| 摘要 | 第1-5页 |
| ABSTRACT | 第5-10页 |
| 图录 | 第10-11页 |
| 符号说明 | 第11-12页 |
| 第一章 绪论 | 第12-16页 |
| ·研究背景 | 第12页 |
| ·研究意义 | 第12-14页 |
| ·研究现状 | 第14页 |
| ·本文的组织结构 | 第14-16页 |
| 第二章 社区挖掘及社区质量分析 | 第16-28页 |
| ·社交网络 | 第16-18页 |
| ·定义 | 第16-17页 |
| ·小世界网络 | 第17页 |
| ·微博 | 第17-18页 |
| ·社区挖掘 | 第18-19页 |
| ·社区质量参数——聚集系数 | 第19-20页 |
| ·传统的社区挖掘算法 | 第20-23页 |
| ·GN 算法 | 第20-21页 |
| ·FN 算法 | 第21-22页 |
| ·FEC 算法 | 第22-23页 |
| ·基于标签传播的社区挖掘算法 | 第23-25页 |
| ·基于标签传播的社区挖掘算法的优势 | 第23页 |
| ·基于标签传播的社区挖掘算法描述 | 第23-25页 |
| ·传统社区挖掘算法的局限性 | 第25-26页 |
| ·本章小节 | 第26-28页 |
| 第三章 HADOOP 框架与 MAPREDUCE 模型 | 第28-40页 |
| ·HADOOP 介绍 | 第28-29页 |
| ·HADOOP 分布式文件系统 HDFS | 第29-32页 |
| ·HDFS 结构 | 第29-30页 |
| ·HDFS 上的文件操作 | 第30-32页 |
| ·HADOOP 分布式计算模型 MAPREDUCE | 第32-37页 |
| ·MapReduce 原理 | 第32-36页 |
| ·MapReduce 的执行流程 | 第36-37页 |
| ·MapReduce 的局限性 | 第37页 |
| ·本章小结 | 第37-40页 |
| 第四章 基于 MAPREDUCE 的社区挖掘算法 | 第40-54页 |
| ·基于标签传播的社区挖掘算法 MAPREDUCE 化 | 第40-42页 |
| ·数据预处理阶段 | 第42-45页 |
| ·Sqoop | 第42-43页 |
| ·数据结构规范 | 第43-45页 |
| ·基于 MAPREDUCE 社区挖掘算法的设计 | 第45-51页 |
| ·数据结构封装 | 第45-46页 |
| ·计算邻居节点值中数量最多的标签值 | 第46-48页 |
| ·基于 MapReduce 社区挖掘算法描述 | 第48-51页 |
| ·本章小结 | 第51-54页 |
| 第五章 实验及结果分析 | 第54-70页 |
| ·HADOOP 实验集群的搭建 | 第54-55页 |
| ·数据采集 | 第55-56页 |
| ·实验结果和分析 | 第56-68页 |
| ·基于 MapReduce 的社区挖掘算法质量分析 | 第60-67页 |
| ·基于 MapReduce 的社区挖掘算法的扩展性及效率性分析 | 第67-68页 |
| ·本章小结 | 第68-70页 |
| 第六章 全文总结与展望 | 第70-72页 |
| ·主要工作 | 第70-71页 |
| ·主要贡献以及创新点 | 第71页 |
| ·今后的研究工作 | 第71页 |
| ·本章小结 | 第71-72页 |
| 参考文献 | 第72-76页 |
| 致谢 | 第76-78页 |
| 攻读硕士学位期间已发表或录用的论文 | 第78-80页 |
