企业官网建设流程全解析

简介：面向自然语言处理初学者与情感分析方向研究者的微博疫情情感分析实战资料包，项目聚焦NLP文本分类任务，将微博文档构建为图结构，借助图卷积网络学习文档嵌入并完成情感分类，适合希望掌握GCN在文本领域应用的学习者，也可作为课程设计与毕业设计的参考。压缩包共12个文件，包含5个Python源码（覆盖数据清洗、构图、模型训练与评估）、5个txt数据文件（原始/清洗后训练测试语料及中文停用词表）、1个pt预训练模型权重和1个Markdown说明文档，整体仅18.24MB，轻量易部署，解压后即可按说明运行。目前已有853人学习下载。资源提供从数据预处理、建图到训练测评的完整可运行方案，源码注释清晰，并配有对应博客讲解，能够帮助读者绕开环境与代码细节障碍，快速复现实验并迁移到其他文本分类场景，对刚接触图神经网络的新人非常友好。

1. 微博舆情不是文本分类，是图分类：先把这个认知改过来

把微博疫情语料丢给BERT或者TextCNN做情感分类，是大多数团队的第一反应。但我做过几轮对比后可以直说：这类任务的瓶颈不在语义编码，而在用户关系与话题扩散结构。某条微博是正面还是负面，往往取决于谁发的、转发的路径、话题下的互动网络——这正是图卷积神经网络（GCN）的主场。它把「用户-微博-话题」建模成一张异构图，在图上做邻居聚合，情感标签不再只看一条文本，而是看整张子图的结构上下文。适合正在做舆情系统、社交媒体NLP落地的工程师：你不需要改语义模型，需要换的是数据视角。本文不讲论文复现，讲怎么从零到一跑通这个方案，以及我在真实语料上踩过的坑。

2. 把微博疫情语料变成图：节点、边与特征工程

2.1 为什么是异构图而不是简单共现图

常见误用是拿微博文本做共现词图，把词当节点、共现当边，然后跑GCN。这在中小规模主题分析里能出结果，但疫情舆情的核心是传播与情绪共振：一个普通用户发的负面微博转发过万，比一百个普通用户各发一条负面微博更具情绪影响力。文本共现图丢失了用户属性和传播层级，所以必须构建异构信息网络。

我采用的节点体系包含三类：用户节点（U）、微博节点（M）、话题节点（T）。用户节点携带粉丝数、历史情感倾向、活跃度等属性；微博节点携带文本编码向量、发布时间、转发数、评论数、情感极性的初始标注；话题节点携带话题名、讨论量、讨论持续时间、涉及的地区或事件阶段。边的类型包括用户发布微博（U→M）、微博转发微博（M→M）、微博包含话题（M→T）、用户评论微博（U→M）。这样一张图同时保留了语义、用户影响力和传播链。

这里有个容易忽略的点：微博评论文本也可以作为独立的边属性参与聚合。很多做舆情分析的团队只抓转发关系，丢弃评论内容，导致模型的邻居信息只有转发链上的转发动机，忽略了评论区里的情绪对抗。如果在评论边上也挂上评论文本的编码向量，模型的语义上下文会丰厚不少。

2.2 从原始数据到图结构：完整转换脚本

我通常分四步走：清洗去重、抽取三元组、组装异构图、划分训练验证集。下面给一个可以直接改路径跑的脚本骨架，数据格式是每行一条 JSON，包含 uid、mid、text、parent_mid、topic、timestamp、followers、retweets、comments。

