《基于全媒体大数据的视频内容评估模型建构＝THE CONSTRUCTION OF VIDEO CONTENT EVALUATION MODEL BASED ON THE BIG D》求取 ⇩

绪论1

第一节研究缘起与背景1

一、内容市场的变化1

二、学界的探索2

三、长期的追踪性研究为本研究提供了支撑2

第二节前人研究与文献综述3

一、内容评估方面的研究3

二、大数据的相关研究9

三、全媒体的相关研究15

四、内容银行的前人研究19

第三节视频内容评估产品的发展及现状20

一、内容评估产品发展的三个阶段21

二、内容评估产品的三重问题29

第四节研究方法及框架30

一、文献研究32

二、定性分析32

第一章内容评估体系建构的基础34

第一节市场基础：大视频产业对内容评估提出需求34

一、视频内容产业进入多元竞争格局，原有生存法则发生变化，需要评估体系支撑34

二、缺乏评估体系的内容交易模式不能满足视频内容产业的需求39

第二节技术基础：日益成熟的大数据产业为评估体系提供了现实可能44

一、数字技术始终是内容评估发展的驱动力45

二、大数据产业的发展日趋成熟47

第三节 本章小结54

第二章全媒体大数据内容评估体系的模型建构56

第一节基于全媒体大数据的内容评估模型的原则56

一、满足内容产业全流程评估的需求56

二、与内容生产相关各要素的价值评估要计入内容评估体系中58

三、利用大数据，结合主观经验评估60

四、充分挖掘数据价值，实现定量与定性结合61

第二节基于全媒体大数据的视频内容评估模型建构62

一、内容评估体系由5个模块组成62

二、全媒体收视模块64

三、全媒体社交舆情模块65

四、全媒体传播模块67

五、专家调研模块69

六、用户调研模块70

第三节基于全媒体大数据的视频内容评估模型具体构成72

一、全媒体收视模块的构成72

二、全媒体社交舆情模块的构成75

三、全媒体传播力模块的构成77

四、专家调研模块的构成78

五、用户调研模块的构成79

第四节 本章小结79

第三章内容评估体系模型实施——以内容银行内容评估体系为例81

第一节数据库设计：基于MongoDB进行架构81

一、数据库的选型：MongoDB81

二、数据库的具体构成83

三、建立传媒领域专业词典作为后续分析的基础83

第二节数据采集和预处理86

一、通过爬虫和API采集开放数据86

二、问卷系统采集分析师及用户调研数据：灵活、按需分配的问卷系统93

三、预处理：过滤及从非结构化到结构化数据的抽取94

第三节文本信息挖掘99

一、关键词提取技术99

二、文本情感倾向性分析103

三、文本话题聚类110

第四节指数计算118

一、互联网上的主流排名算法118

二、内容银行内容评估体系：借鉴多种算法，综合文本评估结果进行3种量化计算128

第五节 本章小结145

结语146

参考书目148