●緒論
第一節 研究緣起與背景
一、內容市場的變化
二、學界的探索
三、長期的追蹤性研究為本研究提供了支撐
第二節 前人研究與文獻綜述
一、內容評估方面的研究
二、大數據的相關研究
三、全媒體的相關研究
四、內容銀行的前人研究
第三節 視頻內容評估產品的發展及現狀
一、內容評估產品發展的三個階段
二、內容評估產品的三重問題
第四節 研究方法及框架
一、文獻研究
二、定性分析
第一章 內容評估體繫建構的基礎
第一節 市場基礎：大視頻產業對內容評估提出需求
一、視頻內容產業競爭格局，原有生存法則發生變化，需要評估體繫支撐
二、缺乏評估體繫的內容交易模式不能滿足視頻內容產業的需求
第二節 技術基礎：日益成熟的大數據產業為評估體繫提供了現實可能
一、數字技術始終是內容評估發展的驅動力
二、大數據產業的發展日趨成熟
第三節 本章小結
第二章 全媒體大數據內容評估體繫的模型建構
第一節 基於全媒體大數據的內容評估模型的原則
一、滿足內容產業全流程評估的需求
二、與內容生產相關各要素的價值評估要計入內容評估體繫中
三、利用大數據，結合主觀經驗評估
四、充分挖掘數據價值，實現定量與定性結合
第二節 基於全媒體大數據的視頻內容評估模型建構
一、內容評估體繫由5個模塊組成
二、全媒體收視模塊
三、全媒體社交輿情模塊
四、全媒體傳播模塊
五、專家調研模塊
六、用戶調研模塊
第三節 基於全媒體大數據的視頻內容評估模型具體構成
一、全媒體收視模塊的構成
二、全媒體社交輿情模塊的構成
三、全媒體傳播力模塊的構成
四、專家調研模塊的構成
五、用戶調研模塊的構成
第四節 本章小結
第三章 內容評估體繫模型實施——以內容銀行內容評估體繫為例
第一節 數據庫設計：基於MongoDB進行架構
一、數據庫的選型：MongoDB
二、數據庫的具體構成
三、建立傳媒領域專業詞典作為後續分析的基礎
第二節 數據采集和預處理
一、通過爬蟲和API采集開放數據
二、問卷繫統采集分析師及用戶調研數據：靈活、按需分配的問卷繫統
三、預處理：過濾及從非結構化到結構化數據的抽取
第三節 文本信息挖掘
一、關鍵詞提取技術
二、文本情感傾向性分析
三、文本話題聚類
第四節 指數計算
一、互聯網上的主流排名算法
二、內容銀行內容評估體繫：借鋻多種算法，綜合文本評估結果進行3種量化計算
第五節 本章小結
結語
參考書目
