浅析舆情监测系统

舆情及内容简述

大家对于“舆情”应该有一个简单地概念，尤其是在现在微博、微信、知乎、抖音等平台普及化的今天，舆情的力量日渐凸显。比如最近萧敬腾的求婚、《消失的她》的热议、ikun的翻车等等，舆情既可以让明星塌房，也会让一些黑暗曝光在阳光下，但是还有时候会裹挟舆论，让事情变得难以控制。

因此，对于舆论的监测和正确引导就比较重要，尤其是对于一些明星背后的团队来说。

今天我们就来浅浅的讲一下舆情检测和内容安全系统。

在开始之前，我们先对舆论要素做一个简单了解：

简单来说，网络舆情是以网络为载体，以事件为核心，是广大网民情感、态度、意见、观点的表达，传播与互动，以及后续影响力的集合。 带有广大网民的主观性，未经媒体验证和包装，直接通过多种形式发布于互联网上。

而舆情的发展阶段一般包括：

危机潜伏期： 这个阶段是危机最容易处理的时期，却最不易为人所知。

危机爆发期： 危机集中爆发的阶段，它对企业造成的冲击最为严重。

危机延续期： 危机处理过程的一个阶段，纠正危机爆发期造成的损害。

危机痊愈期： 企业从危机影响中完全解脱出来，但是仍要保持高度警惕，因为危机仍会死灰复燃

因此对于舆情的监控，我们可以从下面几个方面来进行处理。

舆情监测系统简介

一般最为简单的流程就是事前事中事后这么一个顺序：

事前：口碑监测、数据分类、热点发现、自动预警
事中：话题追踪、传播分析、竞争情报、关联挖掘
事后：深度报告、危机处理、效果评估、声誉管理

因此，我们舆情监测系统应该具备的能力就包括：

数据接入与态势分析：

• 支持接入与融合多源异构数据:
• 支持对整体比例和变化趋势分析，包括来源占比及变化趋势、地域分布、倾向性分布等:
• 支持区分媒体和网民分析:
• 可自定义时间粒度，按天、按小时分析

专题分析

• 支持基于关键词自定义创建专题
• 支持查询历史专题:
• 支持专题关键词分析与自动推荐:
• 支持对专题进行溯源、趋势、倾向性参与画像等多维度分析和可视化呈现。

热点事件分析

• 自动发现全网、各领域热点
• 支持事件影响力计算及排序
• 支持自定义热点事件分类规则:
• 支持对事件的关键要素、发酵趋势、重点参与媒体等进行多维分析。

事件态势分析

• 提供热点事件数量等统计功能:
• 支持热点事件整体态势分析:
• 支持热点事件倾向性统计:
• 提供网民参与情况统计。

事件溯源分析

• 支持事件溯源，识别首发和相似文章的转载关系:
• 支持微博传播追踪，识别转发关系，刻画传播路径

专题报告

• 支持报告模板的自定义和灵活管理
• 支持多源获取和分类管理素材;
• 支持基于素材和模板自动生成和更新报告:

在支持上述能力的基础上，我们可以画出舆情系统一个比较通用的技术体系架构：

并且拿到主要会用到的一些算法：

当然，还有一项没有列上去（表格不够），那就是“知识图谱”。知识图谱相比于其他一些算法会更加复杂一些。

上面的一些算法设计的范围很广，这里就不嫌丑了，还没到这个水平，如果有感兴趣的朋友可以深挖一下。

结语

舆情方面的案例很多，但是真正能拿出来举例子的不多，而且会涉及到相关事件，所以就不再进一步拿具体的事例来讲了。

今日份学习完成~

以上。