在移动互联网飞速发展的时代背景下,紧随着突发事件的发生,与事件相关的公众情绪、态度和观点等网络舆情在社交媒体中呈现爆发式增长,其导向关系着社会的和谐与稳定。突发事件情境下,社交媒体在为灾害响应提供实时便捷、有效信息的同时,也为极端情绪、谣言、恶意制造的虚假信息提供了温床,使得网络舆情风险常态化存在。我国作为网络舆情大国,加强突发事件网络舆情的风险管理已成为移动互联网时代下的我国现阶段重要规划与重大现实需求。本文以灾害系统论为基本的理论研究框架,通过新浪微博API获取突发事件相关的博文数据及对应博主数据,旨在以知识驱动和数据驱动相结合的方式构建一个基于动态贝叶斯网络的突发事件网络舆情风险分析模型。首先,将灾害学中的脆弱性概念引入网络舆情风险研究中,提出了网民脆弱性分析框架,通过基于情感词典的文本内容分析法,将文本内容量化为情绪强度向量和情感词汇向量,通过主成分分析和定序逻辑回归分析,识别出突发事件网络舆情中网民脆弱性的影响因素及影响规律;然后,从舆情孕灾环境、舆情致灾因子及网民脆弱性三个维度提出了突发事件网络舆情风险构成的概念框架,基于TF-IDF技术识别出网络舆情发展过程中舆情致灾因子有关的特征词,进而通过似不相关回归(SUR)方法对网络舆情风险因素之间的交互影响规律进行量化分析;最后,以上述量化分析得到的影响规律为知识,构建突发事件网络舆情风险分析的初始贝叶斯网络模型,利用K2结构学习算法和EM参数学习算法以数据驱动的方式从观测数据中学习出最终的动态贝叶斯网络模型,采用十折交叉验证法对所构建的模型性能进行验证。本文提出的基于动态贝叶斯网络的突发事件网络舆情风险分析模型,充分考虑了网络舆情风险因素之间的影响规律及其在时间上的依存关系,并且能够通过时序数据对网络中的各节点概率进行更新。相比传统的静态贝叶斯网络模型,动态贝叶斯网络模型表现出了更高的预测性能,为突发事件网络舆情应急管理部门提高网络舆情风险先期处置时效提供了决策依据。