在线风暴情境下多元参与主体对用户生成内容的影响

基于微博企业危机事件话题下的用户发帖数据,探究在线风暴中多元参与主体对负面用户生成内容(UGC)的影响。运用回归模型与灰色关联分析法研究发现,在由企业危机事件引发的在线风暴中,中心企业回应前公众意见中负向帖子的比例与普通用户的负向UGC比例呈显著正相关。中心企业回应发帖的情感效价越正向,普通用户的负向UGC比例越低,而中心企业回应发帖的数量与其没有显著相关性。中心企业回应后,意见领袖和在线新闻媒体的负面发帖比例与普通用户的负向UGC比例呈显著正相关,政府机关的负面发帖比例与普通用户的负向UGC比例呈显著负相关。此外,各参与主体对普通用户负面发帖的影响程度从强到弱分别为意见领袖、公众意见、在线新闻媒体和政府机关。

用户生成内容场景下角色导向图神经推荐方法

近年来互联网的飞速发展不断改变着信息的生产和传递方式,随之出现了用户使用互联网的新方式——用户生成内容(User-Generated Content,UGC).该场景中内容以传播速度快、获取成本低等优势迅速占据互联网信息传播的重要地位.不同于传统推荐场景,UGC场景下用户同时扮演生产者和消费者双重角色,这使得在构建推荐模型时既需要考虑消费者与内容之间的交互信息,也需关注内容生产者对于消费者决策的影响.因此,UGC场景下个性化推荐算法研究的关键在于如何充分挖掘消费者-内容和消费者-生产者之间的关联关系.在面向UGC场景的推荐研究中,比较有代表性的模型为CPRec,该模型虽取得一定进展,但仍存在两点不足之处.其一,在模型构建层面,未能显式建模消费者-内容与消费者-生产者之间的高阶连通关系,难以学习出高质量的节点表征.其二,在模型优化层面,无法区分每个观测数据在不同训练阶段的贡献度,将影响推荐结果的质量.为此,本文提出一种新颖的角色导向图神经推荐方法RGNRec(Role-Guided Graph Neural Recommendation)用于UGC场景的个性化排序任务.特别地,基于用户的历史行为数据与内容的创作者信息分别构建了消费者-内容交互图和消费者-生产者交互图.进一步,为了显式捕获两种交互图中的高阶连通信息,构建一种双通道线性传播模块,同时刻画了消费者兴趣与内容生产者影响的扩散过程.最终,提出设计一种自适应的正样本权重生成策略,将其融入非采样损失函数,并建立双层优化机制来学习模型的参数.本文的核心贡献包括:(1)引入双通道线性传播模块,以显式解耦出自身兴趣与内容生产者效应对于用户偏好建模的不同贡献度;(2)提出权重自适应的非采样损失函数,以解决不同观测样例在模型不同训练阶段贡献不同的问题.本文分别采用经典的和最先进的图神经网络方法作为基准,在3个UGC场景Pinterest、Recipes和Reddit下进行了实验对比.在整体推荐性能方面,无论模型精度亦或训练效率上均优于各基准方法,尤其在Precision@10指标上获得了 4.31%~17.83%的提升;然后通过消融实验验证了双通道线性传播模块和权重自适应优化机制的合理性与必要性;最后通过实验验证了本文方法在缓解数据稀疏和用户冷启动方面的优越性.

产品类型差异化影响下企业生成内容对用户参与行为的实证研究

社交媒体已成为企业营销和推广品牌、产品等不可或缺的重要渠道,企业生成内容(FGC)在其中传递信息和情感交流。基于ELM理论从聚合与独立层面审视不同产品类型企业生成内容的作用。对某企业两个官方微博的12580条微博进行文本分析,发现主流产品信息性特征内容对转发行为具有负向影响,说服性特征内容对用户参与行为具有正向影响;利基产品的信息性与说服性内容特征对转发行为具有正向影响。研究结论为企业在制定FGC发布策略以及管理FGC内容方面提供参考。

