從情緒分析走向敘事與立場判讀
本系統結合合理的工程實現與多種 AI 模型的綜合調用，旨在將文本分析從傳統的情緒分析，升級為敘事框架的採納檢測與多維度的立場檢測。
YouTube 留言追蹤 · 7/1-7/23
01 · 概要
輿情分析系統技術演示
以0725反毒台集會的會前輿情為例
本頁整理 7/1–7/23 與毒油事件相關的影片留言資料：以 68 個搜尋頻道為範圍，自 3,055 支相關影片中篩選出 1,221 支高互動影片， 分析其下方 94,902 則 YouTube 留言與 38,234 個留言帳號，並將討論整理為 6 個面向、25 項議題。
本網站之「03 議題提及趨勢」與「04 各議題正反結構」，為本系統於 7/24 完成運行後的視覺化呈現；「02 主要輿情波次」則是在系統運行結果基礎上，由人工與 AI 協作完成的質性分析示範，於 7/26 完成，未參考 7/24 及其後的事件發展。
本系統由香港大學經濟學應屆碩士畢業生主導開發，並由其完成本網站建置及本報告撰寫。
聯絡方式：Line ID: stardard161803。
34,382行有效程式碼
11個 AI 模型含自研 AI 模型 1 個
6面向
25議題
38,234留言帳號
94,902YouTube 留言
68搜尋頻道
1,221高互動影片篩選自 3,055 支相關影片
產品定位
一位能結構化大量 YouTube 評論的輿情副官
（計劃添加）
開發議題自動發現模塊，加快系統響應速度
短期的主要開發方向暫定為透過議題自動發現，提高系統響應速度與分類準確度；透過更快的響應速度為選戰團隊和黨部提供更快且更精準的輿情概況。
（計劃添加）
構建配套資料庫與查找服務
短期的次要開發方向是為系統提供配套的資料庫和查找服務，為選戰團隊和黨部提供可快速查找、可查看文本原文和脈絡分析的資料入口，讓團隊更快找到值得深入判讀的訊號，加速研判與決策。
可能的使用方法
以兩個核心模組支援輿情研判與公開發言追蹤
本報告呈現的是第一個模組的成果；
第二個模組若略加開發，即可將YouTube影片中的影音片段按照説話人整理為可持續累積、回查與監測的資料庫。
把留言轉成議題、敘事與立場資料
多階段語義判讀流程先結合影片脈絡，辨識留言談到什麼、採納什麼敘事，以及支持或反對何種觀點；再以較低成本的分類模型擴充到完整資料。網站的 02、03、04 即為這個模組的展示結果。
追蹤重要人物在影片中的公開發言
處理影片音頻，透過聲紋和人臉進行聚類，並結合配套的人臉與聲音人工標注資料，逐步累積可回查的公開發言紀錄。只要發言落在影片蒐集覆蓋範圍內，便能協助團隊監測政治對手說了什麼，以及其議題與前後脈絡。
歡迎感興趣的團隊或個人和我聯絡,並提出合作開發的意向或需求。Line ID: stardard161803
本報告可以怎麼看
從事件演變一路看到議題、立場與分析方法
- 「02 主要輿情波次」、「03 議題提及趨勢」、「04 各議題正反結構」為 7/25 反毒台集會會前輿情的分析報告。
- 「05 分析方法」為本報告的形成過程描述，其中包含本系統的內部實現說明，歡迎感興趣的朋友查閱。