易坊好文馆

  1. 首页 > 玩科技 >

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 。
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 。
从“网络问政”到“网络理政”
近年来 ， 有不少地方的市场监管部门越来越重视舆情数据的使用 。 将当前舆情压力最大、最敏感的行业作为工作关注的重要方向 ， 特别是对一些周期性、常态化的问题提前布局 ， 通过精准识别、精准执法 ， 以监管促合规 ， 在降低自身舆情风险的同时 ， 也提升工作效率 ， 优化市场环境 。
汪大伟指出 ， AI舆情系统提升了信息概括总结的能力 ， 舆情作为重要的社会评价数据 ， 在跟其他维度的数据进行融合之后 ， 再次扩展了应用场景和使用价值 。 很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；企业则常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“网络问政”向“网络理政”的转变 。
随着近些年数据风控应用越来越广泛 ， 在治理个人征信数据滥用乱象之后 ， 很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、风险估测和风险评价等 。
汪大伟说：“AI舆情系统不仅能够将已有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 ， 将某一种经验扩充为某一类经验 ， 以此来实现对未来风险的精准预测 。 此外 ， AI舆情系统的知识图谱功能 ， 具有推理计算的能力 ， 可以发现以往并未存在但将来可能存在的风险 ， 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发展的意见》指出要以先进技术引领驱动融合发展 ， 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 ， 加强新技术在新闻传播领域的前瞻性研究和应用 。
在传统媒体时代 ， 一篇新闻稿件发布的同时 ， 意味着工作即结束 。 而在融媒体时代 ， 稿件的发布仅仅是稿件传播的开始 。 通过对稿件内容的分析 ， 可以更加精准地分析出稿件更适合在什么时间发布、更容易在什么平台上传播、更适合用哪种表现形式 。 而这一切 ， 很可能是基于舆情数据对当前新闻舆论的精准分析 。
【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】延伸阅读
媒体智能化初步形成三大模式
2月5日起 ， 北京广播电视台在播出北京冬奥新闻时 ， 屏幕左下角多了一个熟练运用手语播报的“虚拟人”——“冬奥手语播报数字人系统” ， 让听障人群更好地感受到了冬奥盛况 。 从虚拟新闻主播到手语播报虚拟人等 ， 人工智能技术已经成为北京冬奥会新闻播报的一个重要辅助技术 ， 而智能化也早已成为如今新闻传媒发展中的一个关键词 。
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大模式 ， 即智慧广电模式、智慧报业模式、商业平台智能化模式 。
在强有力的政策引导与扶持下 ， 我国智慧广电得以迅猛发展 ， 人工智能技术不断融入广播电视各业务流程 ， 催生出了智能视频修复、智能视频编辑、广电网络智能分发、广电云监管、多维度审核体系、广电公共应急信息智能服务等一系列智慧广电创新应用 。
在人工智能、媒体融合相关政策助推下 ， 近年来中国报业智能化转型进程显著提速 ， 目前已进入媒体融合“深水区” 。 整体来看 ， 传统报业智媒建设经历信息生产单点环节赋能、采编发全链路智能支撑、中台驱动平台级产品对外输出3次进阶 。
头部互联网商业媒体平台在市场驱动下率先开启智能化升级转型 ， 目前人工智能技术覆盖从汇聚、管理、生产到发布的全链路 ， 智能应用呈现出百花齐放的局面 。 在疫情催化、全面视频化的趋势下 ， AI+视频也成为商业平台角力的新赛道 。 采访人员 华 凌

    推荐阅读


    上一篇：宾夕法尼亚|美白尾鹿体内首现奥密克戎变异株

    下一篇：Intel|英特尔Sapphire Rapids-AP HEDT处理器或于2022年底到来