import json import networkx as nx from collections import defaultdict # 1. 读取原始微博 JSON 行 def load_weibo_data(path): rows = [] with open(path, 'r', encoding='utf-8') as f: for line in f: line = line.strip() if not line: continue try: rows.append(json.loads(line)) except json.JSONDecodeError: continue return rows # 2. 构建异构图的节点映射与边 def build_hetero_graph(rows): G = nx.DiGraph() uid_to_idx = {} mid_to_idx = {} topic_to_idx = {} idx_uid, idx_mid, idx_topic = 0, 0, 0 for r in rows: # 用户节点 if r['uid'] not in uid_to_idx: uid_to_idx[r['uid']] = idx_uid G.add_node(idx_uid, node_type='user', followers=r.get('followers', 0)) idx_uid += 1 # 微博节点 if r['mid'] not in mid_to_idx: mid_to_idx[r['mid']] = idx_mid G.add_node(idx_mid, node_type='weibo', text=r['text'], sentiment=r.get('sentiment', -1)) idx_mid += 1 # 话题节点（取自手动标注或关键词匹配） if r['topic'] not in topic_to_idx: topic_to_idx[r['topic']] = idx_topic G.add_node(idx_topic, node_type='topic') idx_topic += 1 u = uid_to_idx[r['uid']] m = mid_to_idx[r['mid']] t = topic_to_idx[r['topic']] # 发布边 G.add_edge(u, m, edge_type='post') # 话题边 G.add_edge(m, t, edge_type='mention') # 转发关系：如果存在父微博，加转发边 if r.get('parent_mid') in mid_to_idx: p = mid_to_idx[r['parent_mid']] G.add_edge(p, m, edge_type='retweet') return G, uid_to_idx, mid_to_idx, topic_to_idx rows = load_weibo_data('weibo_epidemic.jsonl') G, uid_map, mid_map, topic_map = build_hetero_graph(rows) print(f"节点数: {G.number_of_nodes()}, 边数: {G.number_of_edges()}")

这段脚本把三类节点和三类关系落成了一张有向图。注意sentiment字段是初始情感标注，后面做半监督训练用；followers会拼进用户节点特征作为影响力信号。参数上最值得调的是转发边的剪枝：如果某条微博被转发了上万次，邻接矩阵会非常膨胀，我在工程里通常保留最高转发的 100 个层级节点，把超长链截断，否则图卷积的邻域聚合会引入大量噪声节点。

2.3 节点特征：文本编码必须与图结构解耦

节点特征这块最容易犯的错是把 BERT 输出的[CLS]向量直接当微博节点初始特征。BERT 的[CLS]在分类任务上有效，但在图聚合场景里，它丢失了词级别的局部语义。我的做法是用 TF-IDF 或 Sentence-BERT 生成句向量，再和情感先验概率、发布时间衰减因子做拼接。用户节点的特征不只有粉丝数，还会把该用户历史微博的情感均值、发帖频率放进去——这会让孤立节点在图卷积中不至于因为邻居太少而特征坍缩。

具体参数口径如下（工程最稳的一组配置）：

需要特别说明，用户和话题节点的维度远低于微博节点，这不影响 GCN 前向传播，因为每一层会做线性变换统一维度。我见过有人把所有节点特征进行拼接对齐维度，这个操作没什么必要，反而增加参数量和过拟合风险。直接用dgl或pyg的Linear层各自升维即可，省事且效果不差。

3. 图卷积层选型与模型搭建：GraphSAGE 比 GCN 更稳

3.1 为什么不全盘照搬 GCN 原始定义

原始 GCN 的聚合方式是均值聚合，且依赖拉普拉斯归一化。在微博图上，这种对称归一化会稀释高转发节点的影响力——一个千万粉丝大V的节点在归一化后和普通用户节点的聚合权重相差无几，这显然不符合疫情情感传播的直觉。所以我在实战里首选的是 GraphSAGE 架构，它支持拼接自身特征与邻居聚合特征，也更方便做邻居采样（minibatch 训练在大图上必须采样）。另外，疫情话题的图是非同构的（用户度分布极不均），GCN 的全图训练在 10 万节点以上时显存会先撑不住。

