、网络谣言恶意散播与信息不明、群体极化等方面[3]。二是，关于网络谣言风险对策研究。孙一凡等基于社会燃烧理论，通过建立网络谣言风险评估模型，结合不同时期谣言演化特性，针对性地提出了网络谣言风险对策[4];曾润喜等认为治理谣言风险应提升受众的媒介素养，加强行业自律，畅通信息沟通渠道，建立全国通用的一体化舆情应急协同平台[5]。而关于网络谣言政治安全风险问题研究相对分散，大多成果仅从政治传播学、社会学等视角探讨了政治谣言影响和治理问题，缺乏专题的深入研究。由此，本文从维护政治安全角度，结合舆情生态理论，通过对网络谣言政治安全风险建模、量化与评级，进而探讨网络谣言政治安全风险防范的主要策略。
1 网络谣言政治安全风险的内涵及主要表现
传统政治安全和非传统政治安全交织而成的复杂政治安全是时下我国政治安全所面临的时代特征。习近平总书记曾指出：“要把维护国家政治安全特别是政权安全、制度安全放在第一位”，“提升防范应对各类风险挑战的水平，确保国家长治久安”[6]。作为国家安全的根本，政治安全主要包括主权安全、领土安全、政权和政治制度安全以及意识形态安全等方面内容，具有根本性、战略性、整体性、长期性的价值表征。因而，探究网络谣言政治安全风险识别与防控问题，首先要厘清“网络谣言与政治安全的关联”，以及“网络谣言的政治安全风险的内涵”。网络谣言与政治安全的关联，主要表现在两个方面：一是不同类型的网络谣言对不同的领域安全有着一定影响，并存在一定程度上的风险交织与衍化现象;二是政治安全是网络谣言治理的核心价值取向，也为网络谣言风险分析与管理提供了必要的价值指向和研判依据。基于此，根据政治安全内容和风险理论，网络谣言的政治安全风险是指网络谣言在生成、传播、演化过程中，对国家主权、政权、政治制度以及意识形态等政治安全方面所构成的威胁或危害的可能性和不确定性[7]。一般而言，网络谣言安全风险主要受其关涉的主题领域所影响。按照关涉主题领域不同，网络谣言可分为网络政治谣言、网络经济谣言、网络军事谣言、网络文化谣言、网络社会生活谣言、网络食品谣言、网络公共卫生疫情谣言、网络生态环保谣言等多元类型[8]。从实践来看，网络谣言政治安全风险并不局限于政治谣言本身，还来源于社会、经济等其它谣言等的信息衍化与影响的政治性跃升，其内容大体涉及：领土主权、政体政权、政治腐败、主流意识形态、主要社会矛盾、涉稳、涉恐、涉军、涉警、以及涉政治人物、社会政治事件等问题。从上可知，网络谣言政治安全风险更多地体现的是一种国家安全的底线思维和风险意识。
根据舆情生态理论，网络舆情生态是网络舆情主体、网络舆情信息以及网络舆情生态环境等各种要素相互作用、相互影响而形成的动态的复合生态空间[9]。由此，通过分析网络谣言传播中政治安全风险的影响因素[7]，本文认为网络谣言政治安全风险主要表现以下3方面：
一是，网络谣言主体方面的政治安全风险。其主要体现在4个层面：1）在个体层面上，个体受众受网络谣言影响所产生的政治思想和动机极端化、政治心理扭曲化、以及政治行为激进化等风险;2）在群体层面上，群体受众受网络谣言的政治观念和价值蛊惑造成的群体感染与群体暗示、甚至群体无意识盲从或群体极化等风险;3）在媒体层面上，媒体融合与新一代信息技术发展不仅给网络谣言提供了多元的传播渠道和泛在的舆论空间，而且给网络谣言带来了更大的“眼球”效益和舆论引导力，这些也成为了网络谣言政治安全的媒介风险;4）在政府及社会组织层面上，往往存在着权威信息公开主体缺位、官员公信力危机、国际政治斗争中政治宣传与网络煽动、谣言应对的复杂性等风险。
二是，网络谣言信息方面的政治安全风险。其指的是网络谣言的信息本身及其流转过程所形成的政治安全风险，主要体现在网络谣言信息主题的集聚极化性、内容的易感煽惑性、价值的错位建构性、传播的急速扩散性、流转的多路共振性、影响的潜移默化性等风险。
