舆情监测并不是一个新领域。 经过多年的发展，已成为商业红海，众多企业竞争激烈。 然而，业务的成熟并不意味着技术和应用的成熟，舆情监测分析的做法仍然不符合初衷。

舆情监测是指互联网信息采集技术与信息智能处理技术的融合，通过海量互联网信息自动抓取、自动分类聚类、话题检测、话题聚焦，实现网络舆情监测等用户信息需求。以及新闻话题跟踪，形成简报、报告、图表等分析结果，为客户全面掌握群众思想动态，做出正确舆论引导，提供分析依据。 从定义上看，舆情分析的主要目的是通过对互联网信息的收集和分析，获得舆情的宏观图景。 互联网信息丰富，包括文字、图片、音频、视频等； Web2.0提供的交互功能使得每天都会产生大量的数据。 对这些海量数据的捕捉和分析，从商业角度自然就属于大数据的范畴。

一般认为，大数据是全量数据，没有抽样，是对实际情况的综合观察和记录。 但事与愿违，当前舆情监测普遍存在“反大数据”的情况，集中体现在“两个代表”的表现上。

所谓“两个代表”，就是网民代表非网民，网民中发言的代表不发言的。 如果这两点不能明确，单纯从大数据角度看监测结果就会产生误导。 首先，虽然互联网和移动互联网用户数量大幅增长，但网民并不能代表全民。 据CNNIC第36次《中国互联网络发展状况统计报告》显示，截至2015年6月，中国网民规模达6.68亿，半年新增网民1894万。 互联网普及率为48.8%，其中手机网民规模5.94亿，较2014年底增加3679万人，增长0.9个百分点。 使用手机上网的网民比例由2014年底的85.8%上升至88.9%。 可见，中国的互联网用户数量仅占总人口的一半左右。

单纯把这些网友的意见当作打着“大数据”幌子的全民意见是没有道理的。 更为严重的是，网民中的活跃用户比例更低，某一方面或特定话题的关注者数量更加有限。 发言的用户很少，并不能代表所有网友。 怎么能代表全民呢？ 对于整个网络来说，通常是那些受到影响的人更愿意发表评论，这可能会导致网络上的整体负面评论。 因此，虽然看起来是大数据，但并不能直接运用大数据的完整理念来定性监测结论，监测结果的准确性和代表性都存在明显缺陷。 因此，笔者认为，上述数据分析结果如果不能在显着位置严格说明样本人群范围，而是包含“大数据”等宣传用语，很容易误导受众。

除了“两个代表”的缺陷之外，笔者认为舆情监测还有两个重要的影响因素需要指出：

首先是舆论引导、删帖等网络监管行为对舆情分析结果的影响，以及雇佣“水军”等出于商业目的的舆论干扰。 一般很难评估上述行为产生/减少的文本量在整个分析样本中所占的比例，尤其是当评论总数本身不是很大时，其造成的干扰是一个不可忽略的影响因素，需要仔细考虑。

其次，情感分析和文本挖掘的准确性问题。 由于网络舆情趋于口语化，句子结构不完整，受上下文影响较大，而汉语表达情感的方式多种多样，标点符号的变化会扭转情感倾向。 因此，系统分析的一些结论还必须考虑准确性问题。 大数据不关心精度，但并不意味着不关心误差范围。

舆情监测系统作为大数据商业化的经典代表，被各企事业单位广泛应用，是了解网络表象不可或缺的帮助。 笔者认为，一方面需要不断升级和维护系统的性能； 另一方面，我们必须重视上述的系统缺陷和影响因素，不能因其“大数据”的出现而不加思考地直接采用。

关于作者

全向荣：

TAG标签：