一种群体性事件分析方法与系统与流程

1.本发明涉及基层社会治理技术领域，具体而言，涉及一种群体性事件分析方法与系统。


背景技术：

2.投诉求助平台成为社会公众表达利益诉求、宣泄释放情绪的重要渠道。多数群体性事件在事发前，民众会通过求助申诉平台系统进行反馈。基于此，对分散在各部门系统的民意信息进行综合分析，发掘可能触发群体性事件的风险因素，对于实现科学、及时、高效地预警群体性事件具有重要的理论和实践意义。


技术实现要素：

3.为了克服现有技术的不足，本发明的目的在于提供一种群体性事件分析方法与系统。
4.一种群体性事件分析方法，包括：
5.步骤1：获取各个行政部门的矛盾纠纷事件；
6.步骤2：对所述矛盾纠纷事件中涉事主体进行识别得到事件主体数量的时间序列；
7.步骤3：根据事件主体数量的时间序列构建第一预测模型；
8.步骤4：根据所述第一预测模型构建第二预测模型；
9.步骤5：判断所述时间序列的趋势是否在预设范围内；
10.步骤6：若所述时间序列的趋势在预设范围内，则使用第一预测模型对群体性事件进行预警；
11.步骤7：若所述时间序列的趋势不在预设范围内，则使用第二预测模型对群体性事件进行预警。
12.优选地，所述步骤3：根据事件主体数量的时间序列构建第一预测模型，包括：
13.根据事件主体数量的时间序列采用简单移动平均法建立第一预测模型；所述第一预测模型为：
[0014][0015][0016]
其中，x1,...,x
t
表示事件主体数量的时间序列，n表示移动平均的项数。
[0017]
优选地，所述第二预测模型为：
[0018]
x
t
＝x
t-t
+b
t
t
[0019]
[0020][0021]
其中，t为当前时期数，t为t至预测期的时期数，b
t
为斜率。
[0022]
优选地，所述步骤6：若所述时间序列的趋势在预设范围内，则使用第一预测模型对群体性事件进行预警，包括：
[0023]
步骤6.1：根据所述第一预测模型计算相对误差；其中，相对误差的计算公式为：
[0024][0025]
步骤6.2：根据相对误差计算标准偏差；其中，标准偏差的计算公式为：
[0026][0027]
步骤6.3：当相对误差超过标准偏差且为正值时，则发出群体性事件预警。
[0028]
优选地，所述步骤7：若所述时间序列的趋势不在预设范围内，则使用第二预测模型对群体性事件进行预警，包括：
[0029]
步骤7.1：使用第二预测模型测算出每个事件主体信息的斜率b
t
随时间的变化趋势；
[0030]
步骤7.2：当所述斜率b
t
在连续多个时间窗口为正时，则发出群体性事件预警。
[0031]
本发明还提供了一种群体性事件分析系统，包括：
[0032]
事件获取模块，用于获取各个行政部门的矛盾纠纷事件；
[0033]
识别模块，用于对所述矛盾纠纷事件中涉事主体进行识别得到事件主体数量的时间序列；
[0034]
第一预测模型构建模块，用于根据事件主体数量的时间序列构建第一预测模型；
[0035]
第二预测模型构建模块，用于根据所述第一预测模型构建第二预测模型；
[0036]
判断模块，用于判断所述时间序列的趋势是否在预设范围内；
[0037]
第一预警模块，用于当所述时间序列的趋势在预设范围内，则使用第一预测模型对群体性事件进行预警；
[0038]
第二预警模块，用于当所述时间序列的趋势不在预设范围内，则使用第二预测模型对群体性事件进行预警。
[0039]
优选地，所述第一预测模型构建模块，包括：
[0040]
第一预测模型构建单元，用于根据事件主体数量的时间序列采用简单移动平均法建立第一预测模型；所述第一预测模型为：
[0041][0042][0043]
其中，x1,...,x
t
表示事件主体数量的时间序列，n表示移动平均的项数。
[0044]
优选地，所述第二预测模型为：
[0045]
x
t
＝x
t-t
+b
t
t
[0046][0047][0048]
其中，t为当前时期数，t为t至预测期的时期数；b
t
为斜率。
[0049]
优选地，所述第一预警模块，包括：
[0050]
相对误差计算单元，用于根据所述第一预测模型计算相对误差；其中，相对误差的计算公式为：
[0051][0052]
标准偏差计算单元，用于根据相对误差计算标准偏差；其中，标准偏差的计算公式为：
[0053][0054]
第一预警单元，用于当相对误差超过标准偏差且为正值时，发出群体性事件预警。
[0055]
优选地，所述第二预警模块，包括：
[0056]
变化趋势计算单元，用于使用第二预测模型测算出每个事件主体信息的斜率b
t
随时间的变化趋势；
[0057]
第二预警单元，用于当所述斜率b
t
在连续多个时间窗口为正时，发出群体性事件预警。
[0058]
