三重警狂毆無辜男!挨批治安差 侯友宜:新北治安穩定還表現亮眼
三立新聞網 setn.com.2022年10月11日 12:35

記者陳怡潔/台北報導

三重警痛毆無辜男,挨批新北治安不好,侯友宜回應,治安表現亮眼

新北市三重區日前發生警察誤抓民眾更毆打致滿身傷,三重分局長道歉後員警又向當事人提告。民進黨新北市長參選人林佳龍陣營今(11)日批評,新北市長侯友宜沒針對三重警察誤傷人事件做回應,而且新北治安不好。侯友宜則回應,新北市的治安不但穩定而且表現得非常亮眼。

侯友宜今天出席「新北人氣宵夜票選爭霸賽 元宇宙開戰記者會」時,針對三重警誤傷人一事指出,新北市的治安在這幾年不但暴力犯罪大幅下降,也在去年底榮獲國家警光獎,不管在犯罪偵查、犯罪預防、交通以及綜合規劃,可以講所有警察最重要的治安獎項都是新北市拿第一。

侯友宜強調,尤其在各項民調的評核上,六都的第一的治安常常都是新北市拿到,所以其實新北市的治安非常的穩定,不管從數據方面,或者從民調方面,甚至從國家頒給新北市治安的肯定,新北市的治安不但穩定而且表現得非常亮眼。

更多三立新聞網報導
最新民調/基隆選戰火熱!蔡適應奪得33.27% 與謝國樑差距曝
國慶日26架共機來搗亂!邱國正:這不叫挑釁什麼才叫挑釁
民進黨斥:真是想太多 侯友宜目標贏林佳龍40萬票?知情人士揭「隱憂」
獨家/橘色惡魔快閃離台!收「最後一份大禮」 紀念郵摺滿滿台灣味

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

政論 節目 盯梢

賴清德 釋憲

民進黨團 國會 修法

賴清德 喊話

民進黨團 釋憲

徐巧芯 聲援 陳玉珍

台灣好新聞
中天新聞網
今日新聞NOWnews
中廣新聞網
沈伯洋早知「中國官媒盯梢」卻不吭聲 劉寶傑酸:雙面諜最可怕,他就是五毛
傳中共官媒新華社記者介入台灣某政論節目製作,甚至在錄影棚盯梢,確認達到國台辦的要求,該女記者趙博上個月悄悄離開台灣。《關鍵時刻》主持人劉寶傑自掌嘴巴發毒誓,如果他的節目讓共產黨指手畫腳、說三道四,「你半夜可以把我抓走!」。針對民進黨立委沈伯洋透露「中國的手伸入政論節目」,自己大概2個多月前就知道了。劉寶傑怒轟,如果你2個多月前知道,怎麼會讓她走掉?是不是早就該把這位記者抓出來?劉寶傑狠酸,「我每次看到沈伯洋,我都覺得他到底是一個小丑,還是認真?我真的覺得賴清德總統,如果你真的要有個門面,如果你真的要搞一個所謂的認知作戰,你能不能找一個像樣的人啊?你能不能找好一點的人啊?每天都搞一個小丑,你要我們怎麼接受嘛?」劉寶傑質疑,「如果你2個多月前知道,你怎麼會讓趙博走掉?你如果2個月前知道,你是不是早就該把趙博抓出來?你要嘛就驅逐出境,要嘛就抓出來,而且你要把相關人員弄起來。你怎麼會等到人走了?人走了一個多月以後,你才說『哦!有事情了!』名嘴張禹宣質疑,沈伯洋兩個月前沒通報把趙博抓起來,不然就證明你是第五縱隊的帶頭者。劉寶傑拉高分貝嗆,「他是!我都覺得他是!」劉寶傑罵,他對國共內戰有研究,「這
  • 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