最近公司做了一次新品发布，原本预想会在社交平台引发一波讨论，结果热度迟迟上不来。运营同事急着找技术团队问：是不是数据采集出了问题？这就是典型的网络热点舆情分析中的“故障”场景。
数据源抓取失败，可能是接口变了
很多舆情系统依赖微博、抖音、知乎等平台的公开接口获取信息。但这些接口经常调整，比如加了反爬机制，或者返回字段突然变化。这时候系统里看到的数据就断了。
排查时先检查日志里是否有大量403或502错误。如果有，大概率是被封了IP或Token失效。可以临时换代理IP，或者重新申请API权限试试。
关键词匹配不准，漏掉关键讨论
有一次我们监控“新款折叠屏手机”，结果发现很多用户用“折痕屏”“合起来像书本”这样的说法，系统根本没识别出来。这是因为关键词配置太死板，只认字面匹配。
解决办法是引入同义词库和语义扩展。比如把“折叠”“翻盖”“对折”都归到同一类。也可以用简单的NLP模型做意图识别，而不是靠关键词硬匹配。
<?php
$keywords = array('折叠', '翻盖', '对折', '合页手机');
$text = $_POST['content'];
foreach($keywords as $word) {
if (strpos($text, $word) !== false) {
echo '命中舆情';
break;
}
}
?>情感判断偏差大，负面舆情被当成正面
有次系统报告说某品牌空调“用户体验极佳”，点进去一看，原文是：“制冷像冰窖，关了还响一整晚，真是体验极佳。”明显是反讽，但系统按字面给了正向评分。
这种问题出在情感分析模型训练数据不够多样。日常处理时可以加入常见反讽词库，比如“真棒”“太好了”配合负面动词时要警惕。也可以人工标注一批样本，定期更新模型。
时间窗口设置不合理，错过爆发期
舆情监控的时间粒度很重要。比如某个话题在两小时内突然涨了上千条帖子，但系统默认按天统计，当天结束才出报告，等你看到时热度已经下去了。
建议高敏感事件开启实时推送模式，设定阈值报警。比如单小时提及量超过100就发邮件或钉钉提醒，别等到汇总报表才发现。
多平台数据未对齐，统计结果打架
同一个事件，在微博叫#李姓明星道歉#，在抖音叫#某顶流塌房现场#，不打通标签的话，系统会当成两个独立事件处理，导致重复预警或漏报。
这时候需要做事件聚类。通过发布时间、关联人物、文本相似度等方式合并同类项。可以用余弦相似度算两段内容的接近程度，再结合时间邻近性判断是否为同一波舆情。