机器学习视域下网络舆情公开渠道精准化治理研究／曾关秀 胡 峰

　　【摘  要】机器学习作为人工智能技术的一种，能够建立起多情境模型用于舆情特征因素分类，帮助决策者选择最优舆情公开渠道。现阶段机器学习类型主要有监督学习、无监督学习、半监督学习三类学习算法，其实质就是寻找各种事物间的异同，再根据相关特征变量对事物进行精准分类，从而使舆情渠道引导更加科学、高效。当然，其技术不可避免地存在诸多缺陷，因而在具体操作中应克服其局限性。具体而言，要健全指标体系，规范影响因子；提高规律认知，规避算法“黑匣子”；考量开发过程，缩减时间成本；配合人工辅助，提高识别准确率。

　　【关 键 词】机器学习；网络舆情；信息公开；渠道；风险防范

　　【作者简介】曾关秀（1988— ），女，韶关学院科研处助理研究员，天津师范大学政治与行政学院博士研究生，主要研究方向为数字政府与舆情治理；胡峰（1982— ），男，天津师范大学政治与行政学院博士研究生，江苏省科学技术情报研究所副研究员，主要研究方向为网络舆情、应急情报。

　　【基金项目】韶关市哲学社会科学规划项目“公共危机中网络舆情引导精准化治理研究”（项目编号：Q2020006）；韶关学院科研项目“新形势下境外网络舆情危机治理对策研究”（项目编号：SY2019SK08）

　　一、机器学习与舆情公开渠道的契合

　　加拿大学者麦克卢汉1994年提出“媒介即讯息”理论，认为与媒介所传递的内容相比，媒介本身同样具有强大的影响能力，能够左右人们对事件的态度和看法。［2］该观点对传播媒介在人类社会发展中的地位和作用做了高度概括。英美学者对“媒介即讯息”的基本内涵也做了深度解读，认为媒介最重要的方面并不是加载于它的各种内容，而是它的传播形式。［3］任何传播媒介的使用所产生的冲击力，远远超过它传播的特定内容。［4］当发生舆情危机时，相关信息的公开渠道至关重要，合适的媒介运行渠道能对舆情进行科学、精准化引导，其不仅可以及时、有效地消除民众疑虑，遏制事件发酵，科学助力政府发挥在面对舆情事件时的新闻宣传与舆论引导作用，更能提升政府治理体系和治理能力的现代化，维护社会秩序。

　　面对当今风险社会呈现出的高度复杂化、动态化、跨域性等特点，各国已将智能算法广泛嵌入政府治理情境中，如灾情风险评估、人脸识别等。我国在“放管服”改革中就利用人工智能与机器学习技术进行事项取代、分解，在一定程度上实现了机器系统自主审批或辅助人工审批。种种迹象表明，人工智能已经在各个管理领域做出重大贡献。机器学习作为人