三是，网络谣言环境方面的政治安全风险。其主要涉及在4个方面：1）在政治层面上，涉政网络谣言一般呈现出扰乱主流政治文化与政治生态、削弱政府公信力、诱导无政府主义蔓延、威胁政治安全等风险;2）在社会层面上，涉政网络谣言极易出现歪曲主流社会价值导向、诱发不良社会心态、激化社会矛盾、影响社会稳定等风险;3）在技术层面上，网络谣言治理要应对谣言信息传播的匿名效应、网络传播的跨时空性、以及舆情信息监测与预警的复杂性等风险;4）在制度层面上，网络空间治理存在着一定的公众制度化表达与参与渠道缺失、网络空间法制体系不健全、安全风险防控机制不完善，这些也给网络谣言的生成与扩散带来一定程度上的制度性安全风险。
2 基于HHM的网络谣言政治安全风险识别
实践表明，网络谣言风险管理是一项较为复杂的长期的系统性工程，对其可能发生的风险进行识别与预警，有助于更好进行风险管理和安全防范。等级全息建模（Hierarchical Holographic Modeling，HHM），是一种讲求全面而整体的思想和方法论，目的在于从多元视角、维度和层级中捕捉和展现一个系统的内在不同特征和本质[10]。该方法具有多层级、可分解的结构特征，可将一个复杂系统以互补、协作的方式分解成只有一级子系统的层次，每一层次都是复杂系统的某一特定视角结构，通过对每一层次的风险分析，确定复杂系统的所有风险和不确定性[11]。由此，本文通过HHM风险识别方法从多视角、多层级分析网络谣言政治安全风险因素及潜在的风险情景，并采取反复迭代的方法来确定该风险的结构框架。
2.1 网络谣言风险识别的HHM框架
综上，结合网络谣言政治安全风险内涵表现和等级全息建模思想，本文构建以主体、信息、环境等维度为支撑的网络谣言政治安全风险识别HHM框架（见图1），其中包括10个二级风险因素和36个三级风险因素。
2.2 网络谣言政治安全风险识别
上述网络谣言政治安全风险HHM框架从多维视角、不同层面展现了面向政治安全的网络谣言风险管理的基本情况，于此，通过反复迭代的过程确定可能存在的风险来源以及风险成因等风险识别的基本要素[12]，从而系统研究网络谣言政治安全风险。按照主层级的属性差异，将网络谣言政治安全风险
HHM框架构建为3层次结构：主体层、信息层、环境层（见图2）。根据分层视角下HHM框架的10个主层次，最多可凝练出90个风险情境组合，由于每个主层次下面存在多个等级全息子系统，如果通过等级重叠协调（HOC）路径，将生成百余个风险情境组合用于对网络谣言风险的识别。
本文以“政府及社会组织——信息流转”这一风险情景组合为例，阐述HHM框架在網络谣言政治安全风险识别中的应用。在分析中，以“政府及社会组织”这一主层次为基础视角，以“信息流转”为上层视角，利用其各自包含的等级全息子系统进行交互作用，理论上可生成16个风险情景源（见表1）。正如表1所示，基础视角与上层视角的不同组合构成了“政府及社会组织——信息流转”的不同风险情景，例如，“政府及社会组织”中“政治谣言应对”的失当会导致“谣言传播范围”扩大、“谣言扩散速度”提高、“谣言存续时长”增加、“谣言演化阶段”导控力弱化等多个风险情景的发生，以此类推，整个HHM框架要完成这样多项风险源的识别，并按照相关信息分类确定主题，完成风险识别。
3 网络谣言政治安全风险的量化与评级
为了能够对风险情境分析和研判提供优先次序，本文采用一定方法对网络谣言风险因素进行量化和评级。首先，将网络谣言政治安全风险HHM框架转化为对应的指标体系（见表2）;其次，应用层次分析法（AHP）对网络谣言风险因素进行量化，并计算指标权重;进而，通过ABC分类法对相应的风险因素进行评级。
3.1 基于AHP方法的风险量化
层次分析法（The Analytic Hierarchy Process，AHP），是一种面向复杂的多目标决策问题的系统方法，它能够有效分析系统要素的层级结构。于是，本文在网络谣言政治安全风险指标体系的基础上建立递阶层次结构模型，采用专家调查法构建判断矩阵，相互比较各层次中的因素，进而计算出网络谣言政治安全风险因素各指标权重（见表3），并通过一致性检验。
