李　静



群体性事件中恐慌情绪的信息量化集结分析研究

李静

摘要：通过对群体性事件演化过程中征兆期、爆发期、延续期、痊愈期的研究，遵循其演化过程中的规律并构建信息量化集结模型。从信息挖掘的角度，采用人工智能算法（PGSA）对群体性事件的演化、参与主体的感知以及舆情等隐秩序进行综合量化集结。通过模拟数据并分析量化集结的结果，获取相应的结论，并对群体性事件的未来发展做出合理预期，从而采取相应的措施进行预防和制止，达到最终遏制群体性事件爆发的目的。

关键词：区间数；信息量化集结模型；群体性事件；人工智能算法

群体性事件是骚乱的一种委婉表达方式，是社会群体与统治当局的冲突与对立。其常常表现为集会、游行、集体上访、集体阻断交通、罢工、罢课、罢市等形式，甚至集体围攻和冲击党政机关、重点建设工程和其他要害部位。在某些特定的情况下，群体性事件甚至可以升级为集体械斗，如打、砸、抢、烧、杀等暴力冲突，对社会的稳定及和谐具有极大的破坏力。对于一些高危群体，一旦出现以某个事件为引爆点，就可能聚集少则上百人、多则上万人的群体，从而发展为群体事件。群体性事件演化的征兆期、发作期、延续期、痊愈期，始终会受到系统内外部因素共同作用的影响［1］。尽管群体性事件具有主体多元、原因多样、爆发突然、人数众多、后果难料等复杂系统的特征，但在其演化的过程中，还是有一定的规律可循。……