---
name: 开源情报-首发媒体识别与评估
description: 首发媒体识别与评估技能。分析事件中所有关联新闻，识别首发媒体（最早发布者），评估媒体政治倾向和可信度，生成结论性描述和媒体画像卡片。使用场景：舆情分析、信息溯源、媒体可信度评估、认知战研究。
---

# 首发媒体识别与评估

## 功能概述

本技能用于识别事件的**首发媒体**，并对该媒体进行全面评估，包括：
- 基于时间排序识别首发媒体
- 媒体基本信息（历史、规模、归属）
- 政治倾向评估
- 可信度评分
- 传播路径分析

## 输入格式

### 关联新闻数据结构

```json
[
  {
    "media_name": "路透社",
    "media_url": "https://www.reuters.com",
    "article_url": "https://www.reuters.com/world/article",
    "title": "新闻标题",
    "publish_time": "2024-03-15T10:30:00Z",
    "content": "内容摘要（可选）"
  }
]
```

**必需字段：**
- `media_name`: 媒体名称
- `article_url`: 文章链接
- `publish_time`: 发布时间

**可选字段：**
- `media_url`: 媒体主页URL（用于更准确的媒体识别）
- `title`: 文章标题
- `content`: 文章内容摘要

**时间格式支持：**
- ISO 8601: `2024-03-15T10:30:00Z`
- 标准格式: `2024-03-15 10:30:00`
- 中文格式: `2024年3月15日 10:30`
- Unix时间戳: `1710504600`

## 处理流程

### Step 1: 首发媒体识别

1. **时间解析**：将各种格式的时间戳标准化
2. **时间排序**：按发布时间对所有关联新闻排序
3. **首发判定**：取最早发布的媒体作为首发媒体
4. **异常处理**：时间戳无法解析的新闻移至末尾并标注

### Step 2: 媒体评估

对首发媒体进行智能采集和评估：

1. **基本信息采集**：
   - 成立时间
   - 总部位置
   - 机构归属
   - 影响范围（全球/区域/国家/本地）

2. **政治倾向评估**：
   - 左-中-右光谱定位
   - 评估依据说明
   - 置信度等级

3. **可信度评分**：
   - 历史准确性
   - 编辑标准
   - 更正政策
   - 综合评分（0-100）

### Step 3: 传播路径分析

- 构建传播时间线
- 识别关键节点（首发/放大器/桥接节点）
- 分析传播速度和模式

## 输出格式

### 1. 结论性描述（Markdown格式）

```markdown
## 首发媒体分析结论

**首发媒体：** 路透社
**发布时间：** 2024-03-15T10:30:00Z
**原始链接：** https://www.reuters.com/world/article

**媒体概况：**
- 成立时间：1851年
- 总部：伦敦，英国
- 机构归属：汤森路透
- 影响范围：global

**政治倾向：**
- 倾向性：中间偏中立
- 评估依据：基于国际媒体数据库对路透社的历史记录

**可信度评估：**
- 评分：88/100
- 等级：high

**判定依据：**
- 基于时间排序，路透社是所有关联新闻中最早发布的媒体
- 时间戳解析成功，判定置信度高

**传播情况：**
- 检测到 3 条相关新闻
- 第二跟进媒体在 15.0 分钟后发布

**快速跟进媒体（前5名）：**
1. 路透社 - 2024-03-15T10:30:00Z （首发）
2. CNN - 2024-03-15T10:45:00Z （间隔15.0分钟）
3. BBC - 2024-03-15T11:00:00Z （间隔15.0分钟）
```

### 2. 媒体画像卡片（结构化JSON）

```json
{
  "media_name": "路透社 (Reuters)",
  "media_url": "https://www.reuters.com",
  "basic_information": {
    "established_year": 1851,
    "headquarters": "伦敦，英国",
    "owner": "汤森路透",
    "audience_scale": "global",
    "media_type": "news_agency",
    "description": "世界最大的国际多媒体新闻通讯社之一，以快速、准确、中立著称。"
  },
  "political_leaning": {
    "leaning": "中间偏中立",
    "score": 50,
    "evidence": "基于国际媒体数据库对路透社 (Reuters) 的历史记录",
    "confidence": "high"
  },
  "credibility": {
    "score": 88,
    "level": "high",
    "factors": {
      "historical_accuracy": 88,
      "editorial_standards": 88,
      "corrections_policy": 88
    }
  },
  "summary": "路透社 (Reuters)，创立于1851年，总部位于伦敦，英国。政治倾向：中间偏中立，可信度评分：88/100"
}
```

