顶部
收藏

传媒数据学


作者:
柴剑平、王妍、倪业鹏、王小宁
定价:
46.00元
ISBN:
978-7-04-056535-5
版面字数:
590.000千字
开本:
16开
全书页数:
暂无
装帧形式:
平装
重点项目:
暂无
出版时间:
2021-08-09
读者对象:
高等教育
一级分类:
计算机/教育技术类
二级分类:
数字媒体技术(动漫类)专业课程

本书在数据学和传播学的基础上,提出了全新的基于复杂网络动力学的传媒数据学理论基础,介绍了以广播电视主流媒体和互联网视听媒体为代表的制播域,以广播电视、IPTV、OTT和手机为代表的传输域,以及两域的数据采集、建模分析和实际应用。本书将人工智能、容器云、微服务、中台等最新技术和媒体融合最新发展相结合,提出了面向未来的智能融媒制播系统、数据中台和分析应用,以及统一评价体系,最后列举了管理机构、知名媒体和传播渠道的典型应用。

本书力图通过理论、方法和实践融会贯通的方式构建完整的传媒数据学,为未来的智能融媒发展提供强大数据支撑。

本书可作为计算机、通信和信息等相关专业研究生、本科生的教材和参考书,也可供媒体领域、通信领域的研究人员、技术人员培训和参考。

  • 前辅文
  • 第1章 数据科学基础
    • 1.1 数据科学的概念
      • 1.1.1 数据科学的发展历程
      • 1.1.2 数据科学的知识体系
    • 1.2 数据科学的研究方法
      • 1.2.1 数据科学的研究方法
      • 1.2.2 数据科学与相关学科、技术的关系
  • 第2章 传媒数据学基础
    • 2.1 传播学的概念
      • 2.1.1 传播的发展历程
      • 2.1.2 传播学的研究内容
    • 2.2 电子传播时代传播模型与数据统计
      • 2.2.1 电子传播时代传播模型
      • 2.2.2 电子传播时代数据统计
    • 2.3 智能融媒时代新传播模型与数据分析
      • 2.3.1 复杂网络动力学概念和特性
      • 2.3.2 智能融媒时代新传播模型
      • 2.3.3 智能融媒时代数据分析方法
  • 第3章 广播电视制播域大数据系统与分析应用
    • 3.1 制播域系统构成与数据学应用
      • 3.1.1 广播电视制播域系统构成和业务流程
      • 3.1.2 广播电视制播域的特点
      • 3.1.3 广播电视制播域数据学应用
    • 3.2 制播域大数据系统构成
      • 3.2.1 广播电视制播域数据需求
      • 3.2.2 广播电视制播域大数据系统
      • 3.2.3 广播电视制播域大数据治理和标准化
    • 3.3 制播域大数据分析应用
      • 3.3.1 广播电视制播域大数据采集和结构化处理
      • 3.3.2 广播电视制播域大数据分析处理
      • 3.3.3 广播电视制播域大数据应用
  • 第4章 互联网视听媒体大数据系统与分析应用
    • 4.1 视听媒体系统构成与特点
      • 4.1.1 互联网架构演进
      • 4.1.2 互联网视听媒体业务流程
      • 4.1.3 互联网视听媒体各类规范
      • 4.1.4 互联网视听媒体的特点
    • 4.2 视听媒体数据采集与治理
      • 4.2.1 互联网视听媒体的数据需求
      • 4.2.2 互联网视听媒体数据源特点
      • 4.2.3 互联网视听媒体数据采集和处理
      • 4.2.4 互联网视听媒体数据治理
    • 4.3 视听媒体大数据分析与应用
      • 4.3.1 视听媒体大数据分析的基本流程
      • 4.3.2 视听媒体大数据分析的应用
  • 第5章 媒体内容数据挖掘与智能标签技术
    • 5.1 互联网媒体内容标签
      • 5.1.1 互联网媒体内容标签的定义和作用
      • 5.1.2 互联网媒体内容标签的处理方法
      • 5.1.3 标签的应用
    • 5.2 文本类内容标签自动生成技术
      • 5.2.1 文本类数据的特点
      • 5.2.2 文本类内容标签自动生成处理方法
      • 5.2.3 文本类标签应用
    • 5.3 语音类内容标签自动生成技术
      • 5.3.1 语音类数据的特点
      • 5.3.2 语音类内容标签自动生成处理方法
      • 5.3.3 语音类标签应用
    • 5.4 图像类内容标签自动生成技术
      • 5.4.1 图像类数据的特点
      • 5.4.2 图像类内容标签自动生成处理方法
      • 5.4.3 图像类标签应用
    • 5.5 视频类内容标签自动生成技术
      • 5.5.1 视频类数据的特点
      • 5.5.2 视频类内容标签自动生成处理方法
      • 5.5.3 视频类标签应用
    • 5.6 媒体内容标签融合技术
      • 5.6.1 四类媒体内容标签的生成技术分析
      • 5.6.2 基于内容标签的数据融合技术和方法
      • 5.6.3 数据融合技术处理流程
  • 第6章 智能融媒制播域系统构成与数据中台
    • 6.1 制播系统需求与底层技术
      • 6.1.1 媒体特征和技术体系特点
      • 6.1.2 媒体云微制播系统底层技术
      • 6.1.3 媒体云微制播系统底层部署
    • 6.2 媒体云微制播系统上层技术
      • 6.2.1 微服务技术架构
      • 6.2.2 媒体云微服务工具构成
      • 6.2.3 微服务部署和容器云基础底座
    • 6.3 媒体云微制播系统业务中台与数据中台
      • 6.3.1 媒体云微制播系统业务中台
      • 6.3.2 媒体云微制播系统数据中台
  • 第7章 传输域系统介绍
    • 7.1 广播电视系统
      • 7.1.1 广播电视发展现状和行业背景介绍
