丁言愉競選連任聖蓋博市議員造勢 各界代表到場
世界日報World Journal.2024年9月8日 14:00

丁言愉7日啟動聖蓋博市議員連任造勢會,現場多名華裔民選官員,社團領袖及聖蓋博市居民冒著酷暑到場支持力挺。(記者張宏攝影)

聖蓋博市議員丁言愉(Tony Ding) 7日啟動競選連任造勢會,多名華裔民選官員、社團領袖及聖蓋博居民冒著酷暑到場支持。丁言愉表示,2020年選舉他以14票優勢當選,深刻認識到每一張票的重要性;希望連任後改善城市治安、發展經濟和促進團結等。

(影片來源:記者張宏)

丁言愉表示,四年前他得到華人社區支持成功當選,這次尋求連任,深知每一票的重要性,依然會去各家拉票和傾聽市民心聲。四年前他提出的競選綱領,如今已基本完成,包括將市府預算赤字轉虧為盈,加強街道路面改善,並推出19個實施重點區域重建計畫等。這一次的競選理念是社區安全優先,保持警察局人員配備齊全,資金充足。其次是營造商家經營的友好環境,支持經濟發展,尤其是扶植小企業,創造就業機會,幫助小型企業和為工薪家庭建造所需的住房。

丁言愉多年來積極服務社區,有深厚社區連結基礎。丁言愉在聖蓋博經營保險公司25年,他擁有碩士學位和上海交通大學學士學位。曾任聖蓋博社區服務委員會、聖蓋博希望獅子會主席,及Kiwanis俱樂部的成員,也是美國華人政治聯盟(IAPAC)名譽主席。

加州州眾議員方樹強、前加州眾議員伍國慶、聖蓋博市長吳程遠、副市長Denise Menchaca、市議員候選人Carina Rivera、亞凱迪亞市議員王愛琳、南巴沙迪那市議員候選人盧春雨,爾灣市長候選人孫立清等人到場支持。

方樹強表示,丁言愉通過華人政治聯盟幫助華人參政議政,同時在任市議員期間表現出色,呼籲大家為他連任積極投票。

吳程遠表示,丁言愉對社區貢獻大家有目共睹,在市議會,丁言愉充分體現他的合作精神和領導力,希望大家不僅要投票,還要投對人,丁言愉是很好的選擇。

Denise Menchaca在半年前就為丁言愉背書,她表示,丁言愉了解社區,思想開放,能接受不同於自己的新觀點。如農夫市場,就是在丁言愉帶領下改進升級後重新開放。

伍國慶帶領大家高呼丁言愉獲勝的口號,他表示,他的太太、國會眾議員趙美心也對丁言愉連任表示支持。他有很好的教育背景,且能連接來自中國大陸和台灣的民眾,希望他連任成功,繼續為社區做貢獻。

更多世界日報報導
紐約勞工節遊行 市長飽受冷待 政要遠離他 路人嘲諷他
國會迎中國周 排25個抗中法案 本周審「台灣衝突嚇阻法案」
紐約市連鎖餐廳含糖食品 下月起貼警告

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

謝龍介 參選 台南市長

媒體 宣傳 預算

凍結 總統府

雲林 中央

白委 凍結 總統府

中國 偷渡客

EBC東森新聞
TVBS新聞網
品觀點
民視
「只做4年讓大家懷念40年」謝龍介要參選台南市長
「只做4年讓大家懷念40年」謝龍介要參選台南市長
  • 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