本发明提供的一种群体性事件分析方法与系统的有益效果在于：与现有技术相比，本发明通过利用事件主体数量的时间序列构建第一和第二预测模型，然后根据时间序列的趋势选择合适的预测模型对群体性事件进行预警，可以大大提高预警准确率。
[0059]
为使本发明的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。
附图说明
[0060]
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0061]
图1示出了本发明实施例所提供的一种群体性事件分析方法流程图；
[0062]
图2示出了本发明实施例所提供的一种群体性事件分析系统原理图；
[0063]
图3示出了本发明实施例所提供的采用简单移动平均法对某公司相关事件数量分析结果；
[0064]
图4示出了本发明实施例所提供的采用第二预测模型对某公司相关事件数量分析结果。
具体实施方式
[0065]
在本发明的描述中，需要理解的是，术语“中心”、“纵向”、“横向”、“长度”、“宽度”、“厚度”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”“内”、“外”、“顺时针”、“逆时针”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。
[0066]
此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。在本发明的描述中，“多个”的含义是两个或两个以上，除非另有明确具体的限定。
[0067]
在本发明中，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”、“固定”等术语应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本发明中的具体含义。
[0068]
请参阅图1，一种群体性事件分析方法，包括：
[0069]
步骤1：获取各个行政部门的矛盾纠纷事件；
[0070]
步骤2：对所述矛盾纠纷事件中涉事主体进行识别得到事件主体数量的时间序列；
[0071]
由于目标预测预警的群体性事件是特定时空范围内的，可以依据目标地区的地名地址。本发明可通过当地已建立的标准地名地址库信息，进行地名规范化处理。首先，利用百度分词技术对事件数据进行命名实体识别，提取识别为地名(ns和loc)的词语；其次，判断识别为地名(ns和loc)的词语是否为地名地址库中的地名，若是，则将事件的地名取标准地名地址库中的规范地名；若不是，则保留原识别的地名。
[0072]
人名识别在无结构化数据的情况下，采用百度分词技术提取的人名(nr和per)。
[0073]
对组织机构的识别，同样依据目标地区的组织机构名称库，与已有结构化数据进行匹配。实际应用中，很多事件的描述信息中无结构化数据的组织机构信息，比较常见的是使用组织机构的机构进行事件描述，因此需要对组织机构进行简称识别，然后判断机构团体名(nt)和机构名(org)是否为简称库中的机构简称，若是，则将事件的涉事机构取简称库中的规范组织机构名称；若不是，则保留原识别机构名。
[0074]
基于涉事主体构建的时间序列是指一串按时间先后顺序排列的而又相互关联的数据序列。例如：图3中实线展示了2020年6月到2021年12月期间，按自然周统计的事件内容包含“某公司”的事件数量，按时间顺序进行排列，就构成一个时间序列。
[0075]
时间序列分析就是对这种依赖性关系的挖掘以及根据分析结果对未来某时刻值进行预测的一种分析技术。本发明在对不同部门的事件数据进行主体信息识别后，进一步通过事件主体上关联事件的不同时间窗口下的时间序列分析，建立量化模型，确定事件主体是否有潜在群体性事件发生的可能。
[0076]
步骤3：根据事件主体数量的时间序列构建第一预测模型；
[0077]
每当有新的群体性事件发生之前，民众已经通过制度化的渠道充分表达了利益诉求，并且这些诉求的信息，在群体性事件发生前的t个时间序列内，会随着群体性事件发生
日期的临近，会产生一段从无到有或从少到多的事件主体信息量变化，而本发明主要就是基于事件主体信息量变化来构建预测模型的。
[0078]
进一步的，步骤3包括：
[0079]
根据事件主体数量的时间序列采用简单移动平均法建立第一预测模型；本发明的构建过程如下：
[0080]
依据识别到的事件主体数量的时间序列x1,...,x
t
,取移动平均的项数n《t。计算简单移动平均值，其中，简单移动平均值计算公式为：
[0081][0082]
假设常态下，事件的主体信息数量的趋势是在某一水平上下波动，因此本发明用简单移动平均法构建的第一预测模型如下：
[0083][0084]
