北京思尚合力科技有限公司依托NLP自然语言处理技术、机器学习技术和爬虫引擎收集的海量数据基础、通过对新闻网站、门户网站、大型社区论坛、微博、微信公众号、新闻APP客户端、境外网站、境外推特等海量非结构化文本数据综合挖掘，为媒体机构提供全网热点资讯数据、专题事件全网演化传播分析数据、新闻稿件传播影响力评估数据、读者用户画像分析数据，协助媒体机构发掘网络舆论关注热点、发现稿件的传播转载规律、追踪专题事件演化路径、评估新闻机构网络影响力、进一步刻画读者画像，提供可量化、有依据的辅助决策分析数据。
我们利用文章的阅读数、点赞数、评论数、转载数与搜索次数等数据，结合热点算法模型，分析发现新闻社会热点、新型媒体热点、地区热点、特殊群体关注热点和热点词云，同时依据热点出现的来源权威性、传播力、影响力等因素综合考量为每个热点设定热度指数，帮助记者、编辑快速掌握网络热点。
自媒体与新媒体普及以来，使新媒体的传播途径多样化，传播内容多元化。新闻稿件随着新媒体的发展彻底颠覆了传统的传播模式，其传播途径与传播方式均在适应新媒体传播方式的发展。
自媒体与新媒体普及以来，使新媒体的传播途径多样化，传播内容多元化。新闻稿件随着新媒体的发展彻底颠覆了传统的传播模式，其传播途径与传播方式均在适应新媒体传播方式的发展。
通过追踪专题事件中涉及的客体、主体、稿件数量、舆论强烈程度、发酵时间等信息,从事件的源渠道、传播路线图、传统媒体报道情况和社交媒体影响力、关注人群画像等方面,勾画出整个事件的发展趋势、传播路径、影响力、发展态势等数据，对事件的进一步追踪和决策提供数据支撑。
从稿件的被转载广度、深度、速度三个维度，设计出转载渠道数、转载渠道权重、转载量、转载深度、转载时间、阅读数、点赞数、评论数等多个维度对稿件的传播力和影响力进行评估，为稿件赋予合理的传播力、影响力指数值。帮助新闻机构采用新媒体时代的考评机制对稿件质量进行合理评估和考核。
通过对社交媒体用户数据、搜索引擎搜索行为数据、评论数据和媒体机构自身用户数据的分析，从用户地域、年龄段、性别、兴趣、爱好等维度客户读者画像，帮助媒体机构掌握读者社会属性，依据不同读者喜好和使用场景，为读者精准制作高质量内容、运营打造个性化推送资讯或者推出新的增值业务。
2018© 北京思尚合力科技有限公司