用户生成内容对消费者跨境电商平台行为意向的影响

摸清用户生成内容的内涵及其对消费者行为意向产生的影响机制,有利于跨境电商平台实施精准的营销策略。通过问卷调查收集数据,基于TAM模型理论实证分析用户生成内容对消费者跨境电商平台行为意向的影响情况。结果显示,用户生成内容的发布者和时效性对消费者跨境电商平台行为意向产生显著正向影响;用户生成内容的专业性对消费者在跨境电商平台上的购买意愿产生显著正向影响;用户生成内容的关注度对跨境电商平台的推荐意愿产生显著正向影响;文字评论类内容对消费者跨境电商平台购买意愿的影响明显小于社交分享类内容产生的影响;同时,高中及以下学历的消费者在跨境电商平台上的行为意向明显低于研究生学历的消费者。因此,为了增强消费者对跨境电商平台的行为意向,作为跨境电商平台,首先,需要充分发挥知名发布者对平台正面宣传与推介的头雁效应,鼓励广大用户适时更新在线内容;其次,善于打造具有专业水准的在线内容,提高在线内容的阅读量和被点赞量;最后,要注重生成社交分享类的在线内容,并着力发布通俗易懂的平台简介与简明的平台交易流程。

用户生成内容对消费者品牌行为的影响——以小红书为例

随着Web 2.0技术的快速发展和新媒体的蓬勃兴起,“内容+电商”成为新的平台商业模式,众多网络用户在以小红书为代表的社交内容电商平台上积极创作并发布原创内容,这些原创内容通过功能性、情感性、娱乐性的输出和表达,逐渐成为影响消费者品牌行为的重要信息来源。本文以小红书为例,探讨不同特点的用户生成内容对消费者品牌行为的影响。实证研究表明,用户生成内容对消费者的购买意愿和推荐意愿均具有正向影响。其中,情感性内容对消费者购买意愿和推荐意愿的影响最为显著,其次是功能性内容影响,影响最小的是娱乐性内容。本文分别从企业和用户角度,提出优化用户生成内容、发挥用户生成内容营销效应的策略建议,以供参考。

基于用户生成内容的旅游电商平台城市形象传播效果研究

随着互联网与新媒体技术的发展,旅游电商平台已成为城市形象传播的重要渠道,并已步入UGC模式。但UGC存在真实性、可信度和质量参差不齐等问题,且用户参与度和活跃度不均衡,一定程度上影响了城市形象传播的效果。因此需要由政府主导,引导把控UGC内容方向;同时需要旅游电商平台多措并举,建设和完善高质量内容创作生态圈,充分发挥其聚合优质创作者、推选优秀内容、提升用户体验的重要功能,才能切实提升城市形象传播的效果。

持续用户生成内容的实现机制:可供性—实现视角下Bilibili案例研究

持续的用户生成内容是平台获取竞争优势和实现长期发展的基础。现有文献多采用因素视角探究用户生成内容的影响因素“是什么”,而对多重因素“如何”系统地发挥作用、实现持续用户生成内容这一过程性问题尚不清晰。本文基于可供性—实现理论视角,通过对Bilibili的探索性案例研究,构建内容平台实现持续用户生成内容的AIGA模型,揭示了内容平台实现持续用户生成内容的过程。研究发现:内容平台为内容生成提供信息可供性和社交可供性(A),内容生产者和消费者分别在两种可供性的基础上进行人机互动与人际互动(I),平台企业设计包括用户筛选、内容生产者激励、内容生产者教育、内容消费者自监管及活动组织等治理机制(G),它们被用来促进互动过程,最终内容生产者获取经济资源、机会资源、社会声誉、情感依恋,两类可供性实现结果协同作用,共同促进内容平台实现持续用户生成内容(A)。这一研究有助于完善用户生成内容理论体系,并推动持续用户生成内容理论研究从因素观向过程观发展,对内容平台打造核心竞争优势、实现持续用户生成内容具有重要的理论参考价值;同时,本文将可供性实现过程研究从单一的技术使用者视角,拓展至技术使用者和技术提供者双重视角,对可供性实现理论形成有益补充。

基于混合模型的开放式创新社区用户生成内容质量预测

为解决开放式创新社区内容冗余导致高质量用户生成内容无法充分发挥其价值的问题,挖掘高质量UGC深层价值。首先采用随机过采样、SMOTE、ADASYN解决UGC数据不平衡问题,然后构建支持向量机、朴素贝叶斯、决策树、随机森林、GBDT分类模型并生成多种混合预测模型,进一步使用基于Hard-voting、Soft-voting、Stacking的采样方法和分类模型组合优化预测方法,比较选取最优的开放式创新社区UGC质量预测模型。采用随机过采样和Stacking的混合模型Accuracy、F1值和AUC分别平均提升了3.85%、28.18%、12.30%。该方法能够精准识别创新社区高质量用户生成内容,帮助企业多维度管理社区、提高创新力。

