在具有弱关系、低黏性的社会化媒体中存储的用户产生内容数量巨大，但其内容碎片化、非结构化等大数据特征加大了企业处理在线负面口碑的难度。此外，企业过度参与可能导致被怀疑而丧失自身公信力。因此，如何帮助企业快速且有效地处理在线负面口碑，如何深度有效地开发用户产生内容资源成为学术界、产业界关注的新热点。 本书根据客户关系管理、价值共创、信息资源管理等理论，以社会化媒体平台的用户产生内容为源，从价值共创、资源、平台的综合视角，研究了企业在线负面口碑处理的价值共创管理模式、用户参与企业在线负面口碑处理的动机、在线评论有用性的影响因素、在线负面口碑处理的信息资源管理方法、在线负面口碑资源的识别及匹配方法、在线负面口碑处理专家推荐和处理方法、在线投诉处理的知识推荐方法及系统、在线抱怨自动处理的推荐方法及系统。 本书可作为管理科学与工程、计算机应用等专业研究生的教材，也可作为从事大数据研究与应用人员的参考资料

第1章 概述
1.1 问题的背景
1.2 国内外相关研究
1.2.1 社会化媒体
1.2.2 用户产生内容相关研究
1.2.3 价值共创相关研究
1.2.4 用户参与在线负面口碑处理相关研究
1.2.5 信息资源的加工与价值推荐的相关研究
1.2.6 超图理论的相关研究
1.2.7 现有研究的不足以及实际需求
1.3 本书的主要内容
1.4 本书的特色与创新工作
1.4.1 本书的特色
1.4.2 创新之处
第2章 基于价值共创的在线负面口碑处理及资源
2.1 问题的提出
2.2 社会化媒体中在线负面口碑及其特征
2.2.1 社会化媒体中的在线负面口碑
2.2.2 社会化媒体中在线负面口碑的特征
2.3 在线负面口碑处理的需求与解决途径
2.3.1 在线负面口碑处理的需求
2.3.2 在线负面口碑解决途径
2.4 在线负面口碑处理的价值共创模型
2.4.1 社会化媒体中在线负面口碑处理的价值共创
2.4.2 在线负面口碑处理的核心主体
2.4.3 在线负面口碑处理的发布者、服务者、企业价值共创模型
2.5 在线负面口碑处理的价值共创实现机理
2.5.1 整体视角的价值共创模型实现机理
2.5.2 单主体视角的价值共创模型实现机理
2.6 社会化媒体中在线负面口碑处理的UGC资源
2.6.1 社会化媒体处理在线负面口碑的UGC资源界定
2.6.2 面向在线负面口碑处理的UGC的构成
2.6.3 在线负面口碑处理的UGC资源的特征
2.6.4 在线负面口碑处理的信息资源一般模型
2.7 基于UGC资源的在线负面口碑处理框架
第3章 社会化媒体用户参与企业在线负面口碑处理的动机
3.1 问题的提出
3.2 用户参与处理企业在线负面口碑动机模型
3.2.1 用户参与处理企业在线负面口碑意愿的影响模型和理论假设
3.2.2 用户参与处理企业在线负面口碑行为动机的测度
3.2.3 测量项目的效度和信度评价
3.3 用户参与处理企业在线负面口碑问卷质量评估
3.3.1 参与问卷调查的人口特征统计
3.3.2 样本数据质量评估
3.3.3 模型中各变量与用户参与意愿的线性相关性分析
3.4 模型假设检验与结论
3.4.1 测量变量的多元线性回归分析
3.4.2 研究结果与分析
3.4.3 实验结果分析
第4章 面向在线负面口碑处理的在线评论有用性的影响因素
4.1 问题的提出
4.2 面向处理在线负面口碑的在线评论有用性
4.2.1 在线评论资源有用性定义及特征
4.2.2 有用的在线评论在负面口碑处理中的作用
4.3 在线评论有用性的影响因素模型
4.3.1 在线评论有用性影响因素模型
4.3.2 在线评论有用性影响因素假设
4.3.3 在线评论有用性影响指标计算
4.4 模型验证实验与分析
4.4.1 实验数据来源
4.4.2 实验数据收集和测量
4.4.3 数据分析
4.4.4 实验结果分析
4.5 基于在线评论的资源识别的建议
第5章 面向在线负面口碑的信息资源管理方法
5.1 问题的提出
5.2 面向在线负面口碑的信息资源共创管理支持框架
5.2.1 共创策略
5.2.2 物理和逻辑映射模型
5.2.3 个性化推荐模型
5.3 面向在线负面口碑传播模型的价值共创策略
5.3.1 在线负面口碑传播界定
5.3.2 基于价值共创的负面口碑传播响应模型
5.3.3 仿真实验
5.3.4 实验结果分析
5.4 基于序化加工的信息资源物理映射
5.4.1 信息资源物理映射问题分析
5.4.2 信息资源物理映射模型和形式化模型
5.4.3 信息资源序化方法
5.4.4 实例分析
5.5 面向消费者评论的信息资源逻辑映射
5.5.1 信息资源逻辑映射问题分析
5.5.2 理论背景和假设
5.5.3 实验过程
5.5.4 实验结果分析
5.6 基于信息传播理论的协同过滤推荐模型
5.6.1 面向社会化媒体的个性化推荐问题
5.6.2 面向社会化媒体的协同过滤推荐框架
5.6.3 用户偏好建模
5.6.4 基于信息传播理论的个性化推荐模型
5.6.5 实验结果分析
第6章 在线负面口碑处理资源的识别与匹配方法
6.1 问题的提出
6.2 面向在线负面口碑处理的资源管理系统框架和特征集
6.2.1 概念界定
6.2.2 面向ONWOM处理的资源管理系统的假设与框架
6.2.3 框架的可行性分析
6.2.4 识别和匹配的特征集
6.3 UGC中激励极性和情感极性及其度量
6.3.1 激励极性及其度量
6.3.2 情感极性及其度量
6.4 面向ONWOM处理的资源管理系统的实现
6.4.1 支持向量机的适用性分析
6.4.2 系统主要功能
6.4.3 系统性能评估指标
第7章 基于专家资源识别的在线负面口碑处理
7.1 问题的提出
7.2 在线负面口碑处理的专家资源及其识别指标分析
7.2.1 在线负面口碑处理的专家资源分析
7.2.2 在线负面口碑处理的专家资源识别指标
7.3 基于专家资