展示从不同数据源采集的数据，并进行清洗和预处理。
| 数据ID | 数据来源 | 原始数据 | 清洗规则 | 预期结果 | 实际结果 | 风险指标 | 传播路径相关信息 |
|---|---|---|---|---|---|---|---|
| 7 | 股吧评论 | 用户A：贵酒要起飞！ [reply] 用户B：赞同！[forward] 用户C：转发 @用户D [reply] 用户E：呵呵 | 去除特殊字符、用户ID匿名化、提取回复和转发关系 | 用户A：贵酒要起飞！ 用户B：赞同！ 用户C：转发 用户E：呵呵 | 用户A：贵酒要起飞！ 用户B：赞同！ 用户C：转发 用户E：呵呵 | 准确率：95% | 初始发布者：用户A, 传播节点：用户B, 用户C, 用户D, 用户E, 传播关系：A->B (回复), C->D (@), 关键传播节点：用户C, 传播速度：5分钟, 影响范围：5个用户 |
| 8 | 金融新闻 | [2024-01-30] 某财经新闻报道：贵酒业绩超预期，股价大涨。该新闻被多家媒体转载 | 去除HTML标签、提取时间、提取关键词、识别转载关系 | [2024-01-30] 某财经新闻报道：贵酒业绩超预期，股价大涨。该新闻被多家媒体转载 | [2024-01-30] 某财经新闻报道：贵酒业绩超预期，股价大涨。该新闻被多家媒体转载 | 准确率：98% | 初始发布者：某财经新闻, 传播节点：媒体A, 媒体B, 媒体C, 传播关系：财经新闻->媒体A (转载), 财经新闻->媒体B (转载), 财经新闻->媒体C (转载), 关键传播节点：财经新闻, 传播速度：1天, 影响范围：多个媒体 |
| 9 | 社交媒体 | 用户X：贵酒要崩盘了！小心！ #贵酒 [reply] 用户Y：真的吗？求消息来源 [forward] 用户Z：转发并评论：假的！别信！ | 去除特殊字符、用户ID匿名化、情感分析、识别话题标签 | 用户X：贵酒要崩盘了！小心！ #贵酒 用户Y：真的吗？求消息来源 用户Z：转发并评论：假的！别信！ | 用户X：贵酒要崩盘了！小心！ #贵酒 用户Y：真的吗？求消息来源 用户Z：转发并评论：假的！别信！ | 准确率：90% | 初始发布者：用户X, 传播节点：用户Y, 用户Z, 传播关系：X->Y (回复), Z->X (转发并评论), 关键传播节点：用户X, 用户Z, 传播速度：10分钟, 影响范围：3个用户 |
展示风险检测功能，包括敏感词监测、财务指标异常检测等。
监测到的敏感词： “崩盘”, “内幕交易”
检测到的异常财务指标： 应收账款周转率异常下降 (贵酒)
分析信息在不同平台上的传播路径，识别关键节点和影响范围。
提供数据筛选、过滤等操作。
提供用户反馈和交互功能。