看新聞

文章事件議題關鍵字

看媒體

媒體媒體關係署名寫法

看即時

← iThome報導

iThome

大資料雙強聯手，世界排序冠軍Spark擁抱Google新PB級資料分析技術Dataflow

未署名2015/1/23 10:49

#google5 家 · 10 篇
#Cloudera
#Spark
#Dataflow

原站閱讀

全文請至原站閱讀。

http://www.ithome.com.tw/news/93669

延伸閱讀

本頁的資料來源與計算方式 ⓘ

他站相似報導

相似不等於抄襲 ⓘ

尚待比對

看各媒體的相似與引用

前後 3 天內沒有找到同一題的其他報導。

本頁的資料來源與計算方式ⓘ

單篇文章

文章頁只顯示內文或摘要的開頭約 150 字，以及收錄配圖。節錄下方顯示原站完整網址，可開啟原站文章，閱讀全文、其他圖片與影音。

內文狀態: 「內文較短」表示擷取到的文字不足 200 字，可能不完整，且不納入全文相似度比對，只有完整正文才比對。「原站僅提供摘要」表示來源提供的是節錄，本站不當成完整正文。
發現來源: 「由某來源發現」標示本站經由哪個彙整來源（例如 Google 新聞）找到這篇文章，連結指向該來源上的頁面。
文中引用來源: 內文明示提到的其他媒體，附上提到它的原文片段。文章提及的來源，不代表原始作者。
延伸閱讀: 刊登前後 3 天內同一題的其他報導：依共同關鍵字的稀有程度與標題相近程度排序，標題幾乎相同的轉載只列一篇。至少共有 3 個關鍵字，或共有 1、2 個關鍵字且標題夠相近，才列入；其他媒體每家最多 2 篇、共 8 篇，同一媒體最多 5 篇，已列在「他站相似報導」的不重複列出。「所屬事件」是刊登前後一天內、主要標籤與本篇關鍵字重疊（至少 2 個，或重疊的關鍵字夠少見）的事件，最多 3 件。相關關鍵字後的數字為前後 3 天內使用這個關鍵字的媒體與報導數。
他站相似報導: 與前後 7 天內其他媒體文章的內文比對（媒體關係圖的相似度索引，正規化內文的五字片段），列出相似度 65% 以上的文章；索引每 10 分鐘處理新抓到的正文。「內文相同」表示正規化後全文一致；相差不到一分鐘算同時刊登。

相似不等於抄襲：同一份新聞稿、通訊社稿、授權轉載與註明引用都會讓內文相近；刊登時間以各站標示為準，與寫稿先後無關。

寫法

「寫法」只描述文章文字本身寫了什麼，不評斷報導好壞或真假。每篇取得內文的文章在抓到後約 10 分鐘內分析一次，結果永久保存；內文在快取期滿後會刪除，但分析結果仍留著，長期趨勢才能比較。

轉述社群貼文: 內文前 250 字出現「在／於／透過……臉書、粉專、Threads、Instagram、X、YouTube、節目、直播、PTT、Dcard……發文、PO 文、貼文、分享、表示」等寫法，代表這篇的開頭在轉述某人的貼文或節目發言。只看開頭，所以文中後段才引用的貼文不算。
轉述對象分類: 看「在臉書……」前面、同一個逗號內的頭銜詞，例如「精神科醫師」「台北市長」「前立委」「網友」。句子裡只有名字時（「邱毅今天在臉書……」），改看這個名字在最近一週其他報導前面最常出現的頭銜：至少 3 次、同一類過半才採用；文字對不出來時，改用這個關鍵字所在的人物分組（例如「意見領袖」「藝人」）。只有確定是人物的關鍵字（在人物分組裡，或對應到 Wikidata 的人）才會這樣補，避免把「深夜」「學生」這類詞當成人名。每天更新一次，都對不出來的列為「尚未標記」。管理員在「標籤管理」確認共用分類，可同時標記多個角色或背景。相關分類會同步套用到已辨識此轉述對象的報導，並留下紀錄；分類不代表每次發言都以該角色進行。
標題用詞: 依詞表比對標題：懸念（「1事」「原因曝」「回應了」「下場曝」等不說重點的寫法）、反應（「反應驚人」「傻眼」「一面倒」）、攻擊（「怒轟」「狠酸」「開嗆」）。一篇可以同時屬於幾類；詞表比對不理解上下文，例如「轟」也會出現在「轟炸」。
比例的分母: 各家已分析的文章（取得完整內文者）。同一篇報導可計入多個轉述對象分類，各標籤的篇數與比例不可直接相加；報導總篇數只計一次。只取得摘要或內文過短的文章不分析，所以不列入分子也不列入分母。整批轉載其他媒體的轉載站不列入跨媒體比較。

各家比較與完整的分類規則見看寫法。

資料來源

新聞媒體每 9 分鐘、其他媒體每小時抓取一次新文章（每輪從最久沒抓的媒體開始），保存標題、摘要、連結、圖片網址、標籤與署名；正文在刊登後 7 天內可於站內閱讀。收錄的媒體與抓取狀態見媒體來源。

標籤是媒體自己在文章頁標記的關鍵字（news_keywords、keywords、article:tag 等）。文章頁沒有標記時，才用其他媒體近期用過的標籤比對標題補上。

媒體摘要卡

滑鼠停留在媒體名稱上（手機點一下，再點一下進入媒體頁）會顯示媒體摘要；摘要只供瀏覽，不會擋住下方的連結，滑鼠移開就關閉。內容包括藍綠傾向，本站過去 24 小時與 7 天收錄的篇數，以及近 24 小時熱門關鍵字。熱門關鍵字統計這家媒體文章的標籤與標題關鍵詞，排除新聞分類詞，每篇每詞計一次，最多取最新 2,000 篇；透過彙整來源收錄的不列關鍵字。

完整的資料來源與計算方式 →

同一件事，各家怎麼說。

追蹤台灣新聞媒體的標籤、事件與議題，並排比較各家標題。

Telegram 討論群 RSS GitHub

把新文易數裝到Chrome／Edge

安裝後會出現在主畫面或應用程式清單，像 App 一樣開啟，不必下載商店 App。

點網址列右側的「安裝」圖示
或從瀏覽器選單選「投放、儲存與分享」→「安裝網頁…」（Edge：「應用程式」→「安裝此網站」）

資料與透明度

即時看板
資料蒐集
本站流量
資料來源與計算方式

開發與聯絡

API 文件與狀態
聯絡與移除請求
母站 tag.analysis.tw

© 2026 新文易數 · 程式碼以 MIT 授權開源 · 新聞標題、摘要與圖片著作權屬各媒體

今天已收錄 17,282 篇 · 24 小時內 238 家媒體發稿