能了解你的状态、兴趣的社交网络关键词图谱，是如何生成的？舆情分析又是什么？看完这个视频，你对人工智能的了解就能轻松超过全世界 99% 的人类！
图文版本送给不方便打开视频的朋友 (●°u°●)」
风靡一时的微博关键词图谱，是如何生成的？
通过抓取用户发送过的微博内容，进行分词，再去除的、也、了等不携带主题信息的高频停止词后，统计其他词语的出现频率，就能得到每个人的微博关键词图谱。通过图谱，用户可以迅速了解自己的状态、兴趣，与他人的关键词相似程度等等。
由于文章通常会有多个主题，这种处理方法也常常被用来对文本的主题进行判断。与机器相比，人类岂不是更擅长这件事？互联网上的文本浩如烟海，这种方法能迅速分析文章的主题并为它们打上标签，可以用来推荐给可能会感兴趣的用户。
同理，通过分析用户的微博、电商评论等内容，商家能够了解商品情况和用户感受。或者干脆为用户打上标签，分析他们的购买意愿，实现个性化营销。
除了内容推荐和精准营销，这种方法也常常被用来分析人们对热点事件的看法，以及事件的过程变化。结合上一期我们提到的情感分析，还可以了解人们对事件的倾向性。
这些场景，其实都属于舆情分析（Public Opinion Analysis）。根据特定问题的需要，NLP 技术能够帮助生成对舆情的整理和深层理解，为人们的决策提供帮助。
视频及图文来自微信公众号：KnowingAI知智（Knowing_AI），作者：虞喵喵。