常见问题
常见问题
1. 业务内容有哪些？
“知彼”目前对非登录用户只开放少量社群的每周话题分析，登录后可查看所有社群的话题分析。登录后用户还可在任务中心定制个性化任务，如特定社群关于特定议题的话题分析、情感/情绪分析、攻击/仇恨言论分析、命名实体识别 (Named-entity recognition)等多种NLP分析，以及社会网络分析。分析完毕后可在分析中心中查看并下载结果。
2. 如何注册“知彼”账号？
本站不提供账号注册功能，如需获取账号，请联系系统管理员，联系方式见“关于我们”页面。
3. 服务如何收费？
本站目前尚在测试之中，测试期间免费。
浏览社区
社区是一种内部比外部节点联系更紧密的结构，即每个用户都更倾向于关注社区内部的用户。“知彼”中每个社区的规模都在1万人以上，系统中展示的是其中排名前1000的意见领袖，用他们作为整个社区的代言人。
您可以在顶部的搜索栏中输入搜索关键词，若社群的名称、标签或表征关键词中包含搜索关键词，则会在搜索结果中列出。您还可以在侧边栏或首页的仪表盘中按照标签浏览社群，帮助找到您感兴趣的社群。
在话题分析表格中，话题用10个词或词组描述，频率是该话题在推文集合中出现的次数。您可以尝试Google某个话题的词或词组，大多数情况下能检索到关于该话题的详细报道。
“知彼”使用BERTopic作为话题分析工具，相较于许多舆情研究中采用的Latent Dirichlet allocation（LDA）模型有许多优势。LDA是一种基于普通机器学习的自然语言处理算法，采用词袋模型，即仅考虑词汇是否出现而不考虑出现的顺序。LDA通过对主题词的聚类分析，计算文档属于某个预设话题的概率。LDA适用于数据集较小并且上下文是特定领域的话题分类。而BERTopic基于深度学习，采用词嵌入，因此保留了词汇的上下文信息。BERTopic通过对空间距离相近词向量的聚类，生成由上下文紧密相关的主题词描述的多个话题，话题分析结果具有更细的粒度。在数据集较大，上下文不固定，一个文档对应多个话题时，BERTopic能取得比LDA更好的舆情分析效果。
“知彼”使用BERTopic作为话题分析工具，相较于许多舆情研究中采用的Latent Dirichlet allocation（LDA）模型有许多优势。LDA是一种基于普通机器学习的自然语言处理算法，采用词袋模型，即仅考虑词汇是否出现而不考虑出现的顺序。LDA通过对主题词的聚类分析，计算文档属于某个预设话题的概率。LDA适用于数据集较小并且上下文是特定领域的话题分类。而BERTopic基于深度学习，采用词嵌入，因此保留了词汇的上下文信息。BERTopic通过对空间距离相近词向量的聚类，生成由上下文紧密相关的主题词描述的多个话题，话题分析结果具有更细的粒度。在数据集较大，上下文不固定，一个文档对应多个话题时，BERTopic能取得比LDA更好的舆情分析效果。
您只需要告知我们您感兴趣的社群或议题，最好提供一些“种子”账号，我们可以通过种子账号找到您感兴趣的社群，包括与其相关联的其他社群。
您可以在获取社群数据后进行二次开发，例如获取社群内部的网络关系、互动关系，社群间的关系。您不仅可以对比不同社群对同一事件的认知差异，还可以追踪不同社群的表达强度和议题框架如何在时间上与例如政治人物谈话要点或新闻媒体报道的相互关系，这有助于进一步阐明信息在混合媒体系统中的流动方式。
分析中心
建设中
建设中
建设中
建设中
建设中
任务中心
建设中
建设中
建设中
建设中
建设中