本书融合用户研究、行为科学、信息质量、大数据分析等相关理论和方法,深入探讨社交网络用户参与行为及其对UGC质量的影响,通过挖掘“用户行为-UGC质量”关联,把基于内容和基于行为的方法结合起来,建立了多种基于用户行为挖掘的UGC质量实时预判模型,为UGC质量治理提供新思路。
与之前相关研究相比,本书从用户行为的角度研究UGC质量治理,为适应新一代网络信息资源管理的需求,提出UGC质量“预判”的思想,能够变事后控制为事前预测与管理,有助于管理部门更有效地进行网络内容治理。
样章试读
目录
- 目录
总序
前言
第1章 绪论 1
1.1 研究背景及意义 1
1.2 国内外研究现状 4
1.3 研究内容与研究方法 22
1.4 本章小结 26
第2章 UGC基本问题 27
2.1 UGC的发展现状 27
2.2 UGC的特点 33
2.3 UGC的类型 34
2.4 UGC存在的问题 38
2.5 本章小结 42
第3章 UGC质量现状及评价标准 43
3.1 UGC质量现状 43
3.2 信息质量评价指标 51
3.3 UGC质量评价标准 60
3.4 基于用户体验的UGC质量评价标准 72
3.5 高质量UGC的特征 77
3.6 本章小结 80
第4章 社交网络用户参与行为及其对UGC质量的影响 81
4.1 社交网络用户参与行为 81
4.2 社交网络用户参与行为的动因 85
4.3 影响UGC质量的用户参与行为因素 86
4.4 社交网络用户参与行为与UGC质量关联关系挖掘—以转发行为为例 90
4.5 本章小结 104
第5章 基于用户信誉评级的UGC质量预判模型 105
5.1 基本思路 105
5.2 基于历史行为的用户信誉评级算法 107
5.3 基于用户信誉评级的UGC质量预判机制 113
5.4 实验验证—以“新浪微博”为实验平台 114
5.5 本章小结 125
第6章 基于用户行为情景的UGC质量预判模型 126
6.1 UGC用户行为情景 126
6.2 用户行为情景本体的形式化表示 131
6.3 基于用户行为情景本体的UGC质量预判模型 133
6.4 本章小结 138
第7章 基于用户情绪感知的UGC质量预判模型 139
7.1 UGC用户情绪感知 139
7.2 研究设计 142
7.3 基于用户情绪感知的UGC质量预判模型构建 144
7.4 模型检验 150
7.5 本章小结 152
第8章 基于用户画像的UGC质量预判模型 154
8.1 用户画像及其构建方法 154
8.2 基于用户画像的UGC质量预判模型的构建 157
8.3 预判模型的验证 166
8.4 本章小结 173
第9章 总结与展望 174
9.1 本书主要的研究工作 174
9.2 本书的突出特色 177
9.3 本书存在的不足 177
参考文献 179
附录 197
附录1 网络环境下影响UGC质量的用户信息行为重要性专家评分 197
附录2 “新浪微博”志愿者征集说明 198
附录3 微博内容质量评估系统部分代码实现 199
附录4 词条内容质量管理系统使用界面 207
附录5 低质量UGC识别算法关键代码(Python语言实现) 208
附录6 用户画像生成与UGC质量预判模型关键代码(Python语言实现) 211
附录7 本书设计的爬虫程序关键代码(Python语言实现) 218