再戰高嘉瑜?! 李彥秀評估港湖藍綠55波
TVBS新聞網.2023年2月16日 18:44

立委選舉即將上演內戰戲碼了嗎?繼國民黨北市議員游淑慧宣布要角逐港湖區立委之後,同選區的最高票議員李彥秀也透露,預計在3月會正式表態參戰,不過兩人口徑一致都說,最大敵人是民進黨現任的高嘉瑜。

圖/翻攝POP Radio聯播網

台北市議員(國)李彥秀:「我覺得應該3月中、3月底(宣布),時機會更成熟,只要大家穩紮穩打,我覺得五五波的趨勢是看好的。」

連表態參選時間都先預告,才拿下全北市第一高票的李彥秀,目標可不只當議員就好,準備強勢回歸再次進入國會。

台北市議員(國)李彥秀:「第一次選的時候是黃珊珊跟民進黨合作,第二次選的時候是高嘉瑜跟柯文哲的關係非常好,所以我都是一個國民黨對兩個政黨在打。」

坦言過去選得艱困,但如今還得先打敗第一關對手,同樣表態要選立委的游淑慧,港湖內戰藍營互打。

圖/TVBS

台北市議員(國)游淑慧:「我對我自己國民黨的議員同志,我是有信心的我們一定會團結對外,我現在目前所思考的是,第一個我們要如何下架民進黨,如何挑戰高嘉瑜。」

確實也沒本錢把自家人當敵人,畢竟民進黨有現任優勢,當年高嘉瑜以12萬高票,擠下李彥秀順利當選,儘管近期黨內外風波不斷,但高嘉瑜實力仍然不容小覷。

台北市議員(國)李彥秀:「能不能幫國民黨拿回這一席,因為上次是輸在我手上,高嘉瑜並不弱,特別是她跟賴清德的關係。」

圖/TVBS

民進黨立委高嘉瑜(2020.11):「選舉還這麼久的事,那如果有人現在就要提早開始做準備,我們也是提早就開始應戰。」

2年多前說的話,也印證現在的選情趨勢,國民黨已經有8名現任議員,陸續表態競選立委,包含港湖區的李彥秀、游淑慧,松信區徐巧芯,大安文山徐弘庭、鍾沛君,還有李柏毅也被點名,中正萬華鍾小平,以及最早宣布的士林北投張斯綱。

台北市議員(國)張斯綱:「議員連任或是兩、三任,來參選立委已經是常態了,譬如說民進黨的高嘉瑜、吳思瑤,上次(松信區)的許淑華,都是由議員轉戰選立委。」

轉戰立委藍綠都有先例,關鍵還是誰能成為選民的心中唯一。

更多 TVBS 報導
喊戰高嘉瑜被疑「不自量力」游淑慧霸氣嗆:狹路相逢勇者勝
叔叔阿姨都在罵王世堅、高嘉瑜 他曝內幕:現在開除黨籍沒意義
賴主席上任第一關? 黨內喊開除「堅、偉、瑜」
王浩宇影射王世堅父背骨 高嘉瑜抱不平嗆:操作仇恨不道德

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

賴清德 就職

盧秀燕 出席

就職 典禮

蔡英文 特赦 阿扁

賴清德 就職 典禮

外交部 徐巧芯 洩密

FTNN新聞網
中天新聞網
太報
民視
判斷賴清德520就職類「四不一沒有」邏輯 郭正亮:一年後賴清德就「本性跑出來」
[FTNN新聞網]記者孫偉倫/台北報導各界都關注即將在520就任的準總統賴清德發表演說的內容,前民進黨立委郭正亮判斷,賴清德就職演說邏輯將如同前總統陳水扁初...
  • 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