| 摘要 | 第4-6页 |
| Abstract | 第6-8页 |
| 第一章 绪论 | 第12-18页 |
| 1.1 研究背景及意义 | 第12-13页 |
| 1.2 国内外研究现状 | 第13-15页 |
| 1.2.1 关键节点挖掘技术 | 第13-14页 |
| 1.2.2 推荐算法设计 | 第14-15页 |
| 1.3 论文主要研究内容和研究工作 | 第15-16页 |
| 1.4 论文组织结构 | 第16-17页 |
| 1.5 本章小结 | 第17-18页 |
| 第二章 相关理论与技术简介 | 第18-35页 |
| 2.1 图论基本概念与理论 | 第18-22页 |
| 2.1.1 基本定义 | 第18-19页 |
| 2.1.2 图的遍历 | 第19-21页 |
| 2.1.3 强联系与弱联系及其表征 | 第21-22页 |
| 2.2 社交网络及其传播方式 | 第22-23页 |
| 2.3 社交网络关键节点挖掘技术 | 第23-28页 |
| 2.3.1 常用的关键节点评价指标 | 第23-24页 |
| 2.3.2 常用的关键节点挖掘算法 | 第24-28页 |
| 2.4 常用的推荐算法分析 | 第28-33页 |
| 2.4.1 基于协同过滤的推荐算法 | 第29-31页 |
| 2.4.2 基于热传导/物质扩散的推荐算法 | 第31-33页 |
| 2.5 Spark平台简介 | 第33-34页 |
| 2.6 本章小结 | 第34-35页 |
| 第三章 基于层次性过滤的社交网络关键节点挖掘算法研究 | 第35-45页 |
| 3.1 问题的提出和设计思路 | 第35-36页 |
| 3.2 基于图论的关键节点层次性指标设计 | 第36-38页 |
| 3.2.1 中心性节点的评价指标：度和聚集系数 | 第36-38页 |
| 3.2.2 连通性节点的评价指标:嵌入性和介数 | 第38页 |
| 3.3 基于流量的改进型介数计算方法设计 | 第38-44页 |
| 3.3.1 先期过滤 | 第38-39页 |
| 3.3.2 算法权重设计 | 第39-40页 |
| 3.3.3 基于有限层的介数计算方法设计思想 | 第40-42页 |
| 3.3.4 算法实现流程 | 第42-44页 |
| 3.4 本章小结 | 第44-45页 |
| 第四章 基于选择性热传导/物质扩散的社交网络推荐算法设计 | 第45-51页 |
| 4.1 问题的提出与设计思路 | 第45页 |
| 4.2 基于热传导/物质扩散的推荐算法特点分析论证 | 第45-47页 |
| 4.2.1 基于热传导的推荐算法特点分析 | 第46页 |
| 4.2.2 基于物质扩散的推荐算法特点分析 | 第46-47页 |
| 4.2.3 两个算法存在的共同问题 | 第47页 |
| 4.3 基于选择性热传导/物质扩散的推荐算法改进型设计 | 第47-50页 |
| 4.3.1 推荐节点选择及推荐算法选择 | 第47-48页 |
| 4.3.2 特征向量中心性计算方法 | 第48页 |
| 4.3.3 基于特征向量中心性的改进型推荐算法设计 | 第48-50页 |
| 4.4 本章小结 | 第50-51页 |
| 第五章 实验设计与实验结果分析 | 第51-60页 |
| 5.1 Spark实验平台搭建 | 第51-52页 |
| 5.2 实验评价方法设计 | 第52-53页 |
| 5.2.1 基于层次性过滤的社交网络关键节点挖掘实验评价方法 | 第52页 |
| 5.2.2 基于选择性热传导/物质扩散的社交网络推荐算法实验评价指标 | 第52-53页 |
| 5.3 实验数据集 | 第53-54页 |
| 5.3.1 关键节点挖掘的数据集 | 第53-54页 |
| 5.3.2 推荐算法的数据集 | 第54页 |
| 5.4 实验平台性能调优 | 第54-56页 |
| 5.4.1 数据结构的优化 | 第54页 |
| 5.4.2 数据倾斜的减少 | 第54-56页 |
| 5.4.3 资源参数的设置 | 第56页 |
| 5.5 实验设计及结果分析 | 第56-59页 |
| 5.5.1 基于有限层的介数计算方法 | 第56-59页 |
| 5.5.2 基于选择性热传导/物质扩散的社交网络推荐算法实验结果分析 | 第59页 |
| 5.6 本章小结 | 第59-60页 |
| 第六章 总结与展望 | 第60-62页 |
| 6.1 总结 | 第60-61页 |
| 6.2 展望 | 第61-62页 |
| 参考文献 | 第62-67页 |
| 致谢 | 第67-68页 |
| 攻读硕士学位期间发表的论文 | 第68页 |
