图1.重大公共卫生事件公众风险感知本体架构

图2.公众风险感知知识图谱关系

图3.公众风险感知多因素耦合路径提取

重大公共卫生事件由于其突发性、传染性，及其对生命的伤害性等特征，对公众的生命财产造成了严重威胁，而人的管理是重大公共卫生事件风险管理的核心问题，如何精准把握公众的风险感知及应对规律，成为重大公共卫生事件风险管理领域的研究热点。近日，北京市科学技术研究院城市系统工程研究所周佩玲团队依托国家自然科学基金项目，开展了重大公共卫生事件的公众风险感知异质性建模研究，基于“数据+模型”实现了对重大公共卫生事件下公众风险感知规律的动态性、异质性分析和智能预测预警。

当前，基于网络舆情大数据的公众风险感知规律研究存在许多难点和不足。首先，公众风险感知具有与个体因素密切相关的异质性特征，其次，海量的数据具有多源性、动态性和不一致性的特点，同时，公众风险感知具有高度的传染性和不确定性。因此，同质的、单一的、静态的模型，对公众风险感知的主体因素特征及其关联交互机制刻画不精准。

周佩玲团队通过大量的调研、实验和分析，构建了基于EEPA概念模型的重大公共卫生事件风险感知传播演化模型。所建立的模型基于社交媒体大数据，融合表征事件、环境、公众、态度的多元数据，构建了公众风险感知特征因子库，明晰了公众风险感知的异质性特征及触发机制。模型以事件链为线索，采用数据融合、知识加工的方法，提取并构建了基于EEPA的本体模型，实现了对公众风险感知异质性及动态性分析的突破；构建的知识图谱，实现了对公众风险感知多主体交互机制及演化路径提取的准确性和便利性；建立的公众风险感知的智能推理预警模型，可实现对公众风险感知传播路径、关键节点、触发机制等规律的提取，并进行预警和提出处置建议，突破了以往模型滞后性、同质性和经验性的问题。

目前，该成果的研发团队已发表学术论文4篇，申请发明专利2项，撰写并采纳政策建议1项。下一阶段，研究团队将进一步研究重大公共卫生事件公众风险感知的智能预警模型和方法，结合深度学习和多智能体方法，提升预警方法的精准性和实用性。

(周佩玲 文/图)