      • 7.1.2 广播电视有线传输系统构成
      • 7.1.3 广播电视有线传输部门组成和主要业务
      • 7.1.4 广播电视有线传输数据需求分析
    • 7.2 交互式网络电视系统
      • 7.2.1 交互式网络电视发展现状和行业背景介绍
      • 7.2.2 交互式网络电视系统构成
      • 7.2.3 交互式网络电视运营部门组成和主要业务
      • 7.2.4 交互式网络电视数据需求分析
    • 7.3 互联网电视系统
      • 7.3.1 互联网电视发展现状和行业背景介绍
      • 7.3.2 互联网电视系统构成
      • 7.3.3 互联网电视运营方部门组成和主要业务
      • 7.3.4 互联网电视数据需求分析
    • 7.4 移动通信系统
      • 7.4.1 移动通信系统发展现状和行业背景介绍
      • 7.4.2 第五代移动通信系统介绍
      • 7.4.3 移动通信运营商部门组成和主要业务
      • 7.4.4 移动通信运营商数据需求分析
    • 7.5 传输域系统的比较与融合发展
      • 7.5.1 传输域系统的比较
      • 7.5.2 传输域系统的融合发展
  • 第8章 传输域数据采集方法
    • 8.1 传输域数据应用需求分析
      • 8.1.1 传输域数据类型
      • 8.1.2 传输域数据应用需求分析
      • 8.1.3 传输域数据采集方法综述
    • 8.2 媒体内容数据采集
      • 8.2.1 基于广播电视网络的音视频数据采集
      • 8.2.2 基于IP网络的音视频数据采集
    • 8.3 生产保障数据采集
      • 8.3.1 SNMP协议采集
      • 8.3.2 信号直接采集和分析
    • 8.4 用户服务数据采集
      • 8.4.1 软探针
      • 8.4.2 网络爬虫
    • 8.5 传输域数据清洗方法
      • 8.5.1 数据清洗的概念
      • 8.5.2 数据清洗的过程
      • 8.5.3 传输域数据清洗的方法和实例
  • 第9章 传输域各平台数据分析与应用
    • 9.1 传输域数据分析的概念与方法
      • 9.1.1 传输域数据的类型和统计概念
      • 9.1.2 传输域数据描述性分析
      • 9.1.3 传输域数据推断性分析
      • 9.1.4 传输域数据建模分析
    • 9.2 广播电视系统数据分析与应用
      • 9.2.1 收视率指标体系
      • 9.2.2 大样本收视指标体系
      • 9.2.3 大样本收视率对总体代表性分析
    • 9.3 交互式网络电视系统数据分析与应用
      • 9.3.1 用户行为分析方法
      • 9.3.2 用户行为分析数据处理和模型构建
      • 9.3.3 电视用户行为分析模型评价和解读
      • 9.3.4 用户行为分析结果分析和可视化呈现
    • 9.4 互联网电视系统数据分析与应用
      • 9.4.1 推荐思路分析
      • 9.4.2 推荐模型算法
      • 9.4.3 推荐算法求解
      • 9.4.4 推荐结果分析
  • 第10章 融合媒体统一评价体系
    • 10.1 评价体系现状与存在的问题
      • 10.1.1 电视节目评价现状
      • 10.1.2 机构影响力评价现状
      • 10.1.3 现有评价体系特点和问题
      • 10.1.4 媒体融合对媒体评价的影响
    • 10.2 融合媒体统一评价理论体系
      • 10.2.1 融合媒体统一评价作用和含义
      • 10.2.2 融合媒体统一评价理论基础
      • 10.2.3 融合媒体统一评价指标体系
      • 10.2.4 融合媒体统一评价方法
    • 10.3 基于网络结构特征的融合媒体评价体系
      • 10.3.1 复杂网络特征和作用解析
      • 10.3.2 融合媒体复杂网络关系构造
      • 10.3.3 基于网络结构的融合媒体评价指标
      • 10.3.4 基于网络结构的融合媒体评价方法
    • 10.4 融合媒体多层网络影响力评价
      • 10.4.1 融合媒体多层网络构建
      • 10.4.2 融合媒体多层网络与融合节点属性定义
      • 10.4.3 融合媒体多层网络节点中心性的构造
      • 10.4.4 融合媒体多层网络节点重要度的合成
  • 第11章 典型应用案例
    • 11.1 国家广播电视总局大数据系统
      • 11.1.1 系统建设背景
      • 11.1.2 系统架构和关键技术
      • 11.1.3 数据分析和实际应用
    • 11.2 央视总台5G新媒体数据中台系统
      • 11.2.1 系统建设背景
      • 11.2.2 系统架构和数据应用
      • 11.2.3 数据治理经验和理念
    • 11.3 中国联通大数据系统
      • 11.3.1 系统建设背景
      • 11.3.2 系统架构和关键技术
      • 11.3.3 数据分析和实际应用
    • 11.4 歌华有线传输网络大数据系统
      • 11.4.1 系统建设背景
      • 11.4.2 技术架构和处理流程
      • 11.4.3 数据分析和界面展示
    • 11.5 互联网短视频大数据系统
      • 11.5.1 系统建设背景
      • 11.5.2 短视频技术架构和应用
      • 11.5.3 短视频行业的特点和展望
    • 11.6 安吉县域智慧城市融媒体建设方案
      • 11.6.1 系统建设背景
      • 11.6.2 系统架构和关键技术
      • 11.6.3 安吉融媒体模式经验总结
  • 附录 收视大数据指标及计算规则