网络舆情课件 第10章 人工智能与网络舆情

第10章人工智能与网络舆情目录10.1人工智能概述10.2人工智能与网络舆情监测10.3人工智能与网络舆情研判10.4人工智能与网络舆情引导学习目标1了解人工智能的定义2理解人工智能在网络舆情监测中的流程创新和局限性3理解人工智能在网络舆情研判中的工作目标、流程创新和局限性4掌握人工智能在网络舆情引导中的工作模式和局限性2025年全国两会期间，光明网积极运用生成式人工智能技术，深度赋能新闻生产流程。推出视频报道《AI数说中国答卷|从政府工作报告看中国经济社会发展新图景》，运用人工智能生成内容（ArtificialIntelligenceGeneratedContent，AIGC）技术，将政府工作报告文件转化为结构化内容，快速生成文字稿件与视频脚本，并精准提炼政府工作报告中的数据，生成交互式可视化内容，将传统流程需数小时的内容生产压缩至分钟级，为两会报道提质增速。2024年，澎湃新闻全面升级澎湃智媒开放平台“派生万物”，利用前沿的人工智能技术提供全媒体内容生产辅助方案，功能涵盖线索征集、稿件编写、插入图片、专题生成、风险筛查等全流程。截至2025年2月，澎湃新闻采编团队已累计生成15.2万张AI作画图、1.4万个AI视频。思考：上述案例主要体现了人工智能在网络舆情中的哪些应用？这些应用体现了人工智能的哪些优势？课前导入10.1人工智能概述10.1.1人工智能的定义人工智能是研究各种人类智能活动的规律而创造出一种智能机器，使机器能够胜任一些通常需要人类智能才能完成的复杂工作的人工系统。达特茅斯会议原址大楼机器学习、深度学习、专家系统、模式识别、人工神经网络等人工智能技术在网络舆情监测、网络舆情研判、网络舆情引导等领域有着较大的应用价值，为网络舆情监测、研判、引导的流程带来了创新。10.1.2人工智能在网络舆情中的应用10.2人工智能与网络舆情监测技术流的智能交互应用多视角监测全网舆情信息多维标签实现数据精细化抓取一键式舆情报告智能呈现基于人工智能技术的互联网舆情监测系统拥有丰富的智能交互接口，用户的反馈信息可以对底层计算模型进行自动优化。通过对人、事、媒体等多源舆情信息的挖掘，实现对全网信息全面覆盖式的实时监测，对舆情信息进行多角度的分类展示。基于人工智能技术的互联网舆情监测系统可以对监测信息按照情感、地域、行业等进行分类设置，实现舆情信息的标签化分类。基于人工智能技术的互联网舆情监测系统可以将海量舆情信息通过一键式报告呈现。10.2.1人工智能在网络舆情监测中的流程创新人机不协调问题亟待解决舆情话语体系更迭速度快，舆情预警能力不强用户的隐私泄露问题和数据垄断问题10.2.2人工智能在网络舆情监测中的局限性10.2.2人工智能在网络舆情监测中的局限性人机不协调问题亟待解决由于目前各单位的网络舆情人才的技术应用水平不一致，尚未形成成熟、统一的机器与人工的协同智能分工模式，导致在网络舆情监测过程中机器对人工的辅助不够。目前的人工智能技术在网络舆情监测体系中对网络舆情的热点分析、预测走势、效果评判等方面的应用还稍显粗浅、机械，而在需要人工进行的高级维度分析、提出具体的应对措施和解决策略等层面，机器的应用又显得粗糙，产品功能同质化严重。10.2.2人工智能在网络舆情监测中的局限性舆情话语体系更迭速度快，舆情预警能力不强分析我国近年来发生的热点舆情事件可以发现，在各类社交媒体平台上，公众的话语体系经常出现更新，表现出舆论发布主体多样、舆论传播渠道多元、舆论发展趋势不确定性强、舆论意见表达新颖等特征。这些特征的具体表现方式千变万化，反映的社会心态难以把握，导致网络舆情热点事件话语体系的不可控性大大增强，为机器及时识别、发现舆情信息带来了巨大挑战。