图3中，虚线部分即为n＝6的情况下的预测结果。
[0085]
步骤4：根据所述第一预测模型构建第二预测模型；
[0086]
简单移动平均法在时间序列没有明显的趋势变动时，能够准确找出突发情况。但当时间序列出现标准偏差范围内的直线增加的变化趋势时，用简单移动平均法来预测就可能出现遗漏。因此，本发明采用趋势移动平均法作为简单移动平均法的补充。
[0087]
设时间序列{x
t
}从某时期开始具有直线增长趋势，用趋势移动平均法建立第二预测模型：
[0088]
x
t
＝x
t-t
+b
t
t
[0089]
其中：t为当前时期数，t为t至预测期的时期数，b
t
为斜率。根据移动平均值确定平滑系数，在一次移动平均的基础上再进行一次移动平均就是二次移动平均，计算公式为：
[0090][0091]
计算斜率b
t
的公式为：
[0092][0093]
本发明在图4中，给出了“某公司”相关事件的月度斜率b
t
的结算结果。
[0094]
步骤5：判断所述时间序列的趋势是否在预设范围内；
[0095]
步骤6：若所述时间序列的趋势在预设范围内，则使用第一预测模型对群体性事件进行预警；
[0096]
进一步的，步骤6包括：
[0097]
步骤6.1：根据所述第一预测模型计算相对误差；其中，相对误差的计算公式为：
[0098][0099]
步骤6.2：根据相对误差计算标准偏差；其中，标准偏差的计算公式为：
[0100]
[0101]
步骤6.3：当相对误差超过标准偏差且为正值时，则发出群体性事件预警。
[0102]
步骤7：若所述时间序列的趋势不在预设范围内，则使用第二预测模型对群体性事件进行预警。
[0103]
在本发明实施例中，所述步骤7包括：
[0104]
步骤7.1：使用第二预测模型测算出每个事件主体信息的斜率b
t
随时间的变化趋势；
[0105]
步骤7.2：当所述斜率b
t
在连续多个时间窗口为正时，则发出群体性事件预警。
[0106]
本发明通过利用事件主体数量的时间序列构建第一和第二预测模型，然后根据时间序列的趋势选择合适的预测模型对群体性事件进行预警，可以大大提高预警准确率。
[0107]
请参阅图2，本发明还提供了一种群体性事件分析系统，包括：
[0108]
事件获取模块，用于获取各个行政部门的矛盾纠纷事件；
[0109]
识别模块，用于对所述矛盾纠纷事件中涉事主体进行识别得到事件主体数量的时间序列；
[0110]
第一预测模型构建模块，用于根据事件主体数量的时间序列构建第一预测模型；
[0111]
第二预测模型构建模块，用于根据所述第一预测模型构建第二预测模型；
[0112]
判断模块，用于判断所述时间序列的趋势是否在预设范围内；
[0113]
第一预警模块，用于当所述时间序列的趋势在预设范围内，则使用第一预测模型对群体性事件进行预警；
[0114]
第二预警模块，用于当所述时间序列的趋势不在预设范围内，则使用第二预测模型对群体性事件进行预警。
[0115]
优选地，所述第一预测模型构建模块，包括：
[0116]
第一预测模型构建单元，用于根据事件主体数量的时间序列采用简单移动平均法建立第一预测模型；所述第一预测模型为：
[0117][0118][0119]
其中，x1,...,x
t
表示事件主体数量的时间序列，n表示移动平均的项数。
[0120]
优选地，所述第二预测模型为：
[0121]
x
t
＝x
t-t
+b
t
t
[0122][0123][0124]
其中，t为当前时期数，t为t至预测期的时期数；b
t
为斜率。
[0125]
优选地，所述第一预警模块，包括：
[0126]
相对误差计算单元，用于根据所述第一预测模型计算相对误差；其中，相对误差的计算公式为：
[0127][0128]
标准偏差计算单元，用于根据相对误差计算标准偏差；其中，标准偏差的计算公式为：
[0129][0130]
第一预警单元，用于当相对误差超过标准偏差且为正值时，发出群体性事件预警。
[0131]
优选地，所述第二预警模块，包括：
[0132]
变化趋势计算单元，用于使用第二预测模型测算出每个事件主体信息的斜率b
t
随时间的变化趋势；
[0133]
第二预警单元，用于当所述斜率b
t
在连续多个时间窗口为正时，发出群体性事件预警。
[0134]
与现有技术相比，本发明实施例提供的一种群体性事件分析系统的有益效果与上述技术方案一种群体性事件分析方法的有益效果相同，在此不做赘述。
[0135]
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换的技术方案，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以所述权利要求的保护范围为准。

