结构化新闻数据

每篇文章包含核心字段（标题、描述、正文、URL、发布日期、图像）以及丰富的数据：情感分析、类别、主题、行业分类、语言、包含发布者排名的来源信息、故事聚类ID和内容指标（如字数和阅读时间）。我们还从文章内容中提取实体、标签、链接和媒体。

Our sentiment analysis uses NLP models trained on news content to classify articles as positive, negative, or neutral. Each article receives a polarity score and confidence level. The model analyzes the full article text, not just headlines, achieving high accuracy across 59 languages. You can filter search results by sentiment to find specific emotional tones.

故事聚类将报道同一事件或主题的相关文章进行分组。当多个出版商报道同一新闻时，我们为它们分配相同的故事ID。这有助于您跟踪故事随时间的发展、识别热门话题、衡量报道广度，并避免处理来自不同来源的重复内容。

我们的重复检测算法分析文章内容、实体和发布时间，以识别多个发布者何时报道同一个故事。每篇文章都有一个is_duplicate标志。这有助于您过滤冗余内容并专注于独特的新闻。结合故事聚类，您可以获得每个故事的一篇文章或跟踪全面报道。

APITube支持多种导出格式：JSON（默认）、CSV、TSV、XLSX（Excel）、XML和RSS源。所有格式包含相同的数据字段。选择最适合您工作流程的格式 - JSON用于API，CSV/XLSX用于电子表格和BI工具，RSS用于订阅源阅读器，XML用于传统系统。

发布者排名（OPR - Overall Publisher Rank）根据多个因素从 0-10 分：域名权威性、流量、内容质量、发布频率和编辑标准。排名较高的来源（6 ）通常包括主要新闻媒体。使用此过滤器可优先考虑权威来源或排除低质量内容。

我们的NER（命名实体识别）从文章文本中提取人员、组织、地点、品牌、事件等。每个实体包括其类型和提及次数。使用实体数据进行品牌监控、追踪特定公司、分析地理覆盖范围或从新闻内容构建知识图谱。

API返回两个字段：描述（摘要/摘录）和正文（完整文章文本）。正文字段包含完全清理的文章内容，已删除HTML。一些付费墙后的文章可能有有限的正文内容 - 检查is_paywall标志。所有套餐均包含完整正文访问权限，无额外费用。