116美女写真午夜视频电影,japanese日本熟妇多毛,日本中文字幕a∨在线观看

內(nèi)容簡介

　　本書梳理了內(nèi)容產(chǎn)業(yè)的變化，提出將內(nèi)容產(chǎn)業(yè)與大數(shù)據(jù)及深度學(xué)習(xí)等先進(jìn)技術(shù)結(jié)合的切入點(diǎn)——內(nèi)容評(píng)估體系，并結(jié)合數(shù)學(xué)模型提出算法，從數(shù)據(jù)采集、存儲(chǔ)、處理幾個(gè)方面展示全流程的實(shí)操與驗(yàn)證。書中所闡釋的觀點(diǎn)與實(shí)踐經(jīng)驗(yàn)為內(nèi)容產(chǎn)業(yè)工作者和研究者提供了示范和啟發(fā)，適合相關(guān)從業(yè)人員和本科高年屆和研究生閱讀。

作者簡介

　　吳殿義，本科畢業(yè)于山東大學(xué)計(jì)算機(jī)科學(xué)與技術(shù)學(xué)院，碩博畢業(yè)于中國傳媒大學(xué)廣告學(xué)院，歷任騰訊微博、百度社區(qū)等產(chǎn)品經(jīng)理，博士畢業(yè)后留校任教，目前為中國傳媒大學(xué)廣告學(xué)院網(wǎng)絡(luò)與新媒體系講師，并作為實(shí)驗(yàn)室主任，負(fù)責(zé)“內(nèi)容銀行重點(diǎn)實(shí)驗(yàn)室”日常工作。先后參與國家科技支撐計(jì)劃等重大科研項(xiàng)目研究，主導(dǎo)基于數(shù)字電視的標(biāo)簽及推薦系統(tǒng)研究及相關(guān)系統(tǒng)研發(fā)，在各類期刊發(fā)表論文數(shù)十篇。

圖書目錄

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(xué)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(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)入多元競爭格局，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)庫設(shè)計(jì)：基于MongoDB進(jìn)行架構(gòu)81
一、數(shù)據(jù)庫的選型： MongoDB81
二、數(shù)據(jù)庫的具體構(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(diào)研數(shù)據(jù)：靈活、按需分配的
問卷系統(tǒng)93
三、預(yù)處理：過濾及從非結(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146參考書目148