基于全媒體大數(shù)據(jù)的視頻內(nèi)容評估模型建構

目錄
緒論1
第一節(jié)研究緣起與背景1
一、 內(nèi)容市場的變化1
二、 學界的探索2
三、 長期的追蹤性研究為本研究提供了支撐2
第二節(jié)前人研究與文獻綜述3
一、 內(nèi)容評估方面的研究3
二、 大數(shù)據(jù)的相關研究9
三、 全媒體的相關研究15
四、 內(nèi)容銀行的前人研究19
第三節(jié)視頻內(nèi)容評估產(chǎn)品的發(fā)展及現(xiàn)狀20
一、 內(nèi)容評估產(chǎn)品發(fā)展的三個階段21
二、 內(nèi)容評估產(chǎn)品的三重問題29
第四節(jié)研究方法及框架30
一、 文獻研究32
二、 定性分析32第一章內(nèi)容評估體系建構的基礎34
第一節(jié)市場基礎： 大視頻產(chǎn)業(yè)對內(nèi)容評估提出需求34
一、 視頻內(nèi)容產(chǎn)業(yè)進入多元競爭格局，原有生存法則發(fā)生變化，
需要評估體系支撐34
二、 缺乏評估體系的內(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)技術基礎： 日益成熟的大數(shù)據(jù)產(chǎn)業(yè)為評估體系
提供了現(xiàn)實可能44
一、 數(shù)字技術始終是內(nèi)容評估發(fā)展的驅動力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54第二章全媒體大數(shù)據(jù)內(nèi)容評估體系的模型建構56
第一節(jié)基于全媒體大數(shù)據(jù)的內(nèi)容評估模型的原則56
一、 滿足內(nèi)容產(chǎn)業(yè)全流程評估的需求56
二、 與內(nèi)容生產(chǎn)相關各要素的價值評估要計入內(nèi)容評估
體系中58
三、 利用大數(shù)據(jù)，結合主觀經(jīng)驗評估60
四、 充分挖掘數(shù)據(jù)價值，實現(xiàn)定量與定性結合61
第二節(jié)基于全媒體大數(shù)據(jù)的視頻內(nèi)容評估模型建構62
一、 內(nèi)容評估體系由5個模塊組成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、 專家調研模塊69
六、 用戶調研模塊70
第三節(jié)基于全媒體大數(shù)據(jù)的視頻內(nèi)容評估模型具體構成72
一、 全媒體收視模塊的構成72
二、 全媒體社交輿情模塊的構成75
三、 全媒體傳播力模塊的構成77
四、 專家調研模塊的構成78
五、 用戶調研模塊的構成79
第四節(jié)本章小結79第三章內(nèi)容評估體系模型實施——以內(nèi)容銀行內(nèi)容評估
體系為例81
第一節(jié)數(shù)據(jù)庫設計： 基于MongoDB進行架構81
一、 數(shù)據(jù)庫的選型： MongoDB81
二、 數(shù)據(jù)庫的具體構成83
三、 建立傳媒領域專業(yè)詞典作為后續(xù)分析的基礎83
第二節(jié)數(shù)據(jù)采集和預處理86
一、 通過爬蟲和API采集開放數(shù)據(jù)86
二、 問卷系統(tǒng)采集分析師及用戶調研數(shù)據(jù)： 靈活、按需分配的
問卷系統(tǒng)93
三、 預處理： 過濾及從非結構化到結構化數(shù)據(jù)的抽取94
第三節(jié)文本信息挖掘99
一、 關鍵詞提取技術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)容評估體系： 借鑒多種算法，綜合文本評估結果
進行3種量化計算128
第五節(jié)本章小結145結語146參考書目148