清博舆情为什么能判断信息的正负面情感？

清博舆情系统对信息智能处理用了：中文分词技术、自然语言处理技术、中文信息处理技术、自动对信息进行智能清洗、关键词提取聚类统计、语义分析情感研判、相似性判断等，会对抓取的文章通过自然语言处理等技术进行文本分析，将文章的情感属性分为正面、中立、负面三个维度；技术后台有一个庞大的舆情情感词库，根据文章中敏感词语出现的频次、位置等维度进行综合的评估，依据正负面情感词库、大量的文档语料库及特殊的句法分析，先判断文章中每句话的情感倾向性是积极的正面、消极的负面或是纯叙述的中性，并赋予分值。最后以所有句子的情感值综合计算结果作为该文章的最终情感值，情感分值按区间分为正面、负面、中性。

敏感判定由自建的情感研判模型完成，该模型与哈尔滨工业大学社会计算与信息检索研究中心合作，依托其在业内知名的中文语义分析处理能力，结合机器学习，通过输入人工标注学习训练语料方式，持续提升研判模型准确度；该模型摒弃了仅基于情感词的单一研判方式，通过对内容精准切分词、中文语义分析、通过词距词序词频计算并按权重打分等方式，根据模型训练结果的判定标准，对内容进行情感判定。非敏感高频词就是进行情感判定后认为非敏感词汇中词频较高的词语。

视频舆情监测技术

目前的舆情监测平台一般采取先智能监测，再人工审核的方法。其中的智能监测技术主要是以下三类。

分布式舆情分析检测技术。

这是利用 Web 数据采集的方法，由多个可以并发获取Web数据的采集点协同工作，构成Web信息采集系统，实现对舆情信息的采集，再通过标签定制功能，对已知数据进行分类，从而实现舆情分析处理。这种技术针对短视频内容的监测有很大局限性。由于使用 Web 数据采集方法仅能针对那些标注了文字的视频标题的内容进行信息统计和分析，所以对于视频本身的挖掘功能是远远不够的。

视频同源检测技术。

它的核心思想是使用数学建模的方式先对视频进行表述，形成视频特征，进而通过特征的比较来实现同源视频的匹配。这种方法还有一些技术难题，最大的挑战在于找到视频的特征，全面地表述视频信息。对这些信息的表述主要体现在对视频帧的检测方法和对视频片段的检测方法。镜头的分割和关键帧的提取是该技术的难点问题。

基于标签的视频检测技术。

标签的视频检测技术主要是依据可能出现的视频信息，设置标签，对照视频内容进行分类，将视频与标签做对应关系的技术处理方法。检测的过程中可以根据视频标题、视频描述信息、视频内容三个不同的特征进行标签标注，再通过标注的内容向舆情分析专家提供索引信息。但是现在很多短视频都省去了文字描述和标题的内容，对于这些短视频，这种技术显然无法起到监测的作用。

以上内容由识达科技舆情监测公司整理提供。

舆情系统简而言之就是用来监测和分析舆情信息的软件，这在国内现在很普遍，达到几百人的IT公司，小到几个人的爬虫小团对都能做。舆情系统从技术上来说现在没有任何的技术门槛，功能上也都是七七八八，大差不差，没有什么核心的竞争力。但是从使用效果来说，各家的都有所差异，其中五节数据公司的五节舆情系统相对来说比较突出。五节舆情系统在系统数据上抓取比较全，对互联网数据和信息的采集和分析，和搜索引擎的工作及时性强，监测到的信息对情感的研判准确。是一款值得推荐的舆情产品。