摘要 | 第4-6页 |
ABSTRACT | 第6-7页 |
第一章 绪论 | 第10-16页 |
1.1 研究背景 | 第10-11页 |
1.2 研究意义 | 第11页 |
1.3 研究方法 | 第11-12页 |
1.4 研究内容与研究路线 | 第12-14页 |
1.4.1 研究内容 | 第12-13页 |
1.4.2 研究路线 | 第13-14页 |
1.5 研究创新点 | 第14-16页 |
第二章 理论综述 | 第16-27页 |
2.1 移动互联网UGC研究综述 | 第16-19页 |
2.1.1 移动互联网概念及特征 | 第16-17页 |
2.1.2 UGC研究综述 | 第17-19页 |
2.1.3 移动互联网视频UGC特性分析 | 第19页 |
2.2 信息质量评价研究综述 | 第19-21页 |
2.3 UGC质量评价研究综述 | 第21-24页 |
2.3.1 基于信息属性的UGC质量评价 | 第22页 |
2.3.2 基于社交媒体属性的UGC质量评价 | 第22-23页 |
2.3.3 UGC质量评价方法 | 第23页 |
2.3.4 UGC质量评价指标 | 第23-24页 |
2.4 主成分分析理论概述 | 第24-25页 |
2.5 Clementine决策树分类算法概述 | 第25-27页 |
第三章 移动互联网视频UGC质量评价模型构建 | 第27-50页 |
3.1 UGC质量评价原则 | 第27-28页 |
3.2 UGC质量评价框架 | 第28-38页 |
3.2.1 UGC质量测评对象层 | 第29-31页 |
3.2.2 UGC质量测评维度层 | 第31-35页 |
3.2.3 UGC质量测评测度层 | 第35-38页 |
3.3 基于主成分分析的视频UGC质量评价指标体系构建 | 第38-48页 |
3.3.1 质量评价指标体系构建目的 | 第38-39页 |
3.3.2 评价指标体系构建 | 第39-40页 |
3.3.3 质量评价问卷设计 | 第40-41页 |
3.3.4 问卷数据收集 | 第41页 |
3.3.5 问卷信度检验 | 第41-43页 |
3.3.6 问卷主成分分析 | 第43-48页 |
3.4 基于分类算法的视频UGC质量评价模型 | 第48-50页 |
3.4.1 UGC质量评价模型 | 第48页 |
3.4.2 UGC质量评价流程 | 第48-50页 |
第四章 移动互联网视频UGC质量评价模型应用 | 第50-71页 |
4.1 评价对象介绍 | 第50-51页 |
4.2 质量评价条件数据获取 | 第51-52页 |
4.3 质量评价决策数据获取 | 第52-54页 |
4.4 基于决策树分类算法的质量评价模型分类 | 第54-66页 |
4.4.1 决策树算法介绍 | 第54页 |
4.4.2 样本平衡处理 | 第54-55页 |
4.4.3 C5.0算法 | 第55-58页 |
4.4.4 分类回归树算法 | 第58-61页 |
4.4.5 CHAID算法 | 第61-64页 |
4.4.6 QUEST算法 | 第64-66页 |
4.5 模型对比分析 | 第66-71页 |
4.5.1 不同模型的误差对比 | 第67-69页 |
4.5.2 不同模型的收益对比 | 第69-71页 |
第五章 总结与展望 | 第71-73页 |
5.1 研究总结 | 第71页 |
5.2 研究展望 | 第71-73页 |
参考文献 | 第73-77页 |
附录1 | 第77-79页 |
附录2 | 第79-81页 |
致谢 | 第81-82页 |
攻读学位期间发表的学术论文目录 | 第82页 |