城市舆情监测分析系统 (City Public Opinion Monitor)

技能概述

城市舆情监测分析系统是一套面向城市管理部门、政府机构及公共事务研究者的智能舆情分析工具。系统通过对新闻媒体、社交媒体、网络论坛、政府公告等多源数据的自动化采集与分析，实现从舆情发现到决策支持的完整闭环。

适用场景：城市管理舆情监测、突发事件舆论追踪、政策发布民意反馈、重大活动舆情保障、行业舆情趋势研判。

触发词

当用户输入包含以下关键词或场景描述时，应激活本技能：

• 中文触发词：舆情监测 舆情分析 舆情报告 舆情预警 城市舆情 舆论分析 热点追踪 舆情研判 民意分析 舆论监测 舆情洞察 舆情态势
• 英文触发词：public opinion sentiment monitoring opinion analysis opinion mining public sentiment
• 场景描述：帮我监测一下...的舆论情况 分析...的网络舆情 生成一份舆情报告 最近...的舆论风向怎么样 预警...的舆情风险

不触发条件

以下场景不触发本技能（即使包含关键词）：

• 个人品牌/艺人舆情监控（属娱乐营销领域）
• 竞品负面挖掘（属商业情报领域）
• 要求删帖/控评操作（违反合规要求）
• 纯技术性的NLP模型训练需求

六步工作流程

第一步：数据采集 (Data Collection)

目标：从多源渠道全面采集目标主题相关的舆情数据。

采集渠道：

采集参数：

• 时间范围（默认近7天）
• 关键词组合（支持AND/OR/NOT逻辑）
• 地域筛选（省/市/区县级）
• 数据量上限（默认5000条）

第二步：情感分析 (Sentiment Analysis)

目标：对采集到的文本进行情感倾向判定，识别公众情绪分布。

情感分类体系：

• 正面 (Positive)：支持、赞扬、期待、满意
• 中性 (Neutral)：客观陈述、事实播报、提问
• 负面 (Negative)：批评、不满、担忧、愤怒
• 敏感 (Sensitive)：涉及谣言、煽动、极端言论

可审计性要求：

• 每条情感标签必须附带判定依据（关键词匹配或模型输出的置信度分数）
• 支持人工抽检复验，情感标签与原文可追溯对照

第三步：主题聚类 (Topic Clustering)

目标：从海量文本中自动提取讨论热点和子议题。

聚类方法：

1. 关键词提取（TF-IDF + TextRank）
2. LDA主题模型
3. 共现网络分析
4. 时间序列聚类（发现议题演化阶段）

输出：

• 主题词云（Top 20关键词）
• 议题分布饼图
• 议题热度时间线

第四步：风险识别 (Risk Identification)

目标：基于多维度指标量化评估舆情风险等级。

5级风险等级体系：

风险评分维度（权重可配）：

• 传播热度指数（25%）：发文量、阅读量、转发量
• 负面情绪占比（30%）：负面+敏感内容比例
• 传播加速度（20%）：单位时间增量变化率
• 意见领袖参与度（15%）：大V/权威账号参与情况
• 跨平台扩散度（10%）：是否跨平台传播

第五步：趋势预测 (Trend Prediction)

目标：基于历史数据和当前态势，预测舆情未来走势。

预测维度：

• 热度趋势（上升/平稳/下降/反复）
• 情感演化（情绪极化/缓解/反转）
• 议题分化（话题裂变/合并/消退）
• 关键时间节点（预测可能的爆发点）

方法论：

• 基于SIR传播模型的热度预测
• 基于情感曲线的情感演变分析
• 结合外部事件日历的触发预测

第六步：报告生成 (Report Generation)

目标：生成结构化的舆情监测报告。

报告类型：

• 日报：概要式，关键指标+异常预警
• 周报：趋势分析+热点盘点
• 专报：特定事件深度分析
• 月报/季报：宏观态势+决策建议

报告核心要素（必须包含）：

• 监测概览（时间、范围、数据量）
• 情感分析结果（分布及变化）
• 热点话题TOP10
• 风险等级评估
• 趋势预测与建议
• 数据来源列表及引用标注

约束规则 (MUST FOLLOW)

1. 来源引用：报告中所有数据和分析结论必须标明数据来源，不可引用来源的推测性内容需标注"分析研判"
2. 情感标注可审计：每条情感标签必须可追溯到原始文本，支持抽查验证
3. 风险量化：风险等级必须基于5级量化体系判定，不可仅凭主观判断
4. 时效标注：所有数据必须标注采集时间，报告需注明生成时间戳
5. 免责声明：报告生成后自动附带"本报告由AI辅助生成，仅供参考"声明

错误处理与边界情况

• 空数据（0条舆情）：报告输出"监测周期内未捕获到相关舆情数据"，不强制生成分析章节
• 单条数据（1条）：跳过情感分布统计和趋势预测章节，仅做单条内容摘要
• 数据格式错误：scripts/opinion-analyzer.py 自动检测并报告格式问题，提示修正后重新运行
• API调用失败：指数退避重试（最多3次，间隔5s/10s/20s），3次失败后使用缓存数据并标注
• 全正面/全负面数据：报告中注明"样本极性单一，统计指标参考价值有限"

可扩展性与配置化

• 情感分析引擎支持可插拔策略：默认使用词典匹配（assets/config.json 中 sentiment.method: "lexicon"），可切换为 "ml" 或 "llm" 模式
• 数据采集器通过统一接口管理：scripts/collectors/ 目录实现 CollectorInterface 三个方法（search/parse/normalize），新增数据源只需实现该接口
• 告警规则可自定义：由 config.json 的 alerts.rules 数组驱动，支持自定义阈值和告警渠道

输出交付物

执行完成后，用户获得：

1. 结构化舆情监测报告（Markdown/HTML格式）
2. 情感分析数据明细（CSV格式，含原文-标签对照）
3. 风险预警简报（如有异常）
4. 数据来源清单

测试

• 运行验证：bash scripts/validate.sh sample-output.md 确保10项检查通过
• 数据测试：使用 references/examples/sample-input.md 中的20条数据作为测试fixture
• 回归测试：修改 scripts/opinion-analyzer.py 后运行 python scripts/opinion-analyzer.py references/examples/sample-input.md --validate 验证分析精度
• 测试套件：完整 pytest 测试套件位于 scripts/tests/（含单元测试和集成测试）

版本信息

• 版本：v1.0.0
• 作者：AI Agent Skill Team
• 最后更新：2026-05-27
• 适用平台：WorkBuddy AI Agent