GraphSAGE 另一个优势是 inductive 能力。它学习的是「聚合函数」而不是「节点嵌入查表」，所以当新微博进入图，只需要跑一遍聚合就能得到嵌入，不需要重新训练。这一点对舆情系统的在线增量非常关键——每天新增上千条微博，不可能每次都重训全图。

下面给出用dgl实现的两层 GraphSAGE 模型，这是我在类似规模图上的稳定版本：

import dgl import torch import torch.nn as nn import torch.nn.functional as F from dgl.nn import SAGEConv class WeiboSentimentSAGE(nn.Module): def __init__(self, in_feats, hidden_feats=256, num_classes=3, dropout=0.3): super(WeiboSentimentSAGE, self).__init__() self.conv1 = SAGEConv(in_feats, hidden_feats, agg_type='mean') self.conv2 = SAGEConv(hidden_feats, hidden_feats, agg_type='mean') self.conv3 = SAGEConv(hidden_feats, num_classes, agg_type='mean') self.dropout = nn.Dropout(dropout) def forward(self, g, features): h = self.conv1(g, features) h = F.relu(h) h = self.dropout(h) h = self.conv2(g, h) h = F.relu(h) h = self.dropout(h) h = self.conv3(g, h) return h

这段模型有三个关键设计。第一，三层卷积而不是经典的两层，是因为微博转发链的平均长度在 2.8 跳左右，两层感受野覆盖不完整，三层可以聚合到转发链的末端节点。第二，聚合方式用mean而不是pool，在情感分类任务上mean更稳定，pool在节点度差异极大的社交图上容易让高维特征过激。第三，每层后接 Dropout 设为 0.3，这个值在 5 万级边数时明显降低过拟合；如果训练集只有几千条标注，建议提到 0.5。训练时只用带情感标签的微博节点计算损失，用户和话题节点自动通过传递性获得监督信息，这就是半监督图学习的核心。

3.2 训练配置：优化器、损失函数与 epoch 收敛判断

损失函数我直接用交叉熵，不叠加图正则项。因为我们的图本身已经有话题和用户关系约束，额外的流形正则反而会把维度空间压变形。优化器选 Adam，学习率 3e-3，权重衰减 5e-4。这里有个经验值：图卷积网络的训练对学习率极度敏感，3e-3 在多数社交图上能稳定收敛；如果换成 1e-2，loss 大概率在前 20 个 epoch 内震荡，后期即使回到正常区间，模型的 F1 也会比低学习率版本低 3 到 5 个百分点。

关键配置放在一个train.py里：

# 半监督训练循环核心 optimizer = torch.optim.Adam(model.parameters(), lr=3e-3, weight_decay=5e-4) criterion = nn.CrossEntropyLoss() # 只对带标签的微博节点做反向传播 labeled_idx = torch.where(labels != -1)[0] model.train() for epoch in range(200): logits = model(g, features) loss = criterion(logits[labeled_idx], labels[labeled_idx]) optimizer.zero_grad() loss.backward() optimizer.step() if epoch % 20 == 0: probs = torch.softmax(logits, dim=-1) pred = probs.argmax(dim=-1) acc = (pred[labeled_idx] == labels[labeled_idx]).sum().item() / len(labeled_idx) print(f"epoch {epoch}, loss {loss.item():.4f}, train_acc {acc:.4f}")

训练时注意把labels初始化为 -1，表示未标注节点不参与损失计算。微博节点情感标签映射为 0（负面）、1（中性）、2（正面），图中所有用户和话题节点都设为 -1。这种做法比直接建模成多任务要省事，也不容易让不同任务的梯度相互干扰。收敛判断我一般看验证集的 macro-F1，不再回升后停止，通常 120 epoch 内见分晓。如果 200 epoch 还没稳定，先检查归一化特征有没有把微博文本的语义信息冲掉。

3.3 三类节点在模型里的角色差异

训练完成后，用户节点和话题节点虽然没有情感标签，但它们的 logits 可以解释为「该用户当前话题参与中的情绪倾向」和「话题整体的情绪极化程度」。这在疫情舆情看板里非常有用：用户节点输出高负向概率时，意味着该用户正在负面情绪中活跃传播；话题节点输出正向概率高时，说明该话题下存在比较一致的支持性舆论。