3.2 基于ABC分类法的风险评级
ABC分类法（Activity Based Classification，ABC），又称帕累托分析法、主次因素分析法等，是一种按照事物的主次要因素进行分类排序，从而有区别地确定风险管理策略的方法。结合ABC分类法思想，本文将网络谣言政治安全风险因素按整体权重排序，并计算累计权重（见表4），然后，根据统计分析，将风险因素分为4个级别进行评级，其中，0～40%是极高风险（Ⅰ级），41～70%是高度风险（Ⅱ级），71～90%为中度风险（Ⅲ级），91%～100%为一般风险（Ⅳ级）。
通过对以上36个风险因素进行评级得出：极高风险5个，高度风险8个，中度风险10个，一般风险13个（见表5）。其中，就风险因素评级而言，高度以上风险因素为政治谣言应对、信息辨识、谣言传播范围、群体暗示、舆论引导、国际政治宣传、主题热敏度、谣言扩散速度、谣言演化阶段、风险防控机制、网络政治生态、关键种群、内容可信度，这些风险因素是网络谣言政治安全风险管理的重点，需要治理主体予以重视和防范。从风险因素等级分布来看：1）主体风险因素的均衡分布，以及在极高风险区位的高度占比，表明了主体风险是具有根本性的内生风险;2）信息风险在高度与中度风险区位的相对集中，以及多区位分布，说明了信息风险是具有过程性的结构风险;3）环境风险主要集中在中度与一般风险区位，反映出环境风险是具有条件性的外在风险。此三者共同作用形成了网络谣言的政治安全风险生态链，并使其在网络谣言风险演化中呈现出较为明显的动态阶段性和多元衍生性。因此，这就要求面向政治安全的网络谣言风险治理要充分认知风险要素的性质和特征，把握主体、信息、环境等风险演化规律，有针对性地化解和应对由网络谣言产生的政治安全风险。
4 面向政治安全的网络谣言风险防范的主要策略
从上分析可知，网络谣言政治安全风险是一种蕴含个体与群体风险、信息过程风险与衍生风险、环境内生与外在风险等多重因素交织、链式反应的复合型风险。它随着网络谣言的生成与演化而不断与外界环境进行信息和能量的交互，并围绕“政治安全”这一根本价值而形成风险积累、扩散与消解。根据前述的风险识别框架与高风险要素分布，本文以“政治安全为核心、主体为根本、过程为关键、环境为支撑”，建立网络谣言政治安全风险防控模型（如图3所示），进而提出防范和化解网络谣言政治安全风险的主要策略。
4.1 主体多层级防范策略：个体免疫、群体引导、主体协同
网络谣言本质上是一种信息异化的产物，它根于人，而作用于人。因而，作为舆情生态主体的“信息人”成为网络谣言安全风险防范与治理的根本所在。在实践中，受价值取向、观念认知、（态度、情感等）情绪偏好、动机意向、信息行为等影响，个人、媒体、政府及社会组织等网络主体在网络谣言演化中发挥着不同作用和价值影响，往往呈现出具有“个体性”与“群体性”特征的信息生产者、组织者、传播者、消费者、管理者等多元角色，并在信息流转与能量交互中各主体间又形成了平等、共生、互动以及竞合等不同的链式依存关系[13]。于此，本文针对网络主体的个体性、群体性、以及主体间性，提出应对网络谣言政治安全风险的“个体免疫、群体引导、主体协同”多层级防范策略。
具言之：“个体免疫”是指通过教育、规约等恰当的途径/方法使得个体对网络谣言本身及影响具有一定的信息辨识分析、反应处理、以及风险防范能力。尽管个体免疫反应具有一定差异性，但通常可通过政治价值宣教、网络素养培育、伦理法律规范等途径，培树公众正确的政治价值观，引导个体政治安全意识和信息行为选择，提升个体的政治素养和网络信息识别与评价能力，使其坚守网络道德底线和法律法规，切实做到“从容对网、理性上网、阳光用网、依法用网”，不信谣、不传谣，力图从内在实现个体层面对该类谣言的自身免疫，以避免与化解因受个体政治立场、利益关联、政治素养以及信息辨识力等因素影响，在网络谣言演化中出现的思想与行为极端化、迷失或盲从等政治安全风险隐患问题。
