Phương pháp luận
Cách SRadar tính toán Interest Score, Momentum, Becoming và mô hình phân loại độ tin cậy dữ liệu.
Thông tin đã được xác minh, có nguồn dẫn cụ thể (báo cáo, cổng thông tin chính thức, hồ sơ pháp lý...).
Quan sát định lượng được đo đạc — ví dụ một lượt đề cập trên nguồn tin, một sự kiện tìm kiếm.
Kết quả tính toán theo công thức cố định từ Signal — luôn do backend tính, không phải AI tự đặt.
Diễn giải hỗ trợ bởi AI — không phải sự thật tuyệt đối, luôn cần truy ngược về Fact/Signal gốc.
Interest Score
Thể hiện mức độ quan tâm hiện tại (NOW), thang điểm 0–100. Công thức hiện tại (methodology v1-simple): số lượng Signal quan sát được trong 30 ngày gần nhất, nhân 5, giới hạn tối đa 100.
Momentum
Thể hiện tốc độ thay đổi mức độ quan tâm (MOVEMENT). Tính bằng phần trăm chênh lệch số Signal trong 7 ngày gần nhất so với 7 ngày liền trước đó, giới hạn trong khoảng −100% đến 100%.
Becoming
Không phải một chỉ số phổ biến thông thường — đây là lớp phát hiện những thực thể có Momentum tăng nhanh (trên 50%) nhưng Interest Score vẫn còn thấp (dưới 30): tín hiệu đang bắt đầu hình thành, chưa trở nên phổ biến.
Nguồn dữ liệu & độ tươi mới
Signal được ghi nhận từ nhiều loại nguồn: tìm kiếm, tin tức, nguồn chính thức, marketplace/rao vặt, mạng xã hội, hành vi người dùng nội bộ. Mỗi Signal luôn gắn với một Source cụ thể để có thể truy ngược nguồn gốc.
Vai trò của AI
AI hỗ trợ trích xuất thực thể, gộp trùng thực thể (entity resolution) và tóm tắt/diễn giải — nhưng không tự đặt Score và diễn giải AI (nhãn SRadar) không bao giờ được trình bày như một sự thật tuyệt đối.