UGC质量实时预判机制研究

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。

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
2.1UGC的发展现状27
2.2UGC的特点33
2.3UGC的类型34
2.4UGC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
3.1UGC质量现状43
3.2信息质量评价指标51
3.3UGC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
6.1UGC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
7.1UGC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