“群体引导”指的是针对在网络谣言演化中表现出的群体性价值认知、态度倾向与情绪偏好，治理主体既要面向目标群体和随机群体，强化政治安全价值导向、信息公开与及时回应、以及科学的舆论引导等质效与评估，还要重视各类媒体平台、意见领袖、网络大V等关键种群的监管与合作。在应对涉及政治安全风险的网络谣言中，政府和主流媒体等治理主体要充分利用各类平台发布权威信息，及时、客观公布事实真相，主动设置议程，提高信息透明度和信息公开力度，从不同角度进行舆论引导，积极掌握舆论场话语权，以有效回应社会关切，引導网络群体作出理性判断，从而防范该类谣言造成更多的错位价值的群体感染与群体暗示，以及引发的群体无意识盲从和群体极化行为等高风险现象。
“主体协同”是指从个体、群体到媒体、政府和社会组织等多元主体要通过统一领导，协调和调动各种资源和力量，实现主体联动、协同治理、合力防范和化解网络谣言演化中政治安全风险。涉政网络谣言是一种混杂社情民意的社会症候和带有反权力特征的政治现象。在一定程度上，该类谣言应对不力所带来的风险要远高于谣言本身信息流转所产生的风险和负面作用，因为应对不力更多的是消解政府等治理主体的公信力，加剧网络谣言对政治安全的冲击和负面影响。因而，应对该类谣言风险更多的是依靠政府主导下的多元治理主体的协同联动与有效应对，而多方联动有效治理该类谣言的关键是建立社会多元主体共治谣言的长效机制，在应对网络谣言中充分把握“时、度、效”原则，让政府部门、行业专家、相关企业、新闻媒体和公众形成合力，共同应对网络谣言政治安全风险，形成全链条立体式的防范治理模式。
4.2 过程立体化防范策略：未谣防患、既谣防变、谣后防复
实践表明，风险全过程管理的精髓同“未病先防、已病早治、既病防变、瘥后防复”[14]中医治未病理念具有内在的价值一致性。如学者夏一雪等人在分析网络恐怖主义风险基础上，提出“无事先防、事初防变、事过防复”的管理策略[15]。于此，针对网络谣言演化阶段特点[16]，本文认为可采用“无谣先防、既谣防变、谣过防复”的全过程策略以防治网络谣言政治安全风险。具体而言：
“无谣先防”是指针对关涉政治安全方面的潜在风险进行相关领域的舆情监测和舆论跟踪，以做好对网络谣言政治安全的风险准备和事前预防，力求达到防患未然、抢占主动、超前反馈等效果。其关键在于加大信息公开力度，加强网络政治传播和政治素养教育体系建设，逐步建立健全面向全过程的立体化的网络谣言风险防控体系。诚如，信息不对称不透明在很大程度上导致政府和权威媒体的公信力被稀释，因而，政府及相关部门要针对容易滋生影响政治安全的谣言信息，有效开展预防式正面宣传，注重将信息公开和政策解读同步推出，以避免谣言滋生。
“既谣防变”主要包括“事初早治”和“事中防变”两部分内容，其中，“事初早治”是指在网络谣言演化的萌芽期，应对主体要早期介入，将谣言风险隐患尽可能消灭在初期。由于在该阶段，网络谣言只是作为信息主体对某一事件/现象的个体观点认知/情感表达，尽管主体表达的意见多元、观点分散、舆情关注度和交互度明显增多，但舆情总体关注度不高、辐射规模相对不大、影响力较低，而且衍生舆情对综合舆情传播基本无影响，因此，网络谣言在演化萌芽期防控难度相对较低，这也成为防控网络谣言政治安全风险的重要机遇期。“事中防变”是指部分涉政网络谣言因内容高热敏性，加之媒介高融合度，使其往往具有爆发性特点，不易在时间相对较短的萌芽期控制，而需要在关注度高、流转速度快、影响面广的网络谣言扩散期进行风险导控，以消解多元衍生舆情影响，防止事态进一步扩大和升级。于是，在此阶段应对主体要对网络谣言高风险和潜在风险因素进行动态识别、热度跟踪和立体监测，通过综合研判和实时信息反馈，尽可能预测网络谣言及相关舆情的动态演变走向，并对达到影响政治安全和社会稳定的风险阈值及时预警和应急响应，从而化解网络谣言风险和舆情危机。