舆情话语体系的更迭和不可控性增加了网络舆情监测工作的难度，对基于人工智能的网络舆情监测系统而言，对舆情信息进行发现和跟踪分析的技术会出现灵敏度降低的问题，这会导致发现舆情的速度变慢，舆情预警效能和分析研判的准确性也会随之大大降低。10.2.2人工智能在网络舆情监测中的局限性用户的隐私泄露问题和数据垄断问题因为系统漏洞或防护能力不强等情况，一些知名互联网公司都发生过黑客入侵事件，造成大量用户隐私数据泄露的事故。10%的权限数据收集者可获取99%的权限数据。10.3人工智能与网络舆情研判人工智能精准研判定量研判智能研判10.3.1人工智能在网络舆情研判中的工作目标10.3.1人工智能在网络舆情研判中的工作目标定量研判在全面的网络舆情数据之上，通过网络舆情研判可以对网络舆情的传播态势进行定量分析，将浏览量、发帖量、转发量、点赞量等传播数据代入算法模型，计算出传播态势的各项指标，识别网络舆情演绎过程的规律，使网络舆情研判更加有说服力。10.3.1人工智能在网络舆情研判中的工作目标智能研判通过互联网和计算机软件技术平台，对网络舆情进行多重模拟，对网络舆情风险进行预测、预警和分析，以便为突发网络舆情事件提供具有针对性的处理对策。由于网络舆情的发展趋势具有动态变化的特征，智能化的网络预警研判需要根据网络舆情事件的特点进行调整，不断根据实时的网络舆情反馈情况动态地做出研判，以确保网络舆情研判工作的智能、高效进行。10.3.1人工智能在网络舆情研判中的工作目标精准研判人工智能网络舆情研判工作除了要充分利用大数据和人工智能技术，实现定量研判和智能研判，还应当应用社会学、政治学、传播学、管理学等学科的理论、原则、规律和方法，实现对网络舆情事件的精准研判。要实现精准研判，必须秉持人机结合的原则，让一定的专家参与智能研判系统，为网络舆情治理提供科学的策略，确保网络舆情研判的精准性。10.3.2人工智能在网络舆情研判中的流程创新10.3.2人工智能在网络舆情研判中的流程创新数据处理环节：数据分类和理解热点发现环节：建模和预警对策分析环节：专家分析与人工智能的协同在数据处理环节，要对舆情监测提取到的海量数据进行量化建模，并依据语料库为这些数据提供合适的标签，以方便后续的分类和调用。之后，需要通过机器学习，对数据进行语义理解和情感理解，将数据进行划分。人工智能需要依靠过往发生的足够多的舆情案例进行机器学习，构建训练集，通过建模概率预测舆情的走向，将有可能产生负面影响的舆情在萌芽期识别出来，并进行舆情预警。在人工智能网络舆情研判中，对网络舆情的梳理、预测等内容可以由机器提供，但有效的对策分析尚需要专家与机器的人机协同。跨学科的方法融合困境舆情预测干涉问题技术应用的资金保障力度不够10.3.3人工智能在网络舆情研判中的局限性10.3.3人工智能在网络舆情研判中的局限性跨学科的方法融合困境人工智能网络舆情研判在实际应用中需要计算机技术、新闻学、管理学、情报学等多个学科的方法融合，面临着人才缺乏、学科融合不足、理论技术不够完善等困境。利用人工智能技术进行网络舆情研判，需要研究人员除了具备良好的专业技术素养，还要具备丰富的网络新闻传播知识。人工智能网络舆情研判的技术理论体系也需要完善，需要有机融合人工智能技术和物联网、云计算、传统舆情研判等技术，推动传统的网络舆情研判适应人工智能。10.3.3人工智能在网络舆情研判中的局限性技术应用的资金保障力度不够人工智能网络舆情研判需要及时有效的信息收集、处理、分析、反馈和决策，需要雄厚的资金保障和强有力的技术系统支撑。越先进的人工智能舆情研判系统所需要的研发成本越高，对人才的要求也越高。在实际工作中，部分政府部门、官方机构和企业不具备与所需的人工智能网络舆情研判体系相匹配的资金和专业人才力量，在网络舆情事件发生后，难以及时有效地收集深层次、高质量的网络舆情信息，经常导致网络舆情危机事件的处置工作陷入被动局面。