### 3. 详细分析结果（JSON）

包含：
- `first_publisher`: 首发媒体详细信息
- `propagation_timeline`: 完整传播时间线
- `media_assessment: 媒体评估详情
- `analysis_notes`: 分析过程中的注意事项
- `total_news_count`: 总新闻数量
- `valid_time_count`: 有效时间戳数量

## 使用方法

### 方法1：直接调用Python脚本

```bash
# 使用示例数据测试
python3 scripts/analyze_first_publisher.py

# 从文件读取输入数据
python3 scripts/analyze_first_publisher.py input.json

# 将结果保存到文件
python3 scripts/analyze_first_publisher.py input.json > output.json
```

### 方法2：作为Skill使用（推荐）

当用户询问"这篇新闻的首发媒体是谁"或"分析这个事件的首发媒体"时，本技能会自动触发。

示例交互：
- "帮我分析这篇相关新闻，找出首发媒体"
- "这个事件是谁最先报道的？评估一下这个媒体的立场"
- "识别这个新闻事件的第一手来源"

### 方法3：单独使用各模块

**仅识别首发媒体：**
```python
from scripts.identify_first_publisher import identify_first_publisher

result = identify_first_publisher(related_news)
```

**仅评估媒体：**
```python
from scripts.assess_media import generate_media_assessment

result = generate_media_assessment(
    media_url="https://www.reuters.com",
    article_url="https://www.reuters.com/world/article",
    media_name="路透社"
)
```

## 媒体数据库

本技能内置了国际主流媒体数据库，包括：

| 媒体 | 可信度 | 政治倾向 | 影响范围 |
|------|--------|----------|----------|
| 路透社 (Reuters) | 88 | 中立 | 全球 |
| 美联社 (AP) | 90 | 中立 | 全球 |
| BBC | 85 | 中间偏左 | 全球 |
| 纽约时报 | 82 | 自由主义/进步主义 | 全球 |
| 华尔街日报 | 83 | 商业保守主义/中右翼 | 全球 |
| CNN | 72 | 中间偏左 | 全球 |
| 福克斯新闻 | 60 | 保守主义 | 国家 |
| 卫报 | 84 | 中间偏左 | 全球 |

**注意：** 对于不在数据库中的媒体，系统会尝试从URL推断基本信息，但政治倾向和可信度评估会标注为"置信度较低"。

## 扩展和定制

### 添加新媒体到数据库

编辑 `scripts/assess_media.py`，在 `INTERNATIONAL_MEDIA_DB` 字典中添加：

```python
"example.com": {
    "name": "媒体名称",
    "established": 2020,
    "headquarters": "城市，国家",
    "owner": "机构名称",
    "political_leaning": "政治倾向描述",
    "credibility": 75,
    "audience_scale": "national",
    "media_type": "online",
    "description": "媒体描述..."
},
```

### 支持更多时间格式

编辑 `scripts/identify_first_publisher.py`，在 `parse_timestamp()` 函数的 `formats` 列表中添加新格式。

## 注意事项

1. **时间准确性**：分析结果高度依赖时间戳的准确性。如果原始数据时间混乱，结果可能不可靠。
2. **媒体URL重要性**：提供 `media_url` 字段可以大幅提升媒体识别准确性。
3. **数据库覆盖**：当前数据库主要覆盖国际主流媒体。对于地方性或小众媒体，需要手动添加到数据库。
4. **政治倾向复杂性**：政治倾向是简化评估，实际媒体立场可能更复杂和多变。

## 应用场景

- **舆情分析**：识别事件的第一手来源，评估信息可信度
- **信息溯源**：追踪新闻事件的传播链路和关键节点
- **媒体可信度评估**：系统化评估媒体的可靠性和政治立场
- **认知战研究**：识别敌对叙事的首发渠道和传播模式
- **危机应对**：快速评估突发信息源的可靠性

## 技术支持

如遇问题，检查：
1. 输入数据格式是否正确
2. 时间戳是否为支持格式
3. 媒体URL是否有效
4. 查看返回结果中的 `analysis_notes` 字段获取详细说明