基于Hadoop的微博网络影响力最大化研究与实现
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第10-18页 |
| 1.1 研究背景及意义 | 第10-12页 |
| 1.2 国内外研究现状 | 第12-16页 |
| 1.2.1 影响力传播模型研究现状 | 第12-13页 |
| 1.2.2 影响力最大化算法研究现状 | 第13-16页 |
| 1.3 本文研究内容和组织结构 | 第16-18页 |
| 第2章 相关理论知识 | 第18-34页 |
| 2.1 Hadoop分布式计算平台 | 第18-26页 |
| 2.1.1 分布式文件系统HDFS | 第19-22页 |
| 2.1.2 MapReduce并行计算框架 | 第22-26页 |
| 2.2 微博网络影响力最大化算法 | 第26-33页 |
| 2.2.1 微博网络影响力传播最大化 | 第26-27页 |
| 2.2.2 线性阈值模型定义 | 第27-28页 |
| 2.2.3 KK算法 | 第28-29页 |
| 2.2.4 HPG算法 | 第29-31页 |
| 2.2.5 TBH算法 | 第31-33页 |
| 2.3 本章小结 | 第33-34页 |
| 第3章 基于Hadoop的微博影响力最大化算法 | 第34-44页 |
| 3.1 算法设计思路及框架 | 第34-36页 |
| 3.1.1 算法设计思路 | 第34-35页 |
| 3.1.2 算法框架 | 第35-36页 |
| 3.2 算法重要参数定义 | 第36-40页 |
| 3.2.1 用户信息活跃度 | 第36-38页 |
| 3.2.2 节点影响力 | 第38-39页 |
| 3.2.3 节点激活阈值 | 第39-40页 |
| 3.3 算法性能测试及分析 | 第40-43页 |
| 3.3.1 实验环境和数据集 | 第40-41页 |
| 3.3.2 实验设计 | 第41页 |
| 3.3.3 性能评估 | 第41-43页 |
| 3.4 本章小结 | 第43-44页 |
| 第4章 影响力最大化系统设计与实现 | 第44-59页 |
| 4.1 系统开发环境 | 第44-47页 |
| 4.1.1 开发环境 | 第44-47页 |
| 4.1.2 运行环境 | 第47页 |
| 4.2 系统总体架构 | 第47-51页 |
| 4.2.1 数据库设计 | 第47-48页 |
| 4.2.2 系统整体设计 | 第48-51页 |
| 4.3 重要功能模块实现 | 第51-58页 |
| 4.3.1 用户管理模块 | 第51-54页 |
| 4.3.2 Hadoop计算及查看模块 | 第54-58页 |
| 4.3.3 系统日志模块 | 第58页 |
| 4.4 本章小结 | 第58-59页 |
| 第5章 总结与展望 | 第59-61页 |
| 5.1 总结 | 第59-60页 |
| 5.2 展望 | 第60-61页 |
| 参考文献 | 第61-64页 |
| 致谢 | 第64-65页 |
| 攻读学位期间参加的科研项目和成果 | 第65页 |