“谣过防复”是指在网络谣言演化的消退期，网络谣言影响力随着相关舆情的关注度和交互度的降低而不断衰减和消亡，但为避免新的谣言和衍生舆情的规模性出现和大量集聚，防止网络谣言事后反复而制定的改进策略。其主要内容包含3个方面：一是，重视政治安全领域网络衍生舆情和涉政舆论的风险管理。涉及政治安全的网络谣言不仅形式多样丰富，而且内容的高热敏度和冲击力，使其在新媒体环境下呈现病毒式感染、裂变式传播，具有较为旺盛的生命力和变异性，虽影响力大，但违法成本相对较低，致使涉政谣言往往呈现反复发作、沉渣泛起。因而，在谣言治理的后续阶段要防范衍生舆情与原始谣言的并发与串联，尽可能化解网络舆情演化中对政治安全新的衍生、次生影响;二是建立涉政谣言案例库和谣言警示平台，构建部门联动、信息共享的综合性谣言治理平台，以实现预防性辟谣，进一步压缩“旧谣重炒”的空间;三是加大辟谣力度，让辟谣抵达“信息弱势群体”。信息不对称是涉政网络谣言演化的重要动力之一。辟谣的关键在于消减这种信息不对称性，让更多的人知晓“事实真相”，遏止谣言传播，化解潜在的政治安全风险。故此，有效的辟谣需要更具针对性和可获性，能够覆盖广泛的受众和多样性的群体，并使其从思想和能力上获得谣言免疫和政治素养的提升。
4.3 环境整体性防范策略：价值引领、技术支撑、依法治谣
网络舆情生态环境是网络谣言政治安全风险防范的重要基础。根据舆情生态理论，网络舆情生态环境是包括政治、社会、法律、伦理、技术、文化等多元要素的复合环境，它为防范和化解网络谣言政治安全风险提供了必要的价值导向和治理条件。因而，本文从环境维度上，以“价值——技术——制度”的风险治理逻辑，提出“价值引领、技术支撑、依法治谣”的整体性防范策略。其中：
“价值引领”是指在网络政治传播、社会管理以及文化建设等方面要以国家总体安全观为价值引领，突出网络舆情治理和网络谣言演化中政治安全导向和正向舆论引导，大力弘扬社会主义核心价值观念和网络正能量，着力把政治安全观和网络安全观融入网络政治传播和文化建设的内容供给、传播过程、运行机制和治理方式中，有序推进网络政治生态建设和网络舆情治理的健康发展。在网络谣言的风险治理实践中，坚持政治安全的价值引领，就是使之成为网络主体在网络信息活动、评价和选择过程中的主体精神和价值取向。其主要体现两个方面：一是，在意识形态层面，网络主体要能够自觉认同和接受主流价值观，对多元网络文化有充分的认知和理性的选择能力;二是，不仅要通过主流网络文化观念来引领，更重要的是形成实践效应，使得政治安全观和社会主义核心价值观内生为网络主体的价值认同、思想认同、政治认同、情感认同。尤其是在对外政治传播方面，更要提升政府和主流媒体在总体国家安全观和社会主义核心价值观方面的传播力、引导力、影响力、公信力。
“技术支撑”是指针对类型多样、数量庞杂、裂变扩散的网络谣言，面向全过程的网络技术防控手段成为有效防范网络谣言政治安全风险的必要保证，从舆情监控、预测，到信息核实、谣言阻断等方面既需要强有力的技术支持，又要紧跟新技术发展。其关键主要体现在3个方面：一是，加强网络基础设施建设，扩大信息覆盖范围，从而拓展社会主体的信息交往空间和信息视野，增强社会主体间的信息流动和信息辨识力，以加大网络主流政治文化和权威信息传播覆盖面，提升网络空间正能量影响力;二是，不断创新网络舆情监管技术和手段，通过文本挖掘、语义分析、人工智能等技术对涉政网络舆情信息等进行监测、分类和追踪，及时快速地捕捉具有谣言征兆的网络信息，并“采用数字认证、防火墙和敏感詞过滤、口令识别等技术手段，对网络谣言实施有效的管理与监控”[17]。