回覆列表
-
1 # 知於大資料分析
-
2 # 逸冉7
先說一下輿情預警資訊是如何判斷的吧,就西盈輿情監測系統而言。先在網際網路大資料中對所有資料進行抽取,保證資料的廣度覆蓋到全網。然後再過濾到分析平臺上,這個過程就像在茫茫人好中找到自己的朋友圈,把與自己相關的資訊一網打盡。對網際網路上發生的與“我”相關輿情資訊,第一時間監測到,並且以最直觀的方式顯示出來“一網打盡,一目瞭然”。監測媒體型別包括:新聞、論壇、微博、微信、客戶端、平媒、貼吧、搜尋引擎等。最後再對這些資訊進行分類研判,比如輿情資訊的預警。
輿情繫統的一個關鍵功能就是預警功能。簡單的來講,輿情資訊的監測收集是輿情工作的根基,輿情分析是輿情工作的主幹,而輿情預警是把控輿情工作整體效果的關鍵性要素,能不能預警?預警的及不及時?準不準確?都影響著輿情工作的有效性。實時預警,及早發現危機的苗頭,及早對可能產生的現實危機的走向、規模進行判斷,才能及早通知各有關職能部門共同做好應對危機的準備。
主要預警方式為關鍵詞預警與趨勢預警,關鍵詞預警即所監控輿情資訊中一旦出現預警關鍵詞則傳送預警通知,趨勢預警為輿情資訊總量或負面資訊量超出常規聲量範圍後則發出預警。目前市面上的輿情繫統主要透過簡訊、郵件、APP等進行預警,預警資訊傳送目標及時間頻次可自行設定,如知於微輿情,可透過郵件方式預警,單個任務最多可同時支援10個郵箱預警,並可自定義30分鐘、1小時、3小時、6小時或1天的預警時間,工作日預警還是週末預警。預警機制已得到成熟廣泛的應用。
輿情預警資訊的最終判斷分為兩步,首先是系統提示,其實是人工稽核;
偏向技術能力的公司會更多的把資源配置在後端,透過強力的coding程式碼,結合行業語料積累,將NLP自然語言處理的能力發揮到極致,使系統自動判斷的能力不斷變強,最終的目的是形成對於單條資訊的精準判別(當然,因為機器不懂語境和上下文,所以100%判斷正確是不可能的;準確率這個指標,行業是有參考值的,量力而行。)
同理,如果技術不是非常精進,只能做到一個文字整合平臺,也就是偏向服務能力的公司。就會在前端配置專業/專崗的服務團隊,對系統提示的重要資訊進行稽核,取之精華,去其糟粕;最終用人工的工時去彌補系統能力的不足。
當然,想要100%完成預警需求,現階段只靠系統,基本天方夜譚;或多或少,人要關注。