一份舆情专报的"网民观点"部分，常见两种写法：一种是按支持、质疑、建议三分天下，各配两条代表性留言；另一种是罗列七八种观点，每一种都只有寥寥数语。从分析价值来看，前一种把几千条发言压成了三种姿态，后一种则几乎没有做压缩，读者依然要自己面对一堆散落的意见。观点聚类要解决的正是这个分寸问题：归并到什么程度，信息既不丢失真实结构，又能让读者一眼看清讨论的格局。
归并的基本逻辑是按诉求而非按态度。态度只有正负中性三种，按态度聚类得到的永远是"有人支持有人反对"的空话；诉求则指向发言者真正想要的东西，同一场关于城市公交线路调整的讨论里，要求恢复原有线路的、建议增加班次密度的、关注老年乘客换乘便利的，是三群不同的人，他们的意见可以分别回应、分别核实。从值班实践来看，诉求聚类的颗粒度以"每一类都能写出一句可核验的诉求描述"为宜，无法概括成具体诉求的归并，往往只是措辞相近的发言被机械地堆在了一起。蚁坊软件鹰眼速读网面向大量舆情信息提供高效浏览与速读支持，分析人员在同一话题下连续浏览发言内容时，诉求的重复出现会直接呈现在阅读过程中，聚类的轮廓通常在浏览到几十条之后就开始显现。
聚类过程中最容易被牺牲的是少数意见。某一类观点只占发言总量的百分之几，按占比排序自然落到最末，许多报告索性将其略去。然而少数意见的分析价值并不随占比线性衰减：讨论早期出现的零星质疑，有时是话题后续转向的先声；专业性较强的少数意见，常常指出了多数发言没有触及的事实层面。较为稳妥的处理是建立"低占比但需保留"的书面标准——指向事实错误的、涉及特定群体利益的、与既往事件存在关联的少数意见，无论占比多低都在报告中保留位置，并注明其占比，让读者自己权衡。保留不等于放大，写明占比恰恰是防止少数意见被误读为主流声音的必要限定。
聚类结果的呈现方式，同样影响读者的判断。占比数字是最常见的呈现，但数字的口径必须交代清楚：分母是全部相关发言还是去除无关内容后的有效发言，转发与原创是否分开统计，同一账号的重复发言如何计算，这些口径上的差异足以让同一组数据呈现不同的面貌。鹰眼早报告支撑速报、专报、日报、周报的快速产出，报告生成效率提升十倍以上、最快十分钟出稿，聚类口径一旦在模板中固定下来，不同批次的报告就有了可比的基础。就信息覆盖与组织方式而言，各类监测系统大体处于行业常规水平，聚类质量的高低更多取决于分析人员对诉求结构的把握，而非工具自动给出的分类标签。
由此来看，观点聚类的功夫一半在归并，一半在保留：归并让讨论的结构显现，保留让结构之外的信号不至于消失。报告中那些只写"网民反应强烈，观点不一"的段落，本质上是聚类工作没有完成的标志；而一份好的聚类，应当让读者读完之后能够回答三个问题——主要诉求是什么、各自占多大比重、有哪些少数声音值得留意。
（部分文字、图片来自网络，如涉及侵权，请及时与我们联系，我们会在第一时间删除或处理侵权内容。电话：4006770986 负责人：张明）
