实验17-6:智能监控与舆情分析

用一份 24 小时的帖子语料(内置的是虚构示例语料,也可以导入自己采集的 CSV)回放“实时监控”:每条帖子进来后做情感打分、关键词统计、转发链路追踪,并按规则触发告警;最后由 AI 抽样复核情感判断,并根据统计结果写舆情简报。

监控设置

实时数据

0帖子
0近 1 小时
0%正面
0%负面

模拟时间 00:00

告警

尚未触发告警

每小时声量与情感

高频词

转发链路(节点大小 = 被转发次数)

平台分布

最新帖子(情感分由词典打分:正数为正面)

AI 复核与舆情简报

先回放或“直接看全天”,再让 AI 复核和写简报。

技术原理

词典情感打分:正面词 +1、负面词 −1,前面有“很、太、非常”乘 1.5,有“不、没”就反转。速度快、可解释,但读不懂反讽,所以用大模型抽样复核,算出两者的一致率。

关键词:中文没有空格,这里统计 2~6 字连续片段的出现次数,只保留左右相邻字有变化的片段(说明它能独立成词,例如“发热”前后接什么字都有,而“布会几”前面总是“发”),再去掉被更长词组包含的片段,近似分词效果。

告警规则:某小时声量超过此前均值 + 3 倍标准差记为“声量突增”;近 2 小时负面占比比全天高 15 个百分点记为“负面升温”;不同账号在 1 小时内发布高度相似的内容(字符三元组相似度 ≥ 0.8)记为“疑似集中刷帖”。