《AI 新媒体运营》教学案例 7.AI赋能新媒体舆情监控.docx

PAGE

PAGE1

AI赋能新媒体舆情监控

【案例简介】

在当今数字化时代，新媒体平台的迅猛发展使得信息传播速度极快且范围广泛，舆情的产生和演变呈现出复杂多变的特点。为了更好地应对新媒体舆情带来的挑战，利用人工智能技术进行舆情监控成为一种有效手段。本案例旨在通过介绍人工智能在监控新媒体舆情方面的应用，展示其在提升舆情监测效率、精准度以及引导舆论走向等方面的实践做法和成效，为职业院校学生提供一个生动的实践案例，帮助学生深入理解监控新媒体舆情的前沿技术和方法，培养其运用先进技术解决实际问题的能力，以适应未来职业发展的需求。

【案例背景】

随着互联网技术的不断发展，新媒体平台已成为人们获取信息和表达观点的重要渠道。然而，信息传播的便捷性也带来了舆情的复杂性和不确定性。一方面，舆论主体多元化，个人和非专业机构能够轻易地在公共议程设置中发声，导致公共议题与私人议题相互交织，信息真假难辨，给舆情监控带来了巨大挑战。另一方面，算法推荐技术虽然提高了信息分发效率，但也可能引发“信息茧房”现象，限制了多元观点的接触，进一步增加了舆论引导的难度。此外，跨媒介传播和全球舆论场的叠加，使得舆情事件的发展更加复杂多变，舆情的对抗性和冲突性在涉及国家利益、文化冲突和社会矛盾等问题时尤为明显。在这种背景下，传统的舆情监控手段已难以满足需求，急需借助先进的技术手段来提升监控效果。

图1丽江市文旅局大数据平台舆情监测

图片来源：丽江市文旅局

【案例做法】

1.利用自然语言处理技术进行舆情监测

自然语言处理（NLP）是人工智能在舆情监控中的重要应用之一。通过NLP技术，可以对海量的文本数据进行快速分析和处理，实现对舆情信息的自动提取和分类。例如，利用文本挖掘算法，可以从社交媒体、新闻网站等多元信息源中提取关键词、主题和情感倾向等信息，从而快速识别出重要议题和潜在危机。通过对历史数据和当前舆情的综合分析，还可以预测舆情的演变趋势，为舆情引导提供科学依据。

2.借助图像识别技术清理虚假信息

在新媒体时代，图像和视频等多媒体内容的传播速度极快，虚假信息和谣言也更容易通过这些形式传播。借助图像识别技术，媒体机构能够精确识别并清理虚假信息、低俗内容和谣言，降低其对主流价值观的冲击。例如，通过对比图像数据库中的真实图片，识别出经过篡改或合成的虚假图像，从而及时阻止其在社交媒体上的传播，营造清朗的网络舆论环境。

3.实现舆情的精准推送和个性化服务

生成式人工智能技术能够根据用户的兴趣、行为和偏好，实现舆情信息的精准推送和个性化服务。通过分析用户在新媒体平台上的浏览历史、点赞评论等行为数据，生成式人工智能可以为用户提供与其关注话题相关的舆情信息，增强用户与媒体之间的互动和黏性。这种精准推送不仅能够提高用户对舆情信息的关注度，还能帮助媒体更好地引导舆论走向，使主流价值观深入人心。

图2TOOM舆情监测系统

图片来源：TOOM舆情监测系统官网./

4.构建跨媒介舆情监控平台

跨媒介传播已成为舆情事件发展的常规路径，热点事件往往会在不同媒介之间迅速传播并形成多元化的观点碰撞。因此，构建跨媒介舆情监控平台至关重要。通过整合不同媒介的信息资源，实现信息在不同平台之间的实时共享和协同监控，能够更全面地把握舆情发展的过程，准确识别舆论场的迁移，及时捕捉境内外舆论关注的差异。例如，当某一热点事件在社交媒体上引发关注后，该平台可以迅速整合新闻网站、电视媒体等相关报道，形成一个完整的舆情信息库，为舆情分析和引导提供有力支持。

5.运用情感分析技术引导舆论走向

情感分析是人工智能在舆情监控中的另一项重要应用。通过对大量情感数据和语料库的深度学习，人工智能技术能够模拟出富有感染力的情感话语，帮助新闻媒体在报道宣传中巧妙运用共情策略，提升话语的感染力和引导力。例如，在面对突发事件时，媒体可以通过情感分析技术快速了解公众的情绪倾向，然后有针对性地发布回应信息，缓解公众的焦虑和恐慌情绪，引导舆论走向积极健康的方向。

【案例总结】

人工智能技术在监控新媒体舆情方面展现出了强大的优势和潜力。通过自然语言处理、图像识别、精准推送、跨媒介监控以及情感分析等技术手段，能够有效提升舆情监测的效率和精准度，及时发现和处理舆情危机，引导舆论走向积极健康的方向。然而，我们也应注意到，人工智能技术的应用并非万能，它也可能带来一些问题，如内容同质化倾向和路径依赖等，制约媒体的创新与发展。此外，在使用人工智能技术时，还面临着技术伦理和透明度的挑战，如何在利用AI技术的同时保持信息传播的真实性和公信力，是需要进一步探讨和解决的问题。

【案例思考】

1.人工智能技术在监控新媒体舆情方面有哪些具体应用？？

2.人工智能技术在舆情监控中可能带来哪些问题？

参考答案：

1.人工智能技术在监控新媒