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 DPDF电子书下载
其他书籍
- 作 者：吴殿义着
- 出 版 社：
- 出版年份：2020
- ISBN：
- 页数：0 页
图书介绍： 查看图书目录点击购买PDF全本电子书 上一篇：俄罗斯和北极下一篇：质量管理学 第2版 《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》目录 标签：建构 模型 评估 媒体 内容
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
相关图书
- 《女丹仙道：道教女子内丹养生修炼秘籍 下》董沛文着 2012
- 《长三角雾霾突发事件风险评估、应急决策及联动防治机制研究》叶春明着 2019
- 《有机磷酸酯的暴露、毒性机制及环境风险评估》许宜平，王子健等着 2019
- 《批判 建构与实践 戴维·佩珀生态社会主义思想研究》梅丽着 2019
- 《模型与认知》（美）乔纳森·A.瓦斯肯着，魏刘伟译 2019
- 《中国二氧化碳减排和环境协同效益评价模型的构建与研究》杨曦，滕飞着 2019
- 《高中压配电网规划 实用模型、方法、软件和应用 上》王主丁着 2020
- 《新媒体行业写作与推广108招 打造专业内容，成就企业品牌》陈志红 2019
- 《农田温室气体排放评估与减排技术》江丽华编着 2019
- 《初等模型论》姚宁远着 2018
作者其它书籍
- 《曾国荃与晚清大变局》刘绪义着 2019
- 《透明的颜色》陈荣义着 2017
- 《物理学家说文析理》范洪义着 2019
- 《茅盾研究八十年书系 第23册 茅盾文学批评论》罗宗义着 2014
- 《华夏笔都》郭传义着 1993
- 《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》吴殿义着 2020
- 《农人耕耘集》高维义着 2019
- 《松竹杂吟》李鸿义着 2018
- 《诗圣传奇》崔泽义着 2000
- 《速记趣味方剂》吴殿兴着 2013
出版社其它书籍
本类热门
- 1变通 受用一生的学问
- 2额尔古纳河右岸
- 3易经真的很容易
- 4海蒂怀孕大百科 全新第4版
- 5八次危机 中国的真实经验1949-2009
- 6法治的细节
- 7你是你吃出来的
- 8蛤蟆先生的希望
- 9杀死一只知更鸟
- 10天幕红尘
摘要：本文以“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.pdf电子书版文档下载”为中心，详细阐述了全媒体大数据在视频内容评估模型建构中的应用。文章从数据采集、模型构建、评估指标和实际应用四个方面进行了深入探讨，为视频内容评估提供了新的思路和方法。
1、数据采集
在全媒体大数据环境下，视频内容评估模型的构建首先需要采集大量的视频数据。这些数据来源于互联网、社交媒体、视频平台等多个渠道，涵盖了各种类型的视频内容。数据采集过程中，需要关注数据的全面性、多样性和实时性，以确保评估模型的准确性和可靠性。
此外，数据采集还需注意数据的质量和格式。高质量的数据有助于提高评估模型的性能，而统一的数据格式则便于后续的数据处理和分析。在实际操作中，可以通过爬虫技术、API接口等方式获取视频数据，并对数据进行清洗和预处理，为模型构建奠定基础。
总之，数据采集是视频内容评估模型建构的关键环节，直接影响到模型的性能和效果。
2、模型构建
基于全媒体大数据的视频内容评估模型构建，主要采用机器学习、深度学习等技术。在模型构建过程中，需要考虑以下因素：
（1）特征提取：从视频数据中提取关键特征，如文本、图像、音频等，为模型提供输入信息。
（2）模型选择：根据评估任务的需求，选择合适的机器学习或深度学习模型，如卷积神经网络（CNN）、循环神经网络（RNN）等。
（3）参数优化：通过调整模型参数，提高模型的性能和泛化能力。
在实际应用中，可以通过交叉验证、网格搜索等方法对模型进行优化，以获得最佳性能。
3、评估指标
视频内容评估模型的评估指标主要包括准确率、召回率、F1值等。这些指标反映了模型在评估任务中的性能。在实际应用中，可以根据具体任务需求选择合适的评估指标。
（1）准确率：衡量模型预测结果与实际标签的一致性。
（2）召回率：衡量模型预测结果中包含实际标签的比例。
（3）F1值：综合考虑准确率和召回率，是评估模型性能的重要指标。
此外，还可以根据实际需求设计其他评估指标，如精确率、AUC等。
4、实际应用
基于全媒体大数据的视频内容评估模型在实际应用中具有广泛的前景。以下列举几个应用场景：
（1）视频推荐：根据用户兴趣和观看历史，推荐个性化的视频内容。
（2）视频审核：对视频内容进行实时监控，识别和过滤违规视频。
（3）视频分类：将视频内容分类到不同的类别，如新闻、娱乐、教育等。
（4）视频搜索：根据用户输入的关键词，快速找到相关视频内容。
总之，基于全媒体大数据的视频内容评估模型在实际应用中具有很高的价值。
总结：
本文从数据采集、模型构建、评估指标和实际应用四个方面对基于全媒体大数据的视频内容评估模型建构进行了详细阐述。随着全媒体大数据的不断发展，视频内容评估模型在各个领域的应用将越来越广泛。
本文由nayona.cn整理
联系我们
关注公众号
微信扫一扫
支付宝扫一扫
