微博平台上危机事件层出不穷,给企业的生存和发展带来了威胁。微博平台-方面为企业危机事件的演化和扩大推波助澜,另一方面也为企业主动感知危机事件提供了契机。微博巨大的信息交换量和广泛的用户来源使得企业主动通过微博信息搜集和加工监测危机事件成为可能,而微博信息的“碎片化、无序化、去中心化”加剧了企业在微博平台环境下的信息过载。企业若能将微博平台上危机事件信息“中心化、序化”加工为直观的危机事件信息,能够缩短企业危机预警时间、减少危机损失。如何克服微博信息的中心化、无序化和碎片化,加工出微博危机事件对企业主体的损害性测度,成为学术研究和企业危机管理亟待解决的突出问题之一,值得深入研究。因此本文利用危机管理理论、全信息认识论、信息系统设计理论和人工智能技术,以在微博环境下的企业为主体,以解决微博平台上危机事件的感知为切入点,从以下几个方面进行了系统深入的研究。针对微博危机事件感知的核心任务,提出了总的加工模型。首先对微博危机事件进行了概念界定和研究前提界定,又从认识论的角度提出了微博危机事件感知的语法层、语义层和语用层三层认知模型；从研究对象危机事件的特征出发,提出了危机事件损害性的三维模型；以微博危机事件感知的认知模型为基础,结合信息系统设计理论提出微博危机事件感知加工图式作为全文总的加工模型。微博危机事件感知语义层的中心化问题,即解决在微博危机事件中的传播结构和用户角色划分问题。首先提出了微博危机事件的二层复杂网络结构；以微博危机事件中心化加工为目标,结合社会网络理论设计了从二层复杂网络结构向社会网络模型的映射机制：并根据映射结果的中心度测度划分了微博危机事件的用户角色以及测度了微博危机事件的传播范围。针对微博危机事件感知语义层的序化问题,结合关键词自动抽取技术解决微博危机事件的主要内容的问题。在对问题的输入输出和结果评价的基础上,首先提出了微博危机事件内容加工设计.并且将微博危机事件的传播结构引入KEA方法作为分类特征。用朴素贝叶斯分类器对微博内容进行关键词自动抽取。最后通过现实微博平台上的内容序化实验证明本研究所提方法相对基线方法在准确率和召回率上的优势。在对微博危机事件语义层加工的基础上,针对微博危机事件损害性的测度问题,根据前面提出的加工模型,将语用层加工分解为后果严重性、真实性和企业主体相关性三个维度的测度。在后果严重性维度上,根据情感分析理论,提出了微博危机事件的情感强度测度；在真实性维度上,提出了危机事件发布者的可靠性测度和反馈真实性测度相互验证的测度方法；在相关性维度上,提出了微博危机事件内容加工结果与企业主体的匹配方法；最后对三个维度上的测度结果统一处理并可视化表现在一个三维空间内。本文以新浪微博平台为应用背景,选择真实的微博危机事件为实例,以本文提出的加工方法对实例数据进行中心化、序化加工、损害性三维测度,通过对危机事件间加工结果的比较,验证本文提出的微博危机事件感知方法的可行性和有效性。