輿情監控，你還在用準確率低覆蓋不全的人工操作嗎？作為一名社交軟件深度沉迷者，微博和微信朋友圈每天必刷N次都不覺得過癮。除了瀏覽別人的推文外，不少人還喜歡在微博或微信朋友圈分享生活、工作，或對某個人、某一件/一類事情的觀點，更多情況下還會夾帶著私人的情緒。

　　的確很多人都覺得自己的微博或微信朋友圈屬于自己的地盤，發布什么內容都與他人無關。

　　直到最近有一個新聞刷屏了：男子在朋友圈罵人被罰1000元，法官：構成名譽侵權

　　輿情監控，你還在用準確率低覆蓋不全的人工操作嗎？

   原因是這名男子在朋友圈（經審理認為出于個人情緒和主觀推斷）指名道姓并配上當事人照片發表帶涉及隱私和侮辱性文字的言論，結果……

　　發布一些針對個人的不良信息，嚴重情況下可毀人清譽；如果發布了針對一家企業的負面信息，無論信息真假，在網絡飛速傳播的時代，不僅僅會快速影響企業經營，也會對投資者帶來風險。

　　畢竟，資本市場對信息高度敏感， 能否對各類風險信息進行有效的監控，對能否避免風險，在投資中立于不敗之地有著重要的參考意義，因此，各種不同的輿情系統相繼面世并為各種投資者所使用。

　　但是，傳統輿情分析系統存在這幾類問題：

　　◆ 傳統輿情主要使用關鍵詞對輿情信息進行搜索和定位，存在搜索精度不高、輿情信息覆蓋不全的問題。針對目標主體，如果關鍵詞組合過少，則信息難以覆蓋完全。如果關鍵詞組合過于寬泛，則檢索出的信息大量不相關。由于缺乏有效的語義匹配等能力，難以兼顧精準與全面的問題，也難以從大量無效信息中篩選出所需的輿情信息（尤其是字面不完全匹配的）；

　　◆ 傳統輿情主要使用人工定義的標簽集合，在新標簽的及時引入、既有標簽集合的更新等方面，存在局限；

　　◆ 傳統輿情通常僅單獨分析每一篇輿情，在輿情之間缺乏有效關聯和系統性分析的方法。

　　針對這些痛點，金證智能風險管理平臺——智能輿情系統進行了重點的優化。

　　◆ 對輿情從評論中的情感極性、事件自身的風險等角度，進行正負面判斷；

　　◆ 通過核心實體與輿情的關聯計算，將單個輿情的輿情分值匯總計算為實體（例如公司）粒度的輿情分值；

　　◆ 基于企業知識圖譜，解決輿情信息的準確與覆蓋問題、標簽體系擴展、輿情與實體關聯等問題；

　　◆ 基于事件分析，對輿情進行更為全面系統的分析。

　　★智能輿情系統可實現

　　★查看公司列表

　　用戶查看所選公司風險，非風險以及所有文章數量，評分，并支持下載表格功能。

　　★輿情列表

　　用戶查看所選公司的輿情文章，可了解該文章對公司的風險程度，發布時間，發布媒體，摘要以及媒體報道次數，全面了解該公司輿情。

　　★輿情詳情

　　用戶可查看某一輿情具體文章內容，并支持查找該公司的相似文章。

　　★輿情趨勢

　　通過此模塊，用戶通過圖表的方式了解該公司各項數據信息，如輿情評分與股價的趨勢圖，風險非風險文章占比，每個時間區間中文章數量，報道該公司輿情最多的媒體以及該公司輿情關鍵詞云。

　　★輿情抓取

　　用戶通過此模塊及時了解系統最新抓取的文章，并支持篩選公司，關鍵詞等條件查詢所選輿情。

　　★統計分析

　　用戶可了解本系統數據情況，了解公司輿情評分分數分布情況，查看系統判斷風險更高的公司榜單，另外還能了解系統所有收錄的文章每月風險文章，非風險文章以及文章總數數量。輿情監控，你還在用準確率低覆蓋不全的人工操作嗎？這篇文章就介紹到這里，關于輿情優化，您學會了嗎？