石拓，魏新蕾，邵旭芬

(1.中国传媒大学信息工程学院，北京 100024；2. 浙江省乐清中学，乐清325600)

基于ID3—SMOTE结合算法的社会群体性事件预警模型

石拓1，魏新蕾1，邵旭芬2

(1.中国传媒大学信息工程学院，北京 100024；2. 浙江省乐清中学，乐清325600)

当前国内群体性事件表现出组织化、复杂化、政治化、暴力化的特征，严重影响了社会的和谐稳定。通过科学手段预测群体性事件是预防其发生的有效途径。在以往的群体性事件预警方法中，主要都是通过定性分析或简单的定量分析方法实现预测，相对缺乏科学可靠的数据事实作为支撑。文中笔者通过内部单位获取到近年来发生在我国境内的群体性事件的相关数据，创新性地将机器学习的思路引入群体性事件预警领域，颠覆了针对群体性事件的传统分析方法。从社会科学和自然科学的双重视角出发，我们利用机器学习技术科学预测群体性事件。这对政府在处置群体性事件过程中科学决策、有效预防和快速反应具有重要指导意义。

群体性事件；分类；决策树；ID3；SMOTE

1 引言

近年来，我国境内群体性事件时有发生，事件发生数量和参与人数都在不断攀升，且一旦事发，事件规模迅速扩大。如去年发生的泛亚事件、e租宝事件都引发了大规模涉事群体的上访请愿。类似事件涉及的人员数量较多，潜在的危害性也大大加强。稍不留意就可能造成社会治安不稳定、引发公共安全事件、发生违法犯罪行为、造成严重后果和损失。如今随着改革的不断深化、经济不断增长，各类社会矛盾更是日益凸显且不断加剧。……