grtock 4.1推文趋势可视化需四步：一、启用时间序列解析模块并设置时间粒度；二、构建“时间+关键词”热力图；三、生成转发量与情绪得分双轴折线图；四、导出转发量异常点csv报告。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 免费无限量使用 DeepSeek R1 模型☜☜☜
如果您在使用GRTock 4.1分析推文数据时无法直观识别话题热度或时间分布规律，则可能是由于原始推文流未经过结构化提取与时间对齐处理。以下是针对GRTock 4.1版本开展推文趋势可视化分析的具体操作路径：
一、启用推文时间序列解析模块
该模块负责将原始JSON格式的推文数据按UTC时间戳自动对齐为等间隔时间序列，为后续趋势图生成提供基础时间轴支撑。
1、启动GRTock 4.1客户端后，点击左上角“Settings”按钮打开设置面板。
2、在“Data Processing”选项卡中，勾选Enable Temporal Alignment for Tweet Streams复选框。
3、在下方“Time Granularity”下拉菜单中选择所需聚合粒度：可选“1min”、“5min”、“1hour”或“1day”。
4、点击右下角“Apply & Reload”按钮使配置生效并重载当前数据集。
二、构建推文热度热力图
热力图通过二维矩阵呈现“时间+关键词”维度的交互密度，适用于发现突发性话题在不同时段的传播强度变化。
1、在主界面顶部导航栏点击“Visualize” → 选择“Heatmap”类型图表。
2、在弹出的字段映射面板中，将timestamp_utc拖入X轴区域，将top_keyword_cluster拖入Y轴区域。
3、在“Aggregation Method”中选择Count of Tweets作为数值聚合方式。
4、点击“Generate Heatmap”按钮执行渲染，图表将实时显示每小时各关键词簇的发帖频次密度。
三、生成带情绪标记的折线趋势图
该方法将推文情感得分（-1至+1）叠加到转发量曲线上，帮助识别高互动内容的情绪倾向是否驱动传播峰值。
1、切换至“Chart Builder”工作区，点击“+ Add Series”按钮新增数据序列。
2、第一序列配置：X轴设为created_at，Y轴设为retweet_count，图表类型选“Line”。
3、第二序列配置：X轴同样为created_at，Y轴设为vader_compound_score，图表类型选“Line”，颜色设为红色。
4、勾选“Sync X-Axis Scaling”选项确保双曲线时间轴完全对齐，点击“Render Dual-Axis Plot”完成绘制。
四、导出趋势异常点CSV报告
此功能自动识别转发量偏离滚动均值超过3个标准差的时间点，并输出含上下文推文ID与原始文本的诊断清单。
1、在“Analyze”菜单中选择“Detect Anomalies in Tweet Volume”。
2、设置窗口大小为last 1440 minutes（即24小时滑动窗口）。
3、在“Threshold Multiplier”输入框中填入数值3.0。
4、点击“Export Anomaly Report”按钮，系统将生成包含timestamp、tweet_id、text、z_score四列的CSV文件。
