北大方正李崇纲：方正智思互联网舆情分析系统

来源：深圳新闻网

 

[北大方正]： 我们理解互联网是建设好、运用好，接下来描述的产品是对互联网管理的一种技术手段。首先是对舆情分析解决方案。众所周知互联网信息增长速度非常快，同时也面对互联网的机遇与挑战，互联网信息量非常大，传播及时，但也带来消极面的影响，比如说管理混乱。 (2008-11-28 16:15:44.0)

[北大方正]： 信息化产生了网络舆情，网络舆情对社会生活各个方面都产生了重大影响。网络舆情也是领导做决策的参考，像恐怖袭击事件、经济安全事件、突发自然灾害都有可能在互联网上产生网络舆情，这些网络舆情表现的形式可能是网络的媒体报道、BBS论坛或个人博客发布出来的信息。 (2008-11-28 16:16:21.0)

[北大方正]： 互联网有几个技术特点，一是信息量大，二是更新速度快，三是传播速度也非常快。对网络舆情的分析就出现了几个问题，首先是如何收集海量的网络舆情信息。二是如何在第一时间发现敏感信息，如何掌握重大网络舆论，如何对舆情信息进行深入的挖掘，最后是如何因势利导把握网络舆情的规律。这几个是有关联的，首先是收集，然后是把握、掌握，最后是如何应对与引导网络舆情。 (2008-11-28 16:16:34.0)

[北大方正]： 上面提出的几个问题，方正集团提出了方正智思互联网舆情分析方案（见图），采集的信息形成文本的方式，应用方正智思技术，通过这个引擎可以对关键素提取、自动分类、自动检测等等基于文本处理的相关解决方案。把类别分开之后我们可以做舆情层面的深入挖掘，比如说按照时间分布、按照演化规律做出传播路线图。舆情分析的结果提供给专家、网络评论员和新闻发言人。我们提供的整体解决方案不止是对网络信息的搜索，实际上我们是从敏感区发现、热点信息聚焦到专家评论，形成一个具有生命周期的整体解决方案。 (2008-11-28 16:16:55.0)

[北大方正]： 下面介绍一下传统的工作原理，从这张图上可以看到系统是分四大部分，首先对信息进行采集，我们可以对新闻以及新闻的专题、评论、论坛、主帖、回帖、博客、帖吧信息进行采集，这些采集在后台有工具配置采集规则，同时对搜索引擎结果进行采集，采集进来的所有信息进行数据过滤，对数据进行分析和智能处理，形成相似索引、文本索引、主题索引，对关键信息进行自动关键词摘取和自动摘要。实际上我们跟国内比较著名的新闻学院、新闻研究机构分析模型，大家看到的这些舆情分析模型都是我们和相关院所研究的（见图）。我们还可以根据专业业务要求定制出应用服务功能，比如说信息监管、舆情简报管理、统计分析管理、舆情信息管理，最终形成共享库，可以辅助用户形成信息接收和监管，这是信息舆情管理的整个原理。 (2008-11-28 16:17:39.0)

[北大方正]： 方正智思运行系统的功能概览，从概览图上可以看到包括智能采集、舆情监管、舆情研判、行政管理、基础数据和系统管理的几个主要功能，每一个功能点我们都有新的功能描述。 (2008-11-28 16:21:27.0)

[北大方正]： 我们产品具有典型的特色功能，这里跟大家分享一下技术是如何在产品中实现的，首先超级搜索，对舆情分析来讲要进行搜索的功能，搜索可以提供高级搜索、模糊搜索、语义搜索和全网搜索，比较有特点的语义搜索，是以文找文的技术，我们以百度搜索就是输入关键词查找分析结果，在智思分析系统里是以一篇文章寻找其他文章的方式，它叫相似搜索，这也是我们申请的专利技术，实现原理是用一篇文章的语义查找其他相关的文章，效果就是当我们在互联网上看到一篇报道的时候，把这篇报道拷贝回来输入系统，系统会自动匹配跟这篇文章语义相关的信息。这个例子是最近一段时间各地出租车罢运的事件，有很多的报道，我们在互联网上随便找一个相关文本输入系统，系统会自动返回，在各大网站有关出租车罢运的信息反馈回来，是对一个专题事件的分析，避免我们查找重点事件和突发事件时浏览信息花去大量的时间。 (2008-11-28 16:29:47.0)