我见过一个翻车案例：某同学把微博节点预测结果当成最终输出后，发现负面情绪的召回很低，排查后发现是话题节点把语义拉偏了。原因是某个包含地名的话题节点邻居里既有负面微博又有求助微博，GCN 聚合后话题向量变成了「中性偏负」的叠加态，反向拉低了直接相关的微博预测强度。解决办法是把话题节点特征里的情感熵作为一个 mask 输入，情感熵太高时减少该话题向微博节点的消息传递权重。这个调整在 DGL 里可以用edata权重实现，我放在后面的调优章节。

此外，用户节点的情感倾向可以当成「传播者画像」。如果一个用户的历史情感均值偏负向，他在一条正面话题下的转发微博会被模型判定为「违和」，这种节点往往是舆情反转的信号源——在高热度话题中，这类用户的负面判断往往有较高的影响力权重。

4. 五个必调参数与两个训练陷阱

4.1 聚合层数：在过平滑和感受野之间找平衡

图卷积的一个已知问题是层数加深导致所有节点嵌入趋同，即过平滑现象。微博场景里层数从 2 加大到 4，验证 F1 通常会先升后降。我在 5 万节点、30 万边的图上测试过：两层 SAGE 的 macro-F1 约 68.5%，三层升到 72.1%，四层回落到 71.0% 且训练时间增加了接近一倍。如果你的网络直径偏短，比如话题聚焦且转发链不超过 3 跳，直接锁死三层。

判断是否过平滑，有个简单手段：训练完成后计算所有节点嵌入的标准差。如果标准差小于 0.1，大概率已经过平滑；正常应该在 0.3 到 0.5 之间。如果出现标准差过小，优先减少一层或者把最后一层的聚合方式改成lstm，后者有更强的表达能力但训练会变慢，5 万节点不建议。

4.2 邻居采样规模：minibatch 训练的生死线

全图训练在 30 万边时单次前向约需 6 GB 显存，这还是两层模型。实际舆情监控需要每天新增上万条微博，增量训练时全图重算根本不现实。正确做法是采用邻居采样，DGL 的dgl.dataloading.NeighborSampler每层采样固定数量的邻居。我通常设置第一层采样 25 个邻居，第二层采样 10 个，第三层采样 5 个，总共采样 25 + 25x10 + 25x10x5 = 1525 个节点，显存占用降到 2 GB 以内。

采样的随机性会带来推理阶段的不稳定。同一个微博节点在两次不同的采样种子下预测结果可能不一致，这在线上系统是致命的。工程解法是在推理阶段关闭采样，直接用全图的稀疏矩阵做前向计算，虽然慢一点但结果确定。训练阶段保持采样的随机性相当于做了数据增强，反而是好事。

4.3 边的权重：转发数必须进 loss，不能只进特征

很多人把转发数拼进节点特征就完事，但转发数本质上是边属性：从 A 转发到 B，这条边的传播强度应该决定 B 对 A 的聚合贡献度。我习惯把转发数做对数归一化后赋给edata['w']，然后在 SAGEConv 的自定义聚合里乘上去。DGL 的内置SAGEConv不支持边权重，所以这块要改成GraphConv加edge_weight参数，或者自定义一个WeightedSAGEConv。

实现方式不复杂，核心区别是聚合前逐边乘权重：

# 自定义带边权重的 SAGE 聚合（核心代码片段） def forward(self, graph, feat, edge_weight): graph = graph.local_var() msg = torch.mul(feat[graph.edges()[0]], edge_weight.unsqueeze(1)) graph.edata['h'] = msg graph.update_all(message_func=fn.copy_e('h', 'm'), reduce_func=fn.mean('m', 'neigh')) neigh_feat = graph.ndata['neigh'] return torch.cat([feat, neigh_feat], dim=-1) @ self.linear

