舆情百科

“损失规避”（Loss Aversion），是行为经济学中的一个核心概念，由著名心理学家丹尼尔·卡尼曼和阿摩司·特沃斯基提出。它指的是，在面对同等数量的“收益”和“损失”时，人们对“损失”所带来的负面情绪（如痛苦、厌恶）的强度，远大于“收益”所带来的正面情绪（如快乐、满足）。

舆论中的归因偏差，是指在网络舆论场中，公众在解释和评判社会事件的原因时，普遍存在的一种系统性的、非理性的心理倾向。这种偏差表现为，人们倾向于将他人的行为更多地归因于其内在的、稳定的个人特质，而忽视或低估了外部的、情境性的因素的影响。

舆论中的泛道德化，是指在网络舆论场中，公众在讨论社会事件或公共议题时，倾向于过度使用道德标准进行评判，将复杂的法律、经济、技术或社会问题，简化为简单的“善/恶”、“对/错”、“好人/坏人”的二元对立，并以此为依据进行情绪化表达、站队和施加舆论压力的现象。

“后院篱笆原则”，源于美国著名新闻主持人丹·拉瑟对新闻价值的判断。那些最容易引发普通民众大规模关注、讨论并快速传播的舆情事件，往往具备与“后院篱笆边闲聊”内容相似的特性：具体、贴近、通俗、且与个体生活经验或普遍情感认知高度相关。

智能创建监测主题，是现代舆情监测系统,如鹰眼速读网中的一项智能化功能，旨在将舆情分析师从繁琐、重复的手动配置工作中解放出来，实现对新发事件的敏捷、精准布控。

舆情溯源，是指通过技术手段和分析方法，对某一舆情事件的信息传播链条进行追根溯源的调查过程。其核心目标是找出信息的原始发布者（即“零号病人”）、关键的传播节点以及清晰的扩散路径，从而为事件的性质判断、趋势研判和应对处置提供决策依据。

舆情监测之区域热点，是现代舆情监测系统的一项重要功能，有时也称作“地方热点榜单”。它旨在通过特定算法，自动识别并呈现那些在特定行政区域（如省、市、区县）内，引发了显著高于平均水平的关注和讨论，但尚未成为全国性焦点的舆情事件。

舆情监测系统中的AI日常监测功能，是一种基于用户职责范围的智能化、个性化信息推送服务。它旨在替代繁琐的手动关键词配置，根据用户所在的管理部门、行业领域及所辖地域，自动、精准地推送高度相关的舆情信息，从而实现日常监测的便捷、高效与全面。

舆情监测系统中的去重减噪功能，通过一系列算法和规则，对系统采集到的海量原始信息进行自动化清洗和筛选，剔除重复、冗余、及无实际分析价值的“噪音”数据，为使用者呈现一个更为纯净、聚焦的舆情信息环境。现代舆情监测系统如蚁坊软件的鹰眼速读网舆情系统，以内置该功能。

央地媒体报道统计，是舆情监测系统中一项对媒体来源进行分类统计的功能。它通过预设的媒体库，区分新闻报道的发布机构层级，分别统计某一特定事件或话题在规定时间内，被中央级媒体和地方级媒体报道的数量及占比。目前，市面上先进的蚁坊软件鹰眼速读网舆情系统都支持此类功能，能够帮助用户实现对报道的自动统计。