如在2017年，今日头条与美国密西根大学合作成立AI反谣言研究联盟，将自然语言处理（NLP）等人工智能技术应用于反谣言，（力求）提高反谣言的技术手段，及时阻断谣言传播[18];三是，深入推进网络辟谣平台的集成化和综合化。对于辟谣问题并不是一个单纯的技术问题，并非有大数据、精深算法及人工智能等就能解决。如实际上，“每一个网站平台只能溯源自己平台上的谣言首发者。对谣言溯源以及谣言发布者‘画像’，要在多家网站的协同之下共同完成”[19]。因而，需要以政府为主导，联合主流媒体与各研究机构共同搭建“功能集成、多媒融合、研技互补、管理与服务一体”的综合性网络辟谣平台，使得各治理主体间在“资源——技术——信息——数据”等方面连通共享、扬优互补与有机整合，从而形成防范网络谣言安全风险的技术支持和治理合力。
“依法治谣”是指在总体国家安全观和社会核心价值观引领下，运用法治思维，不断创新和完善网络空间法制建设，不断深化以法防谣、以法治谣、以法止谣，从整体上为网络谣言安全风险治理提供坚实的环境基础和制度保障。时下，针对网络谣言安全风险治理所面临的“管控难度大、处罚力度不够、违法成本低”等现实困境，“依法治谣”主要体现在4个方面：一是，立法上要防治并举。要把总体国家安全观和社会主义核心价值观融入网络谣言治理方式，分类分级管控网络谣言，“使互联网管理相关法律法规更好地体现国家的价值目标、社会的价值取向、公民的价值准则”[17]。正如，有学者指出，要明确打击网络谣言责任主体、属地管辖原则、部门协助责任、处罚惩罚标准、网络运营商行为规范等准则，形成涵盖不同层级、覆盖网络管理各领域和环节的法律法规体系，增强执法部门打击网络谣言的操作性，规范网络使用实体法律意识和网络行为，对网络谣言的制造者和传播者形成威慑[20];二是，执法上要审慎严格。涉政网络谣言危害大、影响广，坚持秉公执法，官谣与民谣治理问题切勿“双重标准”，要加大网络空间治理力度，严惩各类涉政谣言的造谣者和恶意传播者;三是，司法上要民主公正，确保办案过程符合程序公正、办案结果符合实体公正，从国家安全观和社会核心价值观上深化司法民主、引领司法公正;四是，守法上要规范引导。在宣扬国家安全观和社会主义核心价值观过程中，要持续宣贯社会主义法治精神，不断增强政府及其他社会主体的法治意识和安全意识，形成崇尚法律、遵守法律、维护法律权威、保障法律实施的良好法治氛围，在全面推动网络空间法治化背景下，充分发挥法治精神对网络谣言风险治理的引领和规范作用。
5 结 语
综上，备预不虞以化风险，德法兼济从善治谣。实践表明，面向政治安全的网络谣言风险防范是一项涉及主体、信息、技术、文化等多元要素的系统治理工程。本文通过对网络谣言政治安全风险的内涵解读、风险识别与评级、以及风险防范策略等方面的研究，主要得出以下结论：
一是，网络谣言政治安全风险是一种蕴含个体与群体风险、信息过程风险与衍生风险、环境内生与外在风险等多重因素交织、链式反应的复合型风险。它随着网络谣言的生成与演化而不断与外界环境进行信息和能量的交互，并围绕“政治安全”这一根本价值而形成风险积累、扩散与消解。
二是，政治谣言应对、信息辨识、谣言传播范围、群体暗示、舆论引导、国际政治宣传、主题热敏度、谣言扩散速度、谣言演化阶段、风险防控机制、网络政治生态、关键种群、内容可信度等共同构成了影响网络谣言政治安全的高风险因素，而这些风险因素是网络谣言政治安全风险管理的重点。
三是，从舆情生态和风险管理角度来看，大体可从主体、过程、环境三个维度防范网络谣言政治安全风险，即：①主体维度上要强化“个体免疫、群体引导、主体协同”的多层级防范策略;②过程维度上要优化“未谣防患、既谣防变、谣后防复”的立体化防范策略;③环境维度上要深化“价值引领、技术支撑、依法治谣”的整体性防范策略。
参考文献
[1]（美）奥尔波特，等.谣言心理学[M].刘水平，等译.沈阳：辽宁教育出版社，2003：129-133.