注意，上述代码中的torch.mul乘法对应的边权重维度要和特征维度匹配。如果边权重是标量，用unsqueeze(1)扩成 batch 维度再乘；如果权重本身是向量（比如同时编码转发数和评论情感），就直接相乘。我一般只用对数转发数，标量足够，向量权重在数据量不够时容易过拟合。

4.4 标签不平衡：疫情数据里负面常常占 50% 以上

疫情相关语料的情感分布天然不平衡且动态变化：早期舆论以焦虑和求助为主，正面表达少，若按原始分布训练，模型会倾向于把大多数样本都预测为负面，push F1 值虚高。这里我一般算 class weight，把负面的权重压在 1.0，中性和正面分别乘 1.5 和 1.8，但这是很保守的做法。如果想更激进，可以引入 focal loss，但疫情场景中情感类别边界模糊，focal loss 容易把低置信度的中性样本全部推向负面，导致 badcase 变多。

另一种更稳妥的办法是数据层面的欠采样，但微博图不能像文本那样随便删节点，删掉一条微博节点会同时删掉它连接的边，破坏图结构。最后的方案是，在节点特征里额外加了类别先验的伪计数，模型很快学会了利用多数类先验。调试下来，class weight + soft label 组合的效果最稳，具体来说就是把标注集中存在争议（两个标注员不一致）的样本标签从 one-hot 改成软分布。

4.5 时间信息怎么进图，而不是进特征

疫情是时间演化过程，情感会随政策和事件的推进翻转。最直观的做法是把时间戳归一化后拼进节点特征，但我发现这个策略有问题：模型会去记忆时间段的静态映射，而不是学习传播结构。我目前的做法是构建时间窗口，比如按周切图，每张子图用当周数据训练，预测下一周的情感分布。增量更新时，用过去两周的图结构加上新一周的边做微调，比一次性合并所有时间点训练的效果好不少。

窗口长度是个关键参数。一周太短，话题讨论图稀疏，情感信号弱；一个月太长，早期节点的边权重已经被后期稀释。我试过 3 天、7 天、14 天、30 天，稳定下来最佳窗口是 7 天。但窗口之间有重叠，滑窗重叠部分按每条微博的情感极化度做衰减，让旧微博对当前结构的影响力随时间退去。数据集跨 10 周时，这个方法比全量训练提升 4 个点的 macro-F1。

4.6 训练陷阱一：把验证集节点放进图里

这是个非常隐蔽的错误。很多人划分训练和验证时，按照文本分类的习惯把数据集按行随机切分，结果验证集的微博节点也出现在全图的训练过程中。验证集节点的邻居里有训练集的节点，甚至验证集节点本身可能就是训练集微博的转发者，这会造成信息泄露，验证 F1 虚高 5 到 8 个点。

正确做法是先把图建好，然后按节点 ID 切分：训练集用部分带标签的微博节点，验证集和测试集用另一部分节点。这些节点的存在本身不影响训练，但训练时不能计算它们的 loss，推理时也不能把它们当作标签已知。实际操作中，我的切分比例是 8:1:1，且保证同一条转发链上的节点尽量落在同一集合，否则验证集会遇到结构上完全孤立的节点，F1 反而被低估。

4.7 训练陷阱二：特征没归一化的隐性爆炸

GCN 每做一次邻域聚合，特征范数就会放大一点；即使只用三层，未归一化的高维句向量也可能激活值膨胀到数十倍，导致 loss 和精度在 epoch 40 附近开始剧烈抖动。我的习惯是在每个 SAGEConv 前对输入特征做F.normalize(features, p=2, dim=-1)，而不是只做一次初始归一化。理由很简单：图卷积中每层的输入是上一层输出的线性组合，线性的尺度波动无法靠 ReLU 约束住，只有显式的单位化才能保持每层特征在一个稳定的尺度上。