[北大方正]： 自动过滤。自动过滤也避免了浏览网页大量的重复劳动，比如按照时政观点、突发事件、重大事件、重要人物配置出关注规则，有新的新闻、新的论坛、新的博客、新闻出现时会自动过滤信息。分类规则也可以支持多维的分类方式，配置界面比较灵活简单，在后台用关键词的方式可以进行敏感性过滤。同时我们还有一个新研究技术，叫做多模式的模糊匹配，是通过拼音搜索自动匹配出特殊的敏感信息。关注信息过滤有两个方式，可以在属地化的管理网站里过滤敏感信息，另外也可以通过大型搜索引擎过滤全网的信息。热点发现相关推荐技术也是我们的相关技术，热点发现是使用PTP检测技术，通过它检测出新闻网站热点、论坛热点以及博客热点。屏幕右边是我们浏览一个系统时可以打开信息的正文，自动推送出有关这个信息的相关信息，这个例子是说李敖在香港停留一天活动繁忙，这是新浪网的新闻，我们推送出有关于李敖在这个地方做了什么事情的相关报道，这也是相关搜索的典型应用。大家看到每个信息我们会自动形成摘要，摘要也是对文本进行分析形成的典型摘要，跟百度和GOOGLE的摘要也不太一样，GOOGLE是断章取义的，而我们的摘要是根据文本分析以后形成的语义摘要。 (2008-11-28 16:30:03.0)

[北大方正]： 刚刚讲的是热点信息。实际上关注信息是日常热点值得我们关注的，在互联网上还有一类信息既不是已知的也不是当前热点，是我们需要发现的潜在的舆情进行追踪，我们通过舆情追踪模块根据某一个突发事件的相关文章数量、相关点击数量和相关群众数量追踪这条信息有没有可能形成网络上的焦点和热点。我们举的是2月15号有关雪灾事件，我们追踪雪灾事件的网络报道，我们发现2月15号当天文章数量有突发增长，相关点击数量都有增长。这是有关雪灾数据新闻论坛和博客的列表（见图）。通常浏览互联网我们认为互联网是平面的，实际上我们是从多个角度、纬度分析互联网信息，可以从时间纬度、传播途径纬度分析互联网信息，像屏幕右边的截图可以判断出在一段时间有关于某一个专题或某一个热点网络舆情的分布图，不同的颜色代表不同的网络媒体表现形式，通过这张图判断出大概在星期四这一天形成了某一热点的舆情峰值（见图）。右边是传播路径图，我们判断出某一个突发事件发生后传播源头在哪儿，又被传播到哪些网站上去，通过这张图很直观的判断出来，分析一篇信息的时间、相关度（见图）。另外还可以形成主题演化图（见图）。 (2008-11-28 16:30:12.0)

[北大方正]： 网站分布和地域分布可以判断某个热点出现之后是发布在有资质网站或无资质网站、中央网站、商业网站、地方其他网站是怎样分布的，按照地理区域进行分析。 我们的系统最终可以形成灵活定制的报告，报告是定量定性两个角度进行综合分析。 (2008-11-28 16:30:20.0)

[北大方正]： 当然对于行业应用提供可以定制的业务功能，比如说行政执法管理、网评管理、备案管理系统。刚才所讲的有关关注信息发现、热点信息检测、舆情追在实际上都是基于中文技术，这些技术包括自动摘要、多文档摘要、自动分类等。方正中心在这个领域有十年的积累，我们有多项核心技术都申请了国家典型课题和基金，比如说国家863计划、国家科技基金，这些都是基于中文自然元素检测。 近期我们发表的学术论文（见图），申请的发明专利有20多项。在本次大会论文里收录了两次论文。方正网络舆情分析领域20个案例，这是我们的成功案例列表（见图）。 (2008-11-28 16:30:28.0)

[北大方正]： 最后是两个典型应用，成功应用于某省新闻办，效果是敏锐把握网络舆情，辅助政府危机攻关。二是我们的系统也可以应用于某省教育厅高校信息管理平台，可以达到有效管理校园网站，为主管部门提供监督手段和技术，是校内网站分析和互联网网站分析的综合，发现信息、统计舆情信息。当然我们在其他领域也有典型应用，包括新闻出版、企业集团。 方正智思系统提供网络舆情应对处理的整体解决方案。二是我们具有国家级舆情项目经验，包括需求分析和二次开发能力、软件集成和系统集成能力。三是方正智思具有国内国际前沿水平的自然语言理解处理引擎，完全自主创新，具有自主知识产权。谢谢大家，我的演讲就到这里。我们今天也准备了人员给大家做演示和介绍，我们的展位就在门外，欢迎大家到方正进行指导，谢谢大家。 (2008-11-28 16:30:37.0)