风险|人工智能让舆情监测从信息检索走向内容多维度识别

AI舆情系统提升了数据的精准性。早期的舆情监测，通常由“关键词”搭配“与、或、非”的判断逻辑进行数据检索，往往需要辅以大量的人工，对数据进行二次处理。而智能化的监测，则通过自然语言处理技术对内容进行多维度识别，从而提升数据的准确性。
全民互联网时代，舆情无时不有，风险无处不在。目前，中国网民总体规模已超过10亿，网络成为人们表达个人意见和观点的重要渠道。社会舆论也随之从线下转移到线上。网络舆情信息成为舆情信息的重要组成部分，给全媒体时代做好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。伴随着自媒体、移动端的快速发展，在不到10年的时间里，每日舆情数据总量从百万级扩展到千万级，当前已经达到亿级。如此庞大的舆情信息，远远超过正常阅读的极限，要对海量的信息进行分析，势必要使用人工智能技术对舆情信息进行处理和研判。 ”2月8日，人民在线副总编辑、人民网新媒体智库高级研究员刘鹏飞在接受科技日报采访人员采访时表示。
AI舆情系统优势愈发突显
与传统舆情系统相比， AI舆情系统有何不同？
人民在线副总经理汪大伟答道， AI舆情系统是指以人工智能技术进行中文全媒体资讯自动化分析与大数据情报挖掘的综合系统。与传统舆情系统相比，其有两个明显的转变：舆情监测从“检索”到“算法”的转变；数据计算从“简单计算”到“深度学习”的转变。 AI舆情系统的优势在于可以精确地对文本类信息进行实体识别、语义消歧、知识图谱构建、话题分类、自动摘要、情感分析，并对于图像类的信息进行有效的品牌识别、人脸识别、物体识别和文字识别等。
汪大伟进一步解释，随着大数据、云计算、人工智能技术的发展与用户量的日益增长，舆情智能化发展亟待解决两个需求：以移动化应用为代表的“浅舆情”需求以及需要深度分析的“潜舆情”需求。而无论是“浅舆情”还是“潜舆情”都需要一个强大的舆情数据处理平台。
首先， AI舆情系统提升了数据的精准性。早期的舆情监测，通常由“关键词”搭配“与、或、非”的判断逻辑进行数据检索，往往需要辅以大量的人工，对数据进行二次处理。而智能化的监测，则通过自然语言处理技术对内容进行多维度识别，从而提升数据的准确性。基于自然语言处理技术， AI舆情系统运用垃圾分类模型提升数据精准度，并通过情感分析技术获取敏感信息，实时表现舆论状态，评估舆论走向。在此基础上，系统还能通过事理图谱、热点聚类、文本分类等学习方法，对舆情事件的发展脉络、特征分布、风险等级进行自动阶段性总结，并给出趋势预测。
【风险|人工智能让舆情监测从信息检索走向内容多维度识别】其次， AI舆情监测的优势，还体现在对“非确定”信息的监测上。长期以来，舆情监测一直存在一个难题，即对一个部门、企业、话题、事件等确定性的“主题监测”相对容易，但对一些“无主题”的监测，则困难得多。
例如，如果想关注全国的校园安全舆情并精准推送给相关部门，很明显这很难穷举全国所有学校的关键词及安全相关的关键词。而AI舆情系统通过设定主题地域属性、媒体权重、热度属性、行业属性、情感属性、敏感属性，可以快速将全国的舆情事件进行定位、定性，并在此基础上进行信息的抽取、挖掘、聚类和分析，为关联单位提供智能监测、智能预警、智能研判等服务。

风险|人工智能让舆情监测 从信息检索走向内容多维度识别

风险|人工智能让舆情监测从信息检索走向内容多维度识别