新媒体时代下用户生成内容平台的技术创新与发展

随着信息技术的飞速发展,用户生成内容(User Generated Content,UGC)平台成为新媒体时代的重要产物。然而,内容质量参差不齐问题和不断提升的用户体验需求,给UGC平台提出了挑战。基于此,针对新媒体时代下用户生成内容平台的技术创新与发展展开分析,探讨内容创作与编辑、内容推荐与分发、用户互动与社区建设以及内容审核与管理等技术的应用现状与发展趋势,展望人工智能与机器学习、大数据技术在内容平台中的应用前景,以期优化用户体验、提升内容质量。

组态视角下企业生成内容用户参与行为影响因素研究

[目的/意义]探究企业生成内容的信息情境与信息内容因素对用户参与行为的影响,为企业生成内容的优化提供管理启示,提升用户参与的积极性。[方法/过程]基于启发式-系统式模型,构建企业生成内容用户参与行为研究框架,通过调查问卷收集数据,采用模糊集定性比较分析方法揭示变量间的复杂因果关系。[结果/结论]单一变量不能触发用户对企业生成内容的参与行为,而是通过变量间相互作用形成组态共同导致参与行为的产生。共6种组态能够归纳概括为3种类型,代表不同特征的用户群体,分别为关系认可型、潜在消费型与氛围吸引型。

基于用户生成内容框架的参与型博物馆:内涵、困境与对策

近年来,博物馆面临创新动力不足、受众需求不匹配等问题。这些问题导致其社会效益低下,因此目前博物馆越来越重视观众参与。虽然当前观众参与型博物馆数量开始增加,但其仍将重心放在“技术”上,追求一览无余的文物细节、美轮美奂的展览设计。研究认为观众参与应以“人”为核心,由用户主导生成内容,并参考用户生成内容框架,从技术驱动、社会驱动和个体驱动三维度,聚焦信息流通视角,从信息整合、信息交流和信息反馈三方面,为观众参与提供相关策略,提升博物馆社会效益。

利用邻近度与内容特征的用户识别方法

社交网络对用户拓扑结构进行了获取限制,使得利用结构特征进行识别的方法准确率大大下降。利用邻近度与内容特征的用户识别方法构建了一个融合属性特征、结构特征与内容特征的基于XGboost的半监督网络模型,将跨社交网络用户识别问题转换为二分类问题。针对无法获得完整用户拓扑结构与种子用户不足的问题,提出显式好友与隐式好友的提取方法,根据待匹配用户对好友网络中的显式匹配用户对、隐式匹配用户对与其他好友将好友网络融合,结合用户重要度改进LINE算法二阶邻近度的经验概率,获取待匹配用户对的结构特征;将用户发文时间序列特征、生成内容关键词重叠度特征与关注用户标签特征作为生成内容特征;最后将属性特征、结构特征与内容特征进行融合完成用户识别。在真实数据集上的实验证明了本方法的有效性。

基于用户生成内容的社交网络媒体文化旅游营销研究

网络数字时代,文旅产品的议价能力已经从供应商转移到消费者,文旅产业需要从引导消费者决策的角度提升市场营销。本文探讨了用户生成内容(UGC)的发展,特别是社交网络媒体如微博、微信、抖音对文旅产业的促进作用。这种基于对用户生成内容的深度挖掘可以改变文旅产品供给、降低营销成本、进行精准营销。用户生成内容、点对点网络应用程序和虚拟社区的发展是未来文旅产业的发展方向。与旅行社相比,消费者更信任有评论的社交网站,在线消费者往往把用户生成内容视为一种更可靠和有用的网络信息,因为它是消费者的亲身感受而不是推销旅游产品。基于用户生成内容的社交网络媒体改变了文化旅游产品供给侧结构,降低文化旅游产品营销的成本,可以提供更好的信息服务,满足个性化需求,达到精准营销效果,基于此本文提出了社交网络媒体促进文旅产品的营销策略。

面向人工智能生成内容时代的图书馆服务适应与创新

[目的/意义]探究人工智能生成内容(AIGC)引发的信息交互模式变化及其对图书馆服务的影响,对未来服务创新和用户体验优化具有重要价值。[方法/过程]首先,分析AIGC在内容生产、信息获取和人机交互方面带来的变化及对用户体验的影响;然后,通过探讨用户在认知适应、短期使用、长期发展这三个技术接受阶段的心理演变,来理解用户对技术变革的适应过程。最后,针对图书馆服务,提出适应AIGC时代的策略和优化方法。[结果/结论]从适应新的模式来看,图书馆需重视数据价值,促进生态融合,打造便捷高效的信息环境;同时,简化复杂界面,重构用户体验,提供直观易用的服务。从回应用户心理变化来看,图书馆应发挥专业指导作用,建设专题资源导航以助力用户适应过程,并推动馆员与用户协同发展以增强技术应用能力,更要从服务设计出发,重塑阅读服务模式,促进知识交流和创新。

