多元視角下用戶生成內(nèi)容的信息質(zhì)量評估研究

目錄
前言
第1章 緒論 1
1.1 研究背景及意義 1
1.1.1 研究背景 1
1.1.2 研究意義 4
1.2 國內(nèi)外UGC信息質(zhì)量研究現(xiàn)狀及述評 6
1.2.1 UGC信息質(zhì)量政策標準與管控實踐現(xiàn)狀 7
1.2.2 UGC信息質(zhì)量影響因素研究 14
1.2.3 不同類型的UGC信息質(zhì)量評估研究 17
1.2.4 不同視角的UGC信息質(zhì)量評估研究 25
1.2.5 研究述評 32
1.3 研究內(nèi)容及方法 33
1.3.1 研究內(nèi)容 33
1.3.2 研究方法 36
1.4 本書的創(chuàng)新點 38
參考文獻 39
第2章 UGC信息質(zhì)量評估的理論基礎(chǔ) 48
2.1 UGC 48
2.1.1 UGC的概念 48
2.1.2 UGC的特點 50
2.1.3 UGC的形式及分類 51
2.2 信息質(zhì)量的內(nèi)涵 52
2.2.1 信息質(zhì)量與信任 54
2.2.2 信息質(zhì)量與權(quán)威 56
2.2.3 信息質(zhì)量與可信度 58
2.3 信息質(zhì)量評估測度理論框架 60
2.3.1 詳盡可能性模型 61
2.3.2 認知權(quán)威理論 62
2.3.3 價值增值模型 63
2.3.4 突出解釋理論 65
2.3.5 信息使用環(huán)境理論 66
2.4 信息質(zhì)量評估的實踐應(yīng)用 67
2.4.1 Michigan Checklist 67
2.4.2 TrustArc 68
2.4.3 HONcode 70
2.4.4 PICS 71
2.4.5 DISCERN 73
參考文獻 75
第3章 UGC信息質(zhì)量評估的技術(shù)與方法 82
3.1 信息質(zhì)量評估的維度 82
3.1.1 基于信息特征的信息質(zhì)量評估維度 82
3.1.2 基于平臺特征的信息質(zhì)量評估維度 83
3.1.3 基于用戶視角的信息質(zhì)量評估維度 85
3.2 信息質(zhì)量評估的標準 86
3.2.1 權(quán)威性 89
3.2.2 完整性 90
3.2.3 時效性 91
3.2.4 可信性 92
3.2.5 有用性 93
3.2.6 新穎性 94
3.3 信息質(zhì)量評估的方法視角 95
3.3.1 基于社會統(tǒng)計學的方法與理論 95
3.3.2 基于心理學的方法與理論 100
3.3.3 基于信息科學的方法與理論 102
參考文獻 113
第4章 信任視角下社交媒體用戶的信息使用行為研究 124
4.1 問題的提出 124
4.2 理論基礎(chǔ)與模型構(gòu)建 126
4.2.1 研究假設(shè)的提出 126
4.2.2 理論模型的構(gòu)建 131
4.3 研究方法及過程 132
4.3.1 樣本獲取 132
4.3.2 樣本特征 134
4.4 模型驗證 134
4.4.1 測量模型評估 135
4.4.2 結(jié)構(gòu)模型評估 136
4.5 結(jié)論與討論 137
4.5.1 研究結(jié)果分析 137
4.5.2 理論意義 139
4.5.3 實踐意義 140
4.6 小結(jié) 141
參考文獻 141
第5章 基于扎根理論的網(wǎng)絡(luò)問答社區(qū)答案質(zhì)量影響因素研究 147
5.1 問題的提出 147
5.1.1 研究背景 147
5.1.2 研究目標 148
5.2 研究現(xiàn)狀 148
5.2.1 基于內(nèi)容分析的答案質(zhì)量影響因素研究 148
5.2.2 基于指標體系建設(shè)的答案質(zhì)量實證研究 149
5.2.3 基于機器學習的答案質(zhì)量自動化評價研究 150
5.2.4 基于行為視角的問答質(zhì)量評測研究 150
5.2.5 研究述評 151
5.3 研究方法及過程 151
5.3.1 數(shù)據(jù)來源 151
5.3.2 研究方法 152
5.3.3 研究過程 153
5.4 研究發(fā)現(xiàn) 157
5.4.1 答案來源因素 157
5.4.2 答案信息因素 158
5.4.3 答案結(jié)構(gòu)因素 158
5.4.4 答案效用因素 159
5.5 結(jié)論與討論 159
5.5.1 注重內(nèi)容來源，優(yōu)化平臺功能 160
5.5.2 避免答案冗余，提升內(nèi)容深度 160
5.5.3 遵守社區(qū)準則，規(guī)范知識共享 160
5.5.4 優(yōu)化答案表達，完善閱讀體驗 161
5.5.5 圍繞用戶需求，加強情感黏性 161
5.6 小結(jié) 162
參考文獻 162
第6章 計算語言學視角下在線用戶評論信息的有用性測度研究 165
6.1 問題的提出 165
6.2 研究現(xiàn)狀 166
6.2.1 影響評論有用性的因素 166
6.2.2 在線評論有用性的預(yù)測 168
6.3 基于計算語言學的評論有用性評估方法 170
6.3.1 基于RCNN模型的評論有用性語義編碼 171
6.3.2 基于DNN模型的多維離散特征編碼 173
6.4 實驗研究 175
6.4.1 實驗數(shù)據(jù) 175
6.4.2 實驗設(shè)置 176
6.4.3 實驗結(jié)果 177
6.5 小結(jié) 183
參考文獻 184
第7章 基于遞歸張量神經(jīng)網(wǎng)絡(luò)的微信公眾號文章新穎度評估方法 188
7.1 問題的提出 188
7.2 研究現(xiàn)狀 189
7.2.1 新穎度的概念及內(nèi)涵 189
7.2.2 傳統(tǒng)的新穎度評估方法 191
7.2.3 基于改進機器學習的新穎度評估方法 192
7.3 利用RNTN評估微信公眾號文章 的新穎度 194
7.3.1 構(gòu)建公眾號文章的文本向量 194
7.3.2 微信公眾號文章的新穎度評估 198
7.4 實驗研究 201
7.4.1 實驗準備 201
7.4.2 實驗結(jié)果及分析 202
7.5 小結(jié) 207
參考文獻 207
第8章 融合層級注意力機制的評論數(shù)據(jù)情感質(zhì)量分析及可視化研究 211
8.1 問題的提出 211
8.2 研究現(xiàn)狀 213
8.2.1 基于情感詞典的情感分析 213
8.2.2 基于特定領(lǐng)域分類器的情感分析 213
8.2.3 基于注意力神經(jīng)網(wǎng)絡(luò)的情感分析 214
8.3 融合層級注意力機制的情感分析模型及方法 216
8.3.1 多層級注意力情感分析框架 216
8.3.2 情感語義編碼器 217
8.3.3 單層注意力神經(jīng)網(wǎng)絡(luò) 220
8.3.4 雙層注意力神經(jīng)網(wǎng)絡(luò) 221
8.3.5 情感分析層 222
8.4 實驗研究 223
8.4.1 實驗環(huán)境及數(shù)據(jù) 223
8.4.2 實驗設(shè)置 224
8.4.3 實驗結(jié)果分析及情感可視化 225
8.5 小結(jié) 231
參考文獻 232
第9章 總結(jié)與展望 237
9.1 研究總結(jié) 237
9.1.1 理論研究 237
9.1.2 實證研究 239
9.2 研究不足 240
9.3 未來展望 241
彩圖