| 致谢 | 第4-5页 |
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 1 绪论 | 第11-21页 |
| 1.1 研究起源 | 第11-17页 |
| 1.1.1 中国互联网环境 | 第12页 |
| 1.1.2 新闻APP市场现状 | 第12-14页 |
| 1.1.3 聚合类新闻APP市场现状 | 第14-15页 |
| 1.1.4 今日头条概况 | 第15-16页 |
| 1.1.5 研究目的及意义 | 第16-17页 |
| 1.2 文献综述 | 第17-18页 |
| 1.3 概念界定 | 第18-19页 |
| 1.3.1 聚合 | 第18页 |
| 1.3.2 新闻APP | 第18-19页 |
| 1.4 研究内容及方法 | 第19-21页 |
| 2 今日头条内容资源来源分析 | 第21-30页 |
| 2.1 内容聚合 | 第21-22页 |
| 2.2 头条号 | 第22-25页 |
| 2.2.1 内容生产 | 第23-24页 |
| 2.2.2 内容资源组织 | 第24-25页 |
| 2.3 短视频和直播 | 第25-29页 |
| 2.3.1 今日头条短视频业务发展现状 | 第25-27页 |
| 2.3.2 短视频资源主要来源 | 第27-29页 |
| 2.4 悟空问答 | 第29页 |
| 2.5 机器人写作辅助生产 | 第29-30页 |
| 3 今日头条内容资源审核分析 | 第30-39页 |
| 3.1 算法审核 | 第30-33页 |
| 3.1.1 机器人文本识别 | 第30-31页 |
| 3.1.2 风险内容审核 | 第31-33页 |
| 3.2 人工审核 | 第33-34页 |
| 3.2.1 图文内容人工审核 | 第33页 |
| 3.2.2 短视频内容人工审核 | 第33-34页 |
| 3.3 “算法审核+人工审核”的工作方式 | 第34-37页 |
| 3.4 内容资源审核发展方向：算法审核+传统编辑审核 | 第37-39页 |
| 4 聚合类新闻APP内容资源推荐流程分析 | 第39-50页 |
| 4.1 聚合类新闻APP内容资源推荐技术基础 | 第39-41页 |
| 4.1.1 爬虫技术 | 第39页 |
| 4.1.2 大数据与数据挖掘 | 第39-40页 |
| 4.1.3 自然语言处理 | 第40-41页 |
| 4.1.4 图像识别技术 | 第41页 |
| 4.2 今日头条个性化推荐算法现状 | 第41页 |
| 4.3 今日头条个性化推荐算法原理 | 第41-43页 |
| 4.4 今日头条个性化推荐系统的基础：内容分析与用户标签挖掘 | 第43-47页 |
| 4.4.1 内容分析 | 第43-45页 |
| 4.4.2 用户标签(用户兴趣图谱) | 第45-47页 |
| 4.5 数据反哺内容生产：今日头条媒体实验室 | 第47-48页 |
| 4.5.1 媒体实验室的现状 | 第47页 |
| 4.5.2 媒体实验室的性质 | 第47页 |
| 4.5.3 媒体实验室的主要功能 | 第47-48页 |
| 4.6 个性化推荐算法的发展方向：今日头条人工智能实验室 | 第48-49页 |
| 4.7 今日头条个性化推荐服务特色 | 第49-50页 |
| 5 聚合类新闻APP内容资源问题分析 | 第50-54页 |
| 5.1 算法和内容本末倒置,内容质量低下 | 第50页 |
| 5.2 算法分发造成“信息茧房”现象 | 第50-51页 |
| 5.3 盲目追逐流量,限制内容创新 | 第51-52页 |
| 5.4 “头条号”发布侵权内容 | 第52-54页 |
| 6 总结与探讨 | 第54-58页 |
| 6.1 结论 | 第54-56页 |
| 6.1.1 “内容资源聚合—算法推荐分发”模式的意义 | 第54页 |
| 6.1.2 传统媒体内容审读的现实意义 | 第54-55页 |
| 6.1.3 聚合类新闻APP的发展方向：内容生产+内容导向+推荐模式 | 第55-56页 |
| 6.1.4 今日头条的发展方向探讨 | 第56页 |
| 6.2 总结、局限与展望 | 第56-58页 |
| 参考文献 | 第58-59页 |
| 附录A | 第59-63页 |
| 附录B | 第63-66页 |
| 作者攻读学位期间取得的研究成果 | 第66页 |
