* 舆情的覆盖度如何保证？ 集合了市面上的各大新闻搜索引擎的结果，对一些重点新闻、财经、论坛网站进行定向 监控，同时包含微博、微信、各大论坛数据。 * 舆情的更新频率？ 每日四次高频扫描； * 舆情摘要的生成逻辑？ 利用 TextRank 算法生成若干权重较高的句子拼接而成。 * 分类标签的逻辑？ 首先有机器学习模型进行大的分类。（这一步目前还没有，如果问起来可以说，目前的算 法模型是 SVM，大类是指，体育类、娱乐类、财经类、新闻类、垃圾信息等，财经和新闻 是我们关注的） 然后利用多模式匹配算法结合关键词模型，对文本进行分类 * 情感标签的逻辑？ 结合多个机器学习模型进行投票，产生最后的情感倾向性结果。（目前的算法模型有 SVM 和随机森林，没问的话先不用说） * 舆情监控优势？ 主要从以下几点出发： * 覆盖范围广，包括微信、微博、论坛； * 服务器多，高频次网页监控，每日 4 次； * 自动摘要，基于 TextRank 算法，有内部参数调优； * 情感准确，内部包含多个机器学习模型，按权重进行结果聚合，最后产生结果； * 分类准确，首先基于机器学习模型进行一次分类，然后利用多模式匹配算法结合；关键词模型，对文本进行分类；分类类别可定制。