核心需求

对指定的新闻文章的内容进行智能判断，提取出文章描述关键字和态度。新闻文章来源爬虫爬取的各新闻网站、微信公众号的。关键字是某单位主体的名称、简称，高校居多。如北京大学、北大，清华大学、清华。

文章的态度即是文本的情感态度，分为以下三种情况：

正面：文章对单位主体的认可赞美的。

中立：文章对单位主体进行客观真实的介绍，不包含个人立场。

负面：文章对单位主体不认可，进行批评指责甚至是恶意抹黑。

判断标准要能接近人工识别的标准，至少是让人看上去是相关的。

主要问题

在关键字提取时，像这些都是正文含有北京大学，情绪偏负面的。但是主体内容和北京大学无关的内容，是不需要的。要想办法过滤掉。这样用户一眼看过去相关度就高了。也就容易接受使用了。解决舆情系统误报问题，最终让舆情系统的检测更准确。

正文里面含有北京大学，但是整体文章和“北京大学”无关。造成误报。根本需求就是提高相关性，降低误报。

根据识别是否正确，分为正样本（可以正确判断的样本）和负样本（会识别错误的样本）。

第三类，含有“北京大学”，内容也匹配。但是情感分析不准确。

对于已标记的数据，我们目前的训练结果准确度能达到90%多，但是对于未标记的数据，还是会有误判的情况。希望合作方能给出更好的解决方案。

最终输出：
合作者最好有过舆情开发经验，能提供以前的项目进行对比查看。如果是全新开发需能提供初步测试的demo进行在线测试。确定可行，提供整体的解决方案，架构设计，程序源码。