如果你观察到 loss 在中期不降反升、曲线像锯齿，先别调学习率，检查一下每层是否做了归一化。另外把 dropout 放在归一化之前还是之后也是有讲究的——应该是conv -> relu -> dropout -> normalize，顺序反了会明显降低整个模型的训练速度。

5. 模型评估与舆情解释：不只关心 F1，还要回答「为什么」

5.1 验证指标选 macro-F1，而不是 accuracy

疫情情感分类的类别分布不均匀，accuracy 缺乏参考意义。我主要看三个指标：macro-F1、每类别的召回率、以及负面情感的 F2（把召回放更重）。在舆情场景中，漏掉一条负向高传播微博比误判一条普通中性微博严重得多，所以 F2 是衡量模型能不能上线的重要依据。需要说明，这里的传播度按转发数加权计算，而不是简单对节点求平均。

上一章提到的图节点切分方法在评估时会产生一个问题：测试集节点在图里依然存在边，所以推理时这些节点的表示是邻居信息聚合出来的。这是合理的，因为我们的目标就是利用上下文结构做预测；但如果你想评估模型在冷启动场景（完全没有邻居）下的效果，需要单独构造「去边图」做一次额外测试。去边图测试的 F1 会比正常低 10 到 15 个点，这是正常的，不要因此怀疑模型有问题。

5.2 错误样本归因：是语义问题还是结构问题

我做完一轮评估后，习惯把预测错误的节点分成三类：单点误差、邻居误差、标签噪声。单点误差是指微博节点自身的语义信息严重不足（比如只有「加油」两个字），GCN 无法单独判断极性；邻居误差是指节点周围传播链上的用户和话题信息相互矛盾，导致聚合出的向量把正确极性稀释了；标签噪声则多因为初始标注本身就是错的，在疫情数据里常见的是「疑似」这类词被标注员标成中性，模型只能学会猜。

这三类错误的修复策略完全不同。单点误差需要回补外部语义特征，比如把微博配图的 OCR 文本也编码进节点特征；邻居误差需要调边上权重，让强势节点的门控信号更明确；标签噪声只能靠标注清洗流程。如果不去归因，直接加模型复杂度或者换损失函数，效果通常非常差。我最早在这个任务上把 SAGE 换成了 GAT，F1 反而降了 1.2 个点——问题根本不在注意力机制。

5.3 用图结构解释预测结果：舆情归因的落地价值

模型上线后，舆情分析师最常问的问题是「这条负面微博为什么被系统盯上」。我可以借 DGL 的edge_feature和梯度做简单归因。对某条目标微博节点，计算各条入射边的梯度绝对值按大小排序，就能看出哪些邻居对该节点预测贡献最大。通常是转发该微博的大V用户节点贡献最大，或者它挂的话题节点贡献最大。这个归因信息能直接生成一个舆情追踪路径：用户B因为转发了大V A的负面微博所以情绪被标记，顺着路径可以找到源头大V和原始微博。

这类结构归因不要求模型可解释性的理论高度，但能大大减少分析师人工点开微博追踪的时间。我在看板页面上做了个「传播路径前置」，输出该节点 Top5 的邻居节点名称及各自的情感概率，分析师一眼就能判断模型是否因为某条转发链而误判。这个功能上线后，负面预警的复核效率提升了大约一倍。

6. 部署与增量更新：从离线分析到准实时舆情系统

先说明，我的方案是一个准实时架构，不是毫秒级在线。舆情监控的节奏通常是 5 分钟到 15 分钟粒度，完全够用。架构分三层：增量构图层、图模型推理层、结果落库层。增量构图层消费从接口采集到的微博 JSON 流，做情感预标注并更新节点和边；图模型推理层定时把最新子图喂给模型，产出所有微博节点的情感概率；结果落库层把概率写回时序数据库和看板查询接口。

