人工智能让舆情监测 从信息检索走向内容多维度识别

人工智能让舆情监测 从信息检索走向内容多维度识别 字体： 小 中 大 分享到： 人工智能让舆情监测 从信息检索走向内容多维度识别 2022-02-15 09:22:03 来源：科技日报

AI舆情系统提高了数据的准确性。在早期的舆情监测中，数据检索通常以“关键词”结合“与、或、或、非”判断逻辑进行，往往需要辅以大量的人工对数据进行二次加工。而智能监控则是利用自然语言处理技术对内容进行多维度的识别，从而提高数据的准确性。

全民互联网时代，舆论无时不在，风险无处不在。目前，中国网民的整体规模已经超过10亿，互联网已经成为人们表达个人观点和意见的重要渠道。舆论也从线下转向线上。网络舆情信息已经成为舆情信息的重要组成部分，给全媒体时代的舆情工作带来全方位的挑战。

“智能化舆情管理是行业发展的必然。随着自媒体和移动终端的快速发展，在不到10年的时间里，日舆情数据总量从百万级扩大到千万级，目前已经达到一个亿。如此庞大的舆情信息量，远远超过了正常阅读的极限。要分析海量的信息，就需要利用人工智能技术对舆情信息进行处理和判断。”2月8日，人民网副总编辑、人民日报新媒体智库高级研究员刘鹏飞在接受科技日报记者采访时表示。

AI舆情系统的优势越来越凸显。

AI舆情系统和传统舆情系统有什么区别？

人民在线副总经理王大为回答说，AI舆情系统是指利用人工智能技术，自动分析中文全媒体信息，挖掘大数据信息的集成系统。与传统舆情系统相比，它有两个明显的变化:舆情监测从“检索”到“算法”的转变；计算数据从“简单计算”到“深度学习”的转变。AI舆情系统的优势在于，能够对文本信息进行准确的实体识别、语义消歧、知识图谱构建、话题分类、自动摘要和情感分析，对图像信息进行有效的品牌、人脸、物体、人物识别。

王大为进一步解释说，随着大数据、云计算、人工智能技术的发展和用户数量的不断增加，舆情的智能化发展迫切需要解决两个需求:以移动应用为代表的“浅层舆情”需求和需要深度分析的“潜在舆情”需求。无论是“浅层舆情”还是“潜在舆情”，都需要一个强大的舆情数据处理平台。

首先，AI舆情系统提高了数据的准确性。在早期的舆情监测中，数据检索通常以“关键词”结合“与、或、或、非”判断逻辑进行，往往需要辅以大量的人工对数据进行二次加工。而智能监控则是利用自然语言处理技术对内容进行多维度的识别，从而提高数据的准确性。AI舆情系统基于自然语言处理技术，利用垃圾分类模型提高数据的准确性，通过情感分析技术获取敏感信息，实时表达舆情状态，评估舆情趋势。在此基础上，系统还可以通过事件地图、热点聚类、文本分类等学习方法，自动总结舆情事件的发展脉络、特征分布、风险等级，并给出趋势预测。

其次，AI舆情监测的优势还体现在对“不确定”信息的监测上。长期以来，舆情监测存在一个难题，即监测某个部门、企业、话题、事件等相对容易。，但对一些“无话题”的监控就困难多了。

比如你要关注全国的校园安全舆情，并精准推送至相关部门，显然很难穷尽全国所有学校的关键词和安全相关关键词。AI舆情系统通过设置主题区域属性、媒体权重、热度属性、行业属性、情感属性、敏感属性，对全国舆情事件进行快速定位和定性，并在此基础上对信息进行提取、挖掘、聚类和分析，为相关单位提供智能监测、智能预警、智能研判等服务。

从“网络政治”到“网络治理”

近年来，很多地方的市场监管部门越来越重视舆情数据的运用。目前舆论压力最大、最敏感的行业是工作关注的重要方向，尤其是对于一些周期性、常态化的问题。通过精准识别和执法，监管可以促进合规，在降低舆论风险的同时，还可以提高工作效率，优化市场环境。

王大为指出，AI舆情系统提高了汇总信息的能力，舆情作为重要的社会评价数据，在与其他维度的数据整合后，再次拓展了应用场景和使用价值。许多政府机构将舆情数据视为社会治理数据的重要组成部分；企业往往将舆情数据作为大数据风控和智慧营销的重要参考指标。显然，AI舆情系统推动了“网络政治”向“网络治理”的转变。

随着近年来数据风控的应用越来越多，在控制了个人征信数据的滥用后，许多金融企业将舆情数据作为重要的风险指标，希望利用舆情数据进行风险识别、风险估计和风险评估。

王大为表示:“AI舆情系统不仅可以将现有的风险归纳为经验知识，还可以利用人工智能技术和知识图谱功能，将某一类经验扩展为某一类经验，从而准确预测未来的风险。此外，AI舆情系统的知识图谱功能具有推理和计算能力，能够发现过去不存在但未来可能存在的风险，满足用户的深层需求。”

2020年9月，《关于加快推进媒体深度融合的意见》指出，用先进技术引领融合发展，用好5G、大数据、云计算、物联网、区块链、人工智能等信息技术成果，加强新闻传播领域新技术的前瞻性研究和应用。

在传统媒体时代，一篇新闻稿发布，就意味着工作结束。媒体融合时代，稿件的发布只是稿件传播的开始。通过对稿件内容的分析，可以更准确的分析出稿件何时更适合发表，在什么平台上更容易传播，更适合哪种表现形式。这一切，大概都是基于舆情数据对当前新闻舆情的精准分析。

延伸阅读

媒体智能化初步形成了三种模式。

2月5日起，北京广播电视台在播报北京冬奥会新闻时，多了一个熟练运用手语播报的“虚拟人”——屏幕左下角的“冬奥会手语播报数字人系统”，让聋人更好地感受冬奥会盛况。从虚拟新闻主播到手语播报虚拟人，人工智能技术已经成为北京冬奥会新闻播报的重要辅助技术，智能化早已成为新闻媒体发展的关键词。

中国传媒大学等联合发布的《中国智能媒体发展报告(2020-2021)》指出，目前，媒体智能化已初步形成三种模式，即智慧广电模式、智慧报业模式和智慧商业平台模式。

在强有力的政策引导和支持下，我国智慧广电产业发展迅速，人工智能技术不断融入广电各项业务流程，催生了智能视频修复、智能视频剪辑、广电网络智能分发、广电云监管、多维度审计系统、广电突发公共事件信息智能服务等一系列智慧广电产业创新应用。

在人工智能和媒体融合相关政策的助力下，近年来中国报业的智能化转型进程明显加快，目前已经进入媒体融合的“深水区”。整体来看，传统报业的智媒建设经历了单点信息生产赋能、采编发行全链路智能支撑、中台驱动平台级产品输出三个高级阶段。

头端互联网商业媒体平台率先开启市场驱动的智能化升级转型。目前，人工智能技术覆盖了从聚集、管理、生产到配送的全链路，智能应用全面开花。在疫情催化和综合视频的趋势下，AI+视频也成为商业平台角力的新赛道。(记者华凌)

【纠错】