多元视角下用户生成内容的信息质量评估研究

目录
前言
第1章 绪论 1
1.1 研究背景及意义 1
1.1.1 研究背景 1
1.1.2 研究意义 4
1.2 国内外UGC信息质量研究现状及述评 6
1.2.1 UGC信息质量政策标准与管控实践现状 7
1.2.2 UGC信息质量影响因素研究 14
1.2.3 不同类型的UGC信息质量评估研究 17
1.2.4 不同视角的UGC信息质量评估研究 25
1.2.5 研究述评 32
1.3 研究内容及方法 33
1.3.1 研究内容 33
1.3.2 研究方法 36
1.4 本书的创新点 38
参考文献 39
第2章 UGC信息质量评估的理论基础 48
2.1 UGC 48
2.1.1 UGC的概念 48
2.1.2 UGC的特点 50
2.1.3 UGC的形式及分类 51
2.2 信息质量的内涵 52
2.2.1 信息质量与信任 54
2.2.2 信息质量与权威 56
2.2.3 信息质量与可信度 58
2.3 信息质量评估测度理论框架 60
2.3.1 详尽可能性模型 61
2.3.2 认知权威理论 62
2.3.3 价值增值模型 63
2.3.4 突出解释理论 65
2.3.5 信息使用环境理论 66
2.4 信息质量评估的实践应用 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
参考文献 75
第3章 UGC信息质量评估的技术与方法 82
3.1 信息质量评估的维度 82
3.1.1 基于信息特征的信息质量评估维度 82
3.1.2 基于平台特征的信息质量评估维度 83
3.1.3 基于用户视角的信息质量评估维度 85
3.2 信息质量评估的标准 86
3.2.1 权威性 89
3.2.2 完整性 90
3.2.3 时效性 91
3.2.4 可信性 92
3.2.5 有用性 93
3.2.6 新颖性 94
3.3 信息质量评估的方法视角 95
3.3.1 基于社会统计学的方法与理论 95
3.3.2 基于心理学的方法与理论 100
3.3.3 基于信息科学的方法与理论 102
参考文献 113
第4章 信任视角下社交媒体用户的信息使用行为研究 124
4.1 问题的提出 124
4.2 理论基础与模型构建 126
4.2.1 研究假设的提出 126
4.2.2 理论模型的构建 131
4.3 研究方法及过程 132
4.3.1 样本获取 132
4.3.2 样本特征 134
4.4 模型验证 134
4.4.1 测量模型评估 135
4.4.2 结构模型评估 136
4.5 结论与讨论 137
4.5.1 研究结果分析 137
4.5.2 理论意义 139
4.5.3 实践意义 140
4.6 小结 141
参考文献 141
第5章 基于扎根理论的网络问答社区答案质量影响因素研究 147
5.1 问题的提出 147
5.1.1 研究背景 147
5.1.2 研究目标 148
5.2 研究现状 148
5.2.1 基于内容分析的答案质量影响因素研究 148
5.2.2 基于指标体系建设的答案质量实证研究 149
5.2.3 基于机器学习的答案质量自动化评价研究 150
5.2.4 基于行为视角的问答质量评测研究 150
5.2.5 研究述评 151
5.3 研究方法及过程 151
5.3.1 数据来源 151
5.3.2 研究方法 152
5.3.3 研究过程 153
5.4 研究发现 157
5.4.1 答案来源因素 157
5.4.2 答案信息因素 158
5.4.3 答案结构因素 158
5.4.4 答案效用因素 159
5.5 结论与讨论 159
5.5.1 注重内容来源，优化平台功能 160
5.5.2 避免答案冗余，提升内容深度 160
5.5.3 遵守社区准则，规范知识共享 160
5.5.4 优化答案表达，完善阅读体验 161
5.5.5 围绕用户需求，加强情感黏性 161
5.6 小结 162
参考文献 162
第6章 计算语言学视角下在线用户评论信息的有用性测度研究 165
6.1 问题的提出 165
6.2 研究现状 166
6.2.1 影响评论有用性的因素 166
6.2.2 在线评论有用性的预测 168
6.3 基于计算语言学的评论有用性评估方法 170
6.3.1 基于RCNN模型的评论有用性语义编码 171
6.3.2 基于DNN模型的多维离散特征编码 173
6.4 实验研究 175
6.4.1 实验数据 175
6.4.2 实验设置 176
6.4.3 实验结果 177
6.5 小结 183
参考文献 184
第7章 基于递归张量神经网络的微信公众号文章新颖度评估方法 188
7.1 问题的提出 188
7.2 研究现状 189
7.2.1 新颖度的概念及内涵 189
7.2.2 传统的新颖度评估方法 191
7.2.3 基于改进机器学习的新颖度评估方法 192
7.3 利用RNTN评估微信公众号文章 的新颖度 194
7.3.1 构建公众号文章的文本向量 194
7.3.2 微信公众号文章的新颖度评估 198
7.4 实验研究 201
7.4.1 实验准备 201
7.4.2 实验结果及分析 202
7.5 小结 207
参考文献 207
第8章 融合层级注意力机制的评论数据情感质量分析及可视化研究 211
8.1 问题的提出 211
8.2 研究现状 213
8.2.1 基于情感词典的情感分析 213
8.2.2 基于特定领域分类器的情感分析 213
8.2.3 基于注意力神经网络的情感分析 214
8.3 融合层级注意力机制的情感分析模型及方法 216
8.3.1 多层级注意力情感分析框架 216
8.3.2 情感语义编码器 217
8.3.3 单层注意力神经网络 220
8.3.4 双层注意力神经网络 221
8.3.5 情感分析层 222
8.4 实验研究 223
8.4.1 实验环境及数据 223
8.4.2 实验设置 224
8.4.3 实验结果分析及情感可视化 225
8.5 小结 231
参考文献 232
第9章 总结与展望 237
9.1 研究总结 237
9.1.1 理论研究 237
9.1.2 实证研究 239
9.2 研究不足 240
9.3 未来展望 241
彩图