6.1 增量子图构建与模型热更新

每周或每 15 分钟做一次增量构图，看起来简单，实际有坑。如果每次把全图重构图，5 万节点需要跑约 40 秒，而且网络请求爬取上游历史消息会把负载拖垮。我的做法是常驻内存里保留一个增量边队列，每次只把新增的微博节点、好友关系、转发边合并进旧图，然后触发模型推理。DGL 的图是 immutable 的，所以要用dgl.graph的批量合并接口，把新增个体一次性合并进去，避免边加一条、图重建一次的极端低效操作。

推理结果中会出现低置信度节点（概率不超过 0.6），这些节点我不直接写库，而是连同它们周围的子图信息发到「复核队列」，等待下一次标注员确认。这个流程保证不合格的样本不会污染写库数据，同时给标注团队一个召回机制。好处是 F2 不再被低置信样本拉低。

6.2 两个部署期最常踩的坑

第一个坑是模型推理时显存爆炸。明明训练的时候全图才 6 GB 显存，一上线推理就 OOM，原因是推理图的用户节点在持续增加，而模型没有限制采样的上限。如果不做子图的裁剪，推理过程按全图做前向，内存膨胀到 30 GB 也很正常。解决方法是给推理子图设一个节点上限，超过上限就按转发时间截断最近一周的数据；如果一周都超过上限，把这个话题当作「高热话题」切分到多个子图分别推理，最后再按话题聚合。

第二个坑是模型热更新后和旧版本的结果突变。图卷积模型在整图结构发生变化后，所有节点的表示都会轻微变动，即使是未变化的微博节点，预测也可能翻转。这是图模型的固有属性，不是 bug，但舆情系统的用户非常敏感。我上线前做了 diff 测试：用旧图和新图分别跑一遍，统计标签翻转的比例；如果超过 3%，先把新模型放在 shadow 模式运行一周，只对新增节点生效，不覆盖旧节点的历史预测。等分析师确认翻转结果合理后再全量切换。

6.3 带上结构信息一起上线：给看板的三个附加视图

纯粹的推送列表已经满足不了舆情分析的需求，我在最后的落地版本里给看板加了三个基于图结构的视图。第一个是情感传导图，默认展示某一个负面高传播节点往下三跳的传播树，边的粗细代表转发量，节点的颜色代表情感类别，这样能直接看出来负面情绪是从哪个大V节点开始共振的。第二个是用户影响榜，按用户节点的输出概率和入度加权排序，给出当前周期内「情绪放大器」Top 名单。第三个是话题对立度，用话题节点下正面和负面微博的比例差作为指标，比例差越接近 50%:50%，说明话题的舆论撕裂程度越高，这类话题需要优先关注。

这三个视图不需要额外的模型，只是把已经在图计算中得到的中间量做聚合展示，成本几乎为零，但对业务方的体感提升很明显。做舆情系统最怕的就是模型给了分数但分析师不知道分数为什么变化，有了结构视图，黑匣子的不信任感会消除很多。

6.4 值不值得落地：投入产出比

整个系统从零到一，两个工程师大概需要 3 周左右。数据处理和图构建占了 40% 的时间，模型训练与调参占 30%，部署和看板占 30%。比起纯文本情感分类方案，图方案能额外输出传播路径、用户影响力和话题情绪熵，这类结构信息在疫情舆情场景中是刚需，后续给到决策层反馈时非常有价值。

但如果你只需要看一个粗粒度的情感指数，不需要知道谁影响了谁，那纯 BERT 分类会更快也更便宜。图方案的额外收益都在结构信息上，这个前提必须想清楚。我用下来最实在的心得是：模型不是难点，图数据治理才是。节点的唯一 ID 映射、边的去重、多账号的合并，这些脏活决定了下游效果的天花板。希望这篇实战记录能让你少走几轮弯路，也希望你的舆情系统早早跑通，把时间省下来做真正要紧的分析。

本文还有配套的精品资源，点击获取