基于全媒體大數(shù)據(jù)的視頻內(nèi)容評(píng)估模型建構(gòu)

目錄
緒論1
第一節(jié)研究緣起與背景1
一、 內(nèi)容市場(chǎng)的變化1
二、 學(xué)界的探索2
三、 長(zhǎng)期的追蹤性研究為本研究提供了支撐2
第二節(jié)前人研究與文獻(xiàn)綜述3
一、 內(nèi)容評(píng)估方面的研究3
二、 大數(shù)據(jù)的相關(guān)研究9
三、 全媒體的相關(guān)研究15
四、 內(nèi)容銀行的前人研究19
第三節(jié)視頻內(nèi)容評(píng)估產(chǎn)品的發(fā)展及現(xiàn)狀20
一、 內(nèi)容評(píng)估產(chǎn)品發(fā)展的三個(gè)階段21
二、 內(nèi)容評(píng)估產(chǎn)品的三重問(wèn)題29
第四節(jié)研究方法及框架30
一、 文獻(xiàn)研究32
二、 定性分析32第一章內(nèi)容評(píng)估體系建構(gòu)的基礎(chǔ)34
第一節(jié)市場(chǎng)基礎(chǔ)： 大視頻產(chǎn)業(yè)對(duì)內(nèi)容評(píng)估提出需求34
一、 視頻內(nèi)容產(chǎn)業(yè)進(jìn)入多元競(jìng)爭(zhēng)格局，原有生存法則發(fā)生變化，
需要評(píng)估體系支撐34
二、 缺乏評(píng)估體系的內(nèi)容交易模式不能滿足視頻內(nèi)容產(chǎn)業(yè)的
需求39
第二節(jié)技術(shù)基礎(chǔ)： 日益成熟的大數(shù)據(jù)產(chǎn)業(yè)為評(píng)估體系
提供了現(xiàn)實(shí)可能44
一、 數(shù)字技術(shù)始終是內(nèi)容評(píng)估發(fā)展的驅(qū)動(dòng)力45
二、 大數(shù)據(jù)產(chǎn)業(yè)的發(fā)展日趨成熟47
第三節(jié)本章小結(jié)54第二章全媒體大數(shù)據(jù)內(nèi)容評(píng)估體系的模型建構(gòu)56
第一節(jié)基于全媒體大數(shù)據(jù)的內(nèi)容評(píng)估模型的原則56
一、 滿足內(nèi)容產(chǎn)業(yè)全流程評(píng)估的需求56
二、 與內(nèi)容生產(chǎn)相關(guān)各要素的價(jià)值評(píng)估要計(jì)入內(nèi)容評(píng)估
體系中58
三、 利用大數(shù)據(jù)，結(jié)合主觀經(jīng)驗(yàn)評(píng)估60
四、 充分挖掘數(shù)據(jù)價(jià)值，實(shí)現(xiàn)定量與定性結(jié)合61
第二節(jié)基于全媒體大數(shù)據(jù)的視頻內(nèi)容評(píng)估模型建構(gòu)62
一、 內(nèi)容評(píng)估體系由5個(gè)模塊組成62
二、 全媒體收視模塊64
三、 全媒體社交輿情模塊65
四、 全媒體傳播模塊67
五、 專家調(diào)研模塊69
六、 用戶調(diào)研模塊70
第三節(jié)基于全媒體大數(shù)據(jù)的視頻內(nèi)容評(píng)估模型具體構(gòu)成72
一、 全媒體收視模塊的構(gòu)成72
二、 全媒體社交輿情模塊的構(gòu)成75
三、 全媒體傳播力模塊的構(gòu)成77
四、 專家調(diào)研模塊的構(gòu)成78
五、 用戶調(diào)研模塊的構(gòu)成79
第四節(jié)本章小結(jié)79第三章內(nèi)容評(píng)估體系模型實(shí)施——以內(nèi)容銀行內(nèi)容評(píng)估
體系為例81
第一節(jié)數(shù)據(jù)庫(kù)設(shè)計(jì)： 基于MongoDB進(jìn)行架構(gòu)81
一、 數(shù)據(jù)庫(kù)的選型： MongoDB81
二、 數(shù)據(jù)庫(kù)的具體構(gòu)成83
三、 建立傳媒領(lǐng)域?qū)I(yè)詞典作為后續(xù)分析的基礎(chǔ)83
第二節(jié)數(shù)據(jù)采集和預(yù)處理86
一、 通過(guò)爬蟲(chóng)和API采集開(kāi)放數(shù)據(jù)86
二、 問(wèn)卷系統(tǒng)采集分析師及用戶調(diào)研數(shù)據(jù)： 靈活、按需分配的
問(wèn)卷系統(tǒng)93
三、 預(yù)處理： 過(guò)濾及從非結(jié)構(gòu)化到結(jié)構(gòu)化數(shù)據(jù)的抽取94
第三節(jié)文本信息挖掘99
一、 關(guān)鍵詞提取技術(shù)99
二、 文本情感傾向性分析103
三、 文本話題聚類110
第四節(jié)指數(shù)計(jì)算118
一、 互聯(lián)網(wǎng)上的主流排名算法118
二、 內(nèi)容銀行內(nèi)容評(píng)估體系： 借鑒多種算法，綜合文本評(píng)估結(jié)果
進(jìn)行3種量化計(jì)算128
第五節(jié)本章小結(jié)145結(jié)語(yǔ)146參考書(shū)目148