[2]刘艳，刘荣.社会系统理论视域下的网络谣言风险分析[J].领导科学，2013，（14）：11-12.
[3]吕晓红.网络言论自由与网络谣言风险的关系研究[J].新闻知识，2013，（1）：37-38.
[4]孙一凡，兰月新，张鹏，等.基于社会燃烧理论的网络谣言风险对策研究[J].现代情报，2015，35（5）：14-19.
[5]曾润喜，朱利平.基于政治信息视角的网络谣言风险发生机理与治理研究[J].图书与情报，2016，（4）：1-7.
[6]习近平.全面提升防范应对各类风险挑战的水平，确保国家长治久安人民安居乐业[N].人民日报，2017-01-13，（1）.
[7]李昊青.面向政治安全的网络谣言生态治理研究[J].现代情报，2018，38（10）：43-50.
[8]蒲玉忠，薛健飞.网络谣言叙事范式及“跟进式”治理研究[M].北京：中国矿业大学出版社，2017：27.
[9]李昊青，兰月新，张鹏，等.网络舆情生态系统的失衡与优化策略研究[J].现代情报，2017，37（4）：20-26.
[10]（美）海姆斯.风险建模、评估和管理（第2版）[M].胡平，等译.西安：西安交通大学出版社，2007：83.
[11]向鹏成，常微.基于HHM的跨区域重大工程项目风险因素识别[J].世界科技研究与发展，2015，（2）：67-72.
[12]蘭月新，董希琳，邓新元，等.基于HHM的公共危机事件网络舆情风险管理研究[J].情报杂志，2014，33（10）：33-38，77.
[13]李昊青，朱丁一，夏一雪，等.网络舆情信息生态链研究[J].现代情报，2017，37（6）：31-35.
[14]洪宋贞，朱华宇，林毅.“未病先防，既病防变”学术思想在乳腺癌防治中的临床意义[J].实用医学杂志，2009，25（24）：4099-4100.
[15]夏一雪，兰月新，王沙骋.大数据环境下网络恐怖主义风险分析与防范对策研究[J].情报杂志，2017，36（12）：16-22，40.
[16]李昊青.基于信息异化理论的网络衍生舆情演化规律及对策研究——以网络谣言治理为例[J].现代情报，2015，35（5）：4-8，13.
[17]张振亮.网络谣言多维共治法治化的路径[J].新闻爱好者，2018，（2）：24-29.
[18]消费日报网.资讯消费如何打假？今日头条首次披露反谣言技术路线图[EB/OL].http：//apps.xfrb.com.cn/plus/view.php？aid=285913，2018-08-13.
[19]张昊.谣言传播形式“升级”辟谣技术也需高科技[N].法制日报，2017-05-11，（5）.
[20]黄小英，肖宏斌.暴恐事件中网络谣言传播对群体恐慌心理影响及其消弭途径[J].福建警察学院学报，2015，（5）：67-72.
（责任编辑：孙国雷）
作者：李昊青 洪礼博