10.3.3人工智能在网络舆情研判中的局限性舆情预测干涉问题“测不准原理”（在量子世界中，测量粒子位置，必然会影响粒子的速度），揭示了在量子尺度的微距世界中的“测量即干涉”现象。这一“测量即干涉”现象也出现在人工智能分析中。虽然人工智能可以最大限度地、客观地统计和分析大量的网络舆情数据，但由于所收集的数据中存在“噪声”，它也不是完全可靠的。如果过分依赖人工智能做出决策，忽视网络舆情研究专家理性分析的作用，将无法获得准确的网络舆情信息，难以做出符合现时代环境的网络舆情治理决策。10.4人工智能与网络舆情引导网络舆情引导内容生成环节网络舆情引导内容呈现环节网络舆情引导智能分发环节写稿机器人采用机器学习方法进行自动化新闻写作，快速地在微信、微博等多平台发布舆情引导内容。人工智能技术与VR、AR、可穿戴设备等结合，模拟虚拟环境，为用户提供视觉、听觉、触觉等三维式的感官体验，使舆情引导内容的呈现方式从“平面化”转向“立体化”。“推荐算法”式的信息分发模式极大地提升了新闻的分发效率，当用户关注某一舆情事件时可以为其推送相关舆情引导内容，实现舆情引导目标。10.4.1人工智能在网络舆情引导中的工作模式10.4.1人工智能在网络舆情引导中的工作模式案例：写稿机器人的应用写稿机器人是自动化新闻的一种拟人化称谓，他是指运用算法对输入或收集的数据进行加工处理，在极短的实践内自动生成新闻稿件的人工智能程序，其最大的特征是能够实现新闻生产的自动化。早在2006年，信息供应商汤姆森金融公司就开始运用电脑程序自动撰写经济和金融方面的新闻。2009年，在美国的职业棒球大联盟季后赛上，美国西北大学开发的“StatsMonkey”软件，在12秒内完成了赛事报道。在国内，腾讯的“Dreamwriter”、新华社的“快笔小新”、今日头条的“xiaomingbot”都是写稿机器人的代表。10.4.2人工智能在网络舆情引导中的局限性复杂的信息管理难题虚假新闻和议程偏离问题信息茧房问题23110.4.2人工智能在网络舆情引导中的局限性虚假新闻和议程偏离问题由于存在缺乏有效监管和技术不完善等问题，写稿机器人可能生成一些虚假、不实的新闻报道，或者被利用产生“机器人水军”，在网络上营造虚假舆论。写稿机器人的技术逻辑是从海量资讯中筛选出热点话题，然后根据后台算法和用户兴趣快速生成新闻报道，使用写稿机器人进行内容生成意味着将一部分议程设置的权利过渡给机器与用户，导致新闻报道出现“议程偏离”问题。10.4.2人工智能在网络舆情引导中的局限性信息茧房问题人工智能算法推荐技术在新闻分发环节很容易自动过滤掉网民不感兴趣、不熟悉的信息内容，加剧了“信息茧房”效应。互联网用户长期处于“信息茧房”中，将很容易受片面信息的影响，对世界或某一事物的认识形成刻板印象，如果这些认知偏狭且持相同意见的人聚集起来，就会与其他群体产生沟通障碍，引发群体极化现象。10.4.2人工智能在网络舆情引导中的局限性复杂的信息管理难题首先，写稿机器人蕴含的虚假信息、“机器人水军”风险和算法推荐技术的滥用带来的信息茧房等问题，可能会造成错误的舆论导向和新闻价值观的泛滥，冲击网络舆情信息生态。其次，在人工智能环境下的内容生成环节中，存在大量的内容“搬运”“洗稿”现象，带来原创优质内容减少、内容质量良莠不齐和侵权等问题，冲击网络舆情引导的生态环境。最后，在网络舆情引导工作中，一些企业和部门缺乏数据共享理念，导致有些公共数据存在数据分散、数据质量评价无统一标准、数据使用率低等问题，无法达到信息的互联互通、整合利用，进而削弱数据为网络舆情引导提供决策参考的作用。10.5生成式人工智能与网络舆情10.5.1生成式人工智能对网络舆情管理的积极作用1.