舆情监控，你还在用准确率低覆盖不全的人工操作吗？

　　舆情监控，你还在用准确率低覆盖不全的人工操作吗？作为一名社交软件深度沉迷者，微博和微信朋友圈每天必刷N次都不觉得过瘾。除了浏览别人的推文外，不少人还喜欢在微博或微信朋友圈分享生活、工作，或对某个人、某一件/一类事情的观点，更多情况下还会夹带着私人的情绪。

　　的确很多人都觉得自己的微博或微信朋友圈属于自己的地盘，发布什么内容都与他人无关。

　　直到最近有一个新闻刷屏了：男子在朋友圈骂人被罚1000元，法官：构成名誉侵权

　　舆情监控，你还在用准确率低覆盖不全的人工操作吗？

原因是这名男子在朋友圈（经审理认为出于个人情绪和主观推断）指名道姓并配上当事人照片发表带涉及隐私和侮辱性文字的言论，结果……

　　发布一些针对个人的不良信息，严重情况下可毁人清誉；如果发布了针对一家企业的负面信息，无论信息真假，在网络飞速传播的时代，不仅仅会快速影响企业经营，也会对投资者带来风险。

　　毕竟，资本市场对信息高度敏感， 能否对各类风险信息进行有效的监控，对能否避免风险，在投资中立于不败之地有着重要的参考意义，因此，各种不同的舆情系统相继面世并为各种投资者所使用。

　　但是，传统舆情分析系统存在这几类问题：

　　◆ 传统舆情主要使用关键词对舆情信息进行搜索和定位，存在搜索精度不高、舆情信息覆盖不全的问题。针对目标主体，如果关键词组合过少，则信息难以覆盖完全。如果关键词组合过于宽泛，则检索出的信息大量不相关。由于缺乏有效的语义匹配等能力，难以兼顾精准与全面的问题，也难以从大量无效信息中筛选出所需的舆情信息（尤其是字面不完全匹配的）；

　　◆ 传统舆情主要使用人工定义的标签集合，在新标签的及时引入、既有标签集合的更新等方面，存在局限；

　　◆ 传统舆情通常仅单独分析每一篇舆情，在舆情之间缺乏有效关联和系统性分析的方法。

　　针对这些痛点，金证智能风险管理平台——智能舆情系统进行了重点的优化。

　　◆ 对舆情从评论中的情感极性、事件自身的风险等角度，进行正负面判断；

　　◆ 通过核心实体与舆情的关联计算，将单个舆情的舆情分值汇总计算为实体（例如公司）粒度的舆情分值；

　　◆ 基于企业知识图谱，解决舆情信息的准确与覆盖问题、标签体系扩展、舆情与实体关联等问题；

　　◆ 基于事件分析，对舆情进行更为全面系统的分析。

　　★智能舆情系统可实现

　　★查看公司列表

　　用户查看所选公司风险，非风险以及所有文章数量，评分，并支持下载表格功能。

　　★舆情列表

　　用户查看所选公司的舆情文章，可了解该文章对公司的风险程度，发布时间，发布媒体，摘要以及媒体报道次数，全面了解该公司舆情。

　　★舆情详情

　　用户可查看某一舆情具体文章内容，并支持查找该公司的相似文章。

　　★舆情趋势

　　通过此模块，用户通过图表的方式了解该公司各项数据信息，如舆情评分与股价的趋势图，风险非风险文章占比，每个时间区间中文章数量，报道该公司舆情最多的媒体以及该公司舆情关键词云。

　　★舆情抓取

　　用户通过此模块及时了解系统最新抓取的文章，并支持筛选公司，关键词等条件查询所选舆情。

　　★统计分析

　　用户可了解本系统数据情况，了解公司舆情评分分数分布情况，查看系统判断风险更高的公司榜单，另外还能了解系统所有收录的文章每月风险文章，非风险文章以及文章总数数量。舆情监控，你还在用准确率低覆盖不全的人工操作吗？这篇文章就介绍到这里，关于舆情优化，您学会了吗？

文章来源：点入网络
文章标题：舆情监控，你还在用准确率低覆盖不全的人工操作吗？
本文标签：舆情监控   人工操作   准确率低覆盖   
本文地址：https://www.020dr.net/yqdt/687.html