方法说明

数据来源

• 新闻：GDELT Project。一个开放数据库，每 15 分钟对全球网络媒体进行一次索引。我们接入两路数据：英文文章和翻译文章（约 65 种语言，由 GDELT 机器翻译），每天约 30 万篇。
• Telegram。按话题分类的公开频道，分阶段接入，首先接入俄语频道。
• 我们保存每篇文章的标题、链接、媒体、语言、日期和标注信息。我们不保存也不转载文章正文，只链接到原文。

更新频率

新文章发布后 15–20 分钟进入数据库。话题页和趋势页每几分钟重新计算一次，话题目录每小时更新一次。话题页展示最近 30 天的数据。

统计方法

• 每 10,000 篇文章中的提及量。每天的文章总量不同，因此我们以占比展示变化：当天每 10,000 篇文章中有多少篇与该话题相关。这样就不会把整体报道量的增长误认为话题本身的升温。
• 基调。GDELT 基于情感词典给出的评分，范围从 −10（非常负面）到 +10。新闻整体略偏负面属于正常；本站将低于 −1.5 标为“负面”，高于 +1 标为“正面”。
• 人物与机构。从文本中自动提取。当一周内至少有 25 家不同媒体报道某个人物或机构时，才会为其生成页面，以过滤偶然提及和把同一条新闻重复发布数百次的网站。
• 今日趋势。将过去 24 小时与前一周的日均值进行比较。只统计单日至少有 80 篇文章、25 家媒体报道的话题。
• 话题搜索。由语言模型理解任何语言的查询：纠正拼写错误，匹配已有的话题、人物或机构；对于新话题，则在主要语言中挑选用于匹配标题的关键词。如果找到的文章太少，关键词范围会自动扩大。

争议报道

针对每则报道，我们提炼出一个可核查的说法（如“制裁没有效果”），并标注每个来源的立场：支持、反对、中立报道或观点混合。标注由语言模型根据标题和导语完成，并抽样进行人工核查。卡片上的条形图显示持各立场的来源占比。我们不评判谁对谁错，只展示报道如何出现分歧，并附上来源链接，方便读者自行核实。

局限性

• GDELT 无法覆盖所有媒体：地方媒体和付费媒体的覆盖不如大型媒体。
• 机器翻译和自动人名提取会出错，尤其是在小语种和同名人物上。
• 基于词典的基调评分无法理解反讽和语境。
• 标有“演示数据”的模块用于展示功能效果，其中的数字仅作示意。

发现错误或想推荐话题？请联系我们。