用户生成内容(UGC)概念解析及研究进展

用户生成内容(UGC)是Web 2.0环境下一种新兴的网络信息资源创作与组织模式。本文对国内外相关研究文献进行了检索和梳理,在类型理论基础上提出了UGC的概念分析框架。从用户的类型与角色(Who)、内容的类型与属性(What)、用户生成内容的动因(Why)以及用户生成内容的模式(How)四个维度及相互之间的联系深入解析UGC概念中最为本质的一系列问题。同时通过关键词分析方法,提炼出UGC研究的焦点和重心,归纳出UGC研究的五个分析单元(用户、内容、技术、组织、社会)、四大视角(资源观、行为观、技术观、应用观)和三个层面(微观层面、中观层面、宏观层面)。试图从理论上规范并完善了UGC研究的思路,帮助信息管理领域的研究者在今后的UGC研究中寻找并挖掘相关研究主题,清晰定位研究层次,并选择科学的研究方法和路径。图4。表2。参考文献64。

刍议用户生成内容(UGC)用于图书馆资源建设——以四川师范大学为例

通过分析目前网络内容的发展特点以及高校图书馆的发展机遇与挑战,提出了用户生成内容(UGC)用于高校图书馆资源建设的理论和实践基础,并从用户、内容及图书馆等三个因素解析了四川师范大学图书馆用户生成内容用于资源建设的实践。

基于平台补贴的UGC平台优质内容生成与头部带动策略

研究针对UGC平台内容生成端的头部用户和腰尾部用户所组成的优质内容生成系统,构建了基于平台补贴的头部用户带动决策、头部与腰尾部用户协同决策以及无带动效应的分散决策三种微分博弈模型,随后进行了结果对比与算例仿真分析。仿真结果表明,平台补贴的头部带动策略对UGC平台优质内容生成系统具有显著的改善效果,平台补贴系数与改善效果具有正相关性且具有可控的合理取值区间。研究结果为UGC平台有效开展内容治理促进平台优质内容生态改善提供了理论依据。

元宇宙内容生成技术研究

元宇宙是整合多种新技术而产生的新型虚实相融的互联网应用和社会形态,允许每个用户进行内容生成和世界编辑。技术和内容是元宇宙规模化、价值化的两大关键要素,而当下元宇宙发展和部署面临的最大瓶颈问题正是内容生成。文章给出元宇宙内容生成的基本概念,描述PGC(专业生成内容)、UGC(用户生成内容)和AIGC(人工智能生成内容)等内容生成模式的起源、优缺点、与元宇宙的关系,分析文本生成能力、音频生成能力、图像生成能力、视频生成能力、多模态生成能力的参考定义、技术需求、代表性产品或模型,介绍内容孪生、内容编辑和内容创作的工作原理、技术构成和应用场景。

Web2.0环境下用户生成内容(UGC)存在问题及优化策略研究

随着Web2.0技术的飞速发展,用户生成内容越来越容易,然而用户生成内容质量参差不齐,如何对用户生成内容进行质量控制成为研究热点。文章详细阐述用户生成内容类型及特点,剖析用户生成内容存在的问题,最后有针对性的提出具体的解决策略和方法。

主题视角下生成式人工智能生成内容与用户生成内容的比较

[目的/意义]随着生成式人工智能的快速发展和广泛应用,信息空间结构也随之发生深刻的变革。以往以用户生成内容(UGC)为主的信息空间开始逐渐被生成式人工智能生成内容(AIGC)所影响,生成式人工智能治理的重要性愈发凸显。文章旨在从主题视角比较AIGC与UGC,揭示两者在内容与结构特征上的差异,并为生成式人工智能治理提供创新参考。[方法/过程]收集了金融、法律、医疗和开放问答4个领域的多个在线平台上的问题和用户回答,并借助gpt-turbo-3.5模型生成每个问题的人工智能回答,最终构建了包含65260条问答数据的语料集,并采用BERTopic主题模型分别对AIGC与UGC进行主题提取,并从主题间关系、主题与文档关系以及主题与主题词关系3个角度对两者进行综合对比。[结果/结论]研究结果揭示了AIGC和UGC在主题分布、主题内文档一致性和主题词权重结构等方面的差异。通过深入了解两者之间的特征差异,能够更好地观察生成式人工智能的行为规律,并为AIGC的治理策略完善提供参考。