大数据时代需要更多“词云”钥匙

文/新华社“中国网事”总编 李俊

《“词云”提醒：城镇化还需以人为本》配图。（新华社/发）

“天上一片云，地上一张网”。数字时代的瞭望者以此描述新的传播格局。一方面，海量数据以几何级数在“云端”汇聚；另一方面，媒体、自媒体井喷般地采集、生产新数据和知识。

这是大数据时代令人兴奋的信息图谱，也是摆在媒体工作者面前的时代难题。大数据采之为财富，存之则如粪土。未经分析、挖掘的大数据，百无一用。大数据时代的主要矛盾是社会日益增长的庞大的数据生产、存储能力和媒体、受众贫瘠的数据分析、加工能力间的矛盾。

今年3月，新华社新媒体专线首次采用“词云”技术报道全国两会，媒体用户和读者盛赞“新风扑面”。但如果把这项小小的技术升级放在“大数据之问”的时代背景下，它的意义和启示也许才能彰显。

所谓词云，就是利用语言分析技术，对大数据文本进行词频分析，并生成可视化图像的技术。由清华大学计算机系自然语言分析实验室开发的中文“词云”就像一把打开数据之门的钥匙——十万字的文本，“读懂”只需几秒钟，还能飞快生成“趋势化、可视化”的图表。

十年来的两会文本、文献浩如烟海。政府工作报告如何让公众“听得懂，愿意听，记得住，能管用”？艰深专业的预算报告如何让公众像“看紧”自家账本一样“看紧”公共账本？如何看懂文字背后十年来的成就与变迁？

新华社采编人员和清华大学年轻的工程师们在“摸着石头过河”的状态中，“试”出了《“词云”提醒：城镇化还需以人为本》等一批新报道。在这些稿件中，词云技术分别被用来分析文本本身，得出带有趋势性的结论，并配以精准解读。

在一个越来越开放透明、公众和媒体拥有同步获取大数据能力的时代，在图阅读、浅阅读盛行的时代，媒体的价值在于将那些看起来杂乱无序的数据进行筛选、分析、解读，让读者“见所未见”，和读者一起发现数据背后的真相。这需要人性化的眼界，也需要智能化的技术。词云只是朵朵白云中的一朵，而已。