陳時中競選總部成立 蔡賴蘇天王級人物齊聚拉抬
鏡新聞.2022年10月1日 19:45

民進黨台北市長參選人陳時中的競選總部,10月1日舉辦成立大會,來了上萬個支持者,當然還有民進黨內的各大天王,總統、副總統、行政院長都來了。賴清德全程台語演講,總統蔡英文則說,這是民進黨距離台北市最近的一次,要支持者一定要挺下去。

總統蔡英文:「這次選舉是從1998年到現在,我們最有機會在首都選贏的一次,批評也從來沒有少過,壓力更是從來沒有少過,但是陳時中都挺過來了。」總統親自出馬,號召爆滿支持者,力挺陳時中,陳時中競選總部正式成立,想在大會助講,層級院長起跳。

副總統賴清德:「(建設)都是從台北先開始,隨後其他縣市才跟進,但是這幾年來這樣的情形已經看不到,已經停頓,所以未來新的、好的台北'市長,要負起台灣火車頭的責任。」

信賴台灣,信賴陳時中,副總統賴清德拐個彎諷刺柯文哲,8年市長首都變得不像首都,換成閣揆蘇貞昌接棒,撞球桿一出,要把選戰層次再拉高。行政院長蘇貞昌:「是我和陳時中第一個打(疫苗)給大家看,這樣到今天,竟然有人說我們在謀財害命,這有天理嗎?這有公道嗎?這對陳時中公平嗎?」

疫苗三級警戒,包袱不再避而不談,因為公衛專家前副總統陳建仁,也親自背書,前副總統陳建仁:「台灣防疫的成功,就是因為有很好的指揮官的良善治理,這樣的指揮官,就是最好的台北市未來的市長,大家說對不對!」

綠營四巨頭抬轎,主角登場火力全開,民進黨台北市長參選人陳時中:「黃珊珊擔任副市長後,《天下雜誌》施政滿意度的民調,台北市是連續三年最後一名,是柯文哲已經江郎才盡,而妳無力回天,國民黨他們長期認為,台北市永遠是他們的地盤,他們認為只要製造對立煽動仇恨,國民黨就能贏,2022我們再次回到這裡,我向總統報告,我們一定會贏。」

競選總部就挑在總統蔡英文當年拚連任,817萬票勝選根據地,綠營想在台北市複製勝果,鞏固2024佈局看的見,現場號稱破萬人,甚至擠向周邊街道,有熱情支持者帶著畫像想叫陳時中簽名,但也有人想引起注意。鄭寶清脫黨拼桃園,戰車開來台北想把矛盾再擴大,成了場邊意外插曲。

「鏡新聞」已在MOD508台與YouTube頻道同步播出。


更多《鏡新聞》報導
大學迎新惹議!口對口傳水、拖把抹臉 龍華科大:調查中
16歲少女北宜自摔遭輾斃 母心碎認屍「將對司機、車主求償」
柯志恩造勢人數膨風? 喊1.5萬「又變5萬人」

最新選舉新聞

最新選舉新聞

多元觀點

不同視角的媒體報導

國情 報告

賴清德 勞力士

大法官 廢死

參選 主委

蔡英文 接見 眾院

大法官 法務部

三立新聞網 setn.com
中時新聞網
風傳媒
匯流新聞網
520上任後赴立法院做國情報告?賴清德:我一定是責無旁貸
記者盧素梅/台北報導 準總統賴清德即將在5月20日上任,國民黨主席朱立倫昨天表示,國民黨立法院黨團520後將邀請賴清德赴立法院國情報告一事,對此,賴清德今(25)日表示,要不
  • 資料來源:網路溫度計自2017年至今約累積28億則以上文章的網路社群大數據資料庫,其內容涵蓋Facebook、YouTube、Instagram、Dcard、以及包含Yahoo奇摩新聞、聯合新聞網、中時新聞網、ETtoday新聞雲、LINE TODAY、蘋果日報、自由時報、三立新聞網等約350家媒體網站上與選舉相關之政黨、候選人公開資料。
  • 分析方式:本模型分析方式非採傳統抽樣之民意調查,係將蒐集之資料庫予以分析,無母體數、樣本數限制。本模型係運用大數據關鍵引擎,透過深度學習與AI人工智慧技術,使用斷字切詞(Word Segmentation)、語意分析(Semantic Analysis) 、即時情緒分析(Real-Time Sentiment Analysis)等技術,汲取網路上相關討論文章,將文章分為正面、負面、中立三種情緒,計算網路聲量。
  • 跨世代劃分標準:本預測模型判別跨世代之依據,係以不同世代使用者之網路社群行為模式差異區辨。以不同社群網站之使用者世代臉譜數據為基礎,計算跨世代在不同社群聲量上的權重,綜合計算後得到世代好感度數據。
  • 名詞解釋
    • 網路聲量:透過「KEYPO大數據關鍵引擎」,計算社群討論及新聞報導提及的文章則數,聲量越高代表討論越熱,能見度越高。
    • 好感度分數:綜合評估網路聲量與網友語意情緒,分析各熱門候選人的網友評價。各熱門候選人的情緒、聲量皆經過標準化分數處理,得出好感度分數,再進行各縣市候選人彼此的比較,評量不僅需要聲量高,而且是好評要高,負評要低。好感度分數範圍在0-100分之間,分數越高,表示整體網友對於該位候選人的好感程度越佳。
  • 其他說明
    • 調查單位及主持人:大數據股份有限公司
    • 辦理時間:即日起至2022年11月16日止,逐日更新好感度數據。
    • 抽樣方式:本預測模型非抽樣之民調調查
    • 母體數:無母體數,請參考上述大數據資料庫的內容涵蓋範圍
    • 樣本數及誤差值:本預測模型非採用小樣本抽樣之民意調查,不適用抽樣誤差值
    • 經費來源:Yahoo奇摩、大數據股份有限公司