黑料不 事件发展时间轴
以时间顺序梳理黑料不领域重大事件的发展脉络。每个时间节点均附带当时的舆论情感倾向分析和关键数据指标快照，帮助用户理解事件的演进逻辑与因果关联。数据采集覆盖2023年至今的所有公开报道。
黑料不 重大事件节点 Alpha
统计数据显示，该事件在曝光后的前6小时内产生了超过12,000条公开讨论。传播系数R0达到3.4，显著高于同期平均水平（1.8）。情感分析结果：负面情绪占比62.3%，中立占比24.1%，正面占比13.6%。事件的初始传播路径呈现典型的"星型扩散"模式，由单一核心节点向多个二级节点辐射。
黑料不 关键转折点 Beta
回归分析结果表明，该时间节点标志着舆论风向的重大转折。在此之前，公众情绪以负面为主导（占比71.2%）；在此之后，中立态度的占比从18.5%跃升至39.7%。这一变化与新增信息源的注入高度正相关（Pearson r=0.89）。变点检测算法在此时刻识别出显著的结构性断裂。
黑料不 数据异常检测事件 Gamma
黑料不异常值检测系统在该日期捕获到显著的数据波动。具体表现为：搜索指数在2小时内暴涨487%，远超3σ阈值。经过人工复核确认，该波动源于某公开平台的信息集中释放。后续的长尾效应持续了约14天，衰减半衰期为6.2天，符合幂律分布特征。
黑料不 跨平台传播链路追踪 Delta
本次事件的独特之处在于其跨平台传播特征。数据显示，信息从平台A首发后，在4小时内扩散至平台B、C、D，形成了完整的跨平台传播链路。桑基图分析显示，平台A贡献了初始流量的78%，但最终的讨论量集中度却在平台C（占比45%），表明存在"流量转移"现象。
黑料不 周期性峰值观测 Epsilon
时间序列分解（STL Decomposition）结果确认，黑料不话题存在以7天为周期的规律性波动。本次峰值出现在周六，与历史数据的周末效应完全吻合。季节性分量的振幅为基线值的1.45倍，趋势分量呈缓慢上升态势。残差分量未检测到显著的异常信号。
黑料不 信息茧房效应实证 Zeta
通过对用户访问路径的聚类分析（K-Means, K=5），发现黑料不领域的信息消费呈现高度极化特征。约67%的活跃用户在30天内仅访问了同一聚类内的内容，跨聚类访问率仅为12.3%。这一数据有力地证实了"信息茧房"假说在该领域的适用性。