技术特征：
1.一种群体性事件分析方法，其特征在于，包括：步骤1：获取各个行政部门的矛盾纠纷事件；步骤2：对所述矛盾纠纷事件中涉事主体进行识别得到事件主体数量的时间序列；步骤3：根据事件主体数量的时间序列构建第一预测模型；步骤4：根据所述第一预测模型构建第二预测模型；步骤5：判断所述时间序列的趋势是否在预设范围内；步骤6：若所述时间序列的趋势在预设范围内，则使用第一预测模型对群体性事件进行预警；步骤7：若所述时间序列的趋势不在预设范围内，则使用第二预测模型对群体性事件进行预警。2.根据权利要求1所述的一种群体性事件分析方法，其特征在于，所述步骤3：根据事件主体数量的时间序列构建第一预测模型，包括：根据事件主体数量的时间序列采用简单移动平均法建立第一预测模型；所述第一预测模型为：模型为：其中，x1,...,x
t
表示事件主体数量的时间序列，n表示移动平均的项数。3.根据权利要求2所述的一种群体性事件分析方法，其特征在于，所述第二预测模型为：x
t
＝x
t-t
+b
t
tt其中，t为当前时期数，t为t至预测期的时期数，b
t
为斜率。4.根据权利要求2所述的一种群体性事件分析方法，其特征在于，所述步骤6：若所述时间序列的趋势在预设范围内，则使用第一预测模型对群体性事件进行预警，包括：步骤6.1：根据所述第一预测模型计算相对误差；其中，相对误差的计算公式为：步骤6.2：根据相对误差计算标准偏差；其中，标准偏差的计算公式为：步骤6.3：当相对误差超过标准偏差且为正值时，则发出群体性事件预警。5.根据权利要求3所述的一种群体性事件分析方法，其特征在于，所述步骤7：若所述时
间序列的趋势不在预设范围内，则使用第二预测模型对群体性事件进行预警，包括：步骤7.1：使用第二预测模型测算出每个事件主体信息的斜率b
t
随时间的变化趋势；步骤7.2：当所述斜率b
t
在连续多个时间窗口为正时，则发出群体性事件预警。6.一种群体性事件分析系统，其特征在于，包括：事件获取模块，用于获取各个行政部门的矛盾纠纷事件；识别模块，用于对所述矛盾纠纷事件中涉事主体进行识别得到事件主体数量的时间序列；第一预测模型构建模块，用于根据事件主体数量的时间序列构建第一预测模型；第二预测模型构建模块，用于根据所述第一预测模型构建第二预测模型；判断模块，用于判断所述时间序列的趋势是否在预设范围内；第一预警模块，用于当所述时间序列的趋势在预设范围内，则使用第一预测模型对群体性事件进行预警；第二预警模块，用于当所述时间序列的趋势不在预设范围内，则使用第二预测模型对群体性事件进行预警。7.根据权利要求6所述的一种群体性事件分析系统，其特征在于，所述第一预测模型构建模块，包括：第一预测模型构建单元，用于根据事件主体数量的时间序列采用简单移动平均法建立第一预测模型；所述第一预测模型为：第一预测模型；所述第一预测模型为：其中，x1,...,x
t
表示事件主体数量的时间序列，n表示移动平均的项数。8.根据权利要求6所述的一种群体性事件分析系统，其特征在于，所述第二预测模型为：x
t
＝x
t-t
+b
t
tt其中，t为当前时期数，t为t至预测期的时期数；b
t
为斜率。9.根据权利要求7所述的一种群体性事件分析系统，其特征在于，所述第一预警模块，包括：相对误差计算单元，用于根据所述第一预测模型计算相对误差；其中，相对误差的计算公式为：标准偏差计算单元，用于根据相对误差计算标准偏差；其中，标准偏差的计算公式为：
第一预警单元，用于当相对误差超过标准偏差且为正值时，发出群体性事件预警。10.根据权利要求8所述的一种群体性事件分析方法，其特征在于，所述第二预警模块，包括：变化趋势计算单元，用于使用第二预测模型测算出每个事件主体信息的斜率b
t
随时间的变化趋势；第二预警单元，用于当所述斜率b
t
在连续多个时间窗口为正时，发出群体性事件预警。

技术总结
本发明提供了一种群体性事件分析方法与系统，包括：获取各个行政部门的矛盾纠纷事件；对矛盾纠纷事件中涉事主体进行识别得到事件主体数量的时间序列；根据事件主体数量的时间序列构建第一预测模型；根据第一预测模型构建第二预测模型；判断时间序列的趋势是否在预设范围内；若时间序列的趋势在预设范围内，则使用第一预测模型对群体性事件进行预警；若时间序列的趋势不在预设范围内，则使用第二预测模型对群体性事件进行预警。本发明通过利用事件主体数量的时间序列构建第一和第二预测模型，然后根据时间序列的趋势选择合适的预测模型对群体性事件进行预警，可以大大提高预警准确率。率。率。


技术研发人员：何南君 刘文豪 战毅 刘昕萍
受保护的技术使用者：航天神舟智慧系统技术有限公司
技术研发日：2022.08.05
技术公布日：2023/7/20