| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 研究工作的背景与意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-14页 |
| 1.3 本文的主要工作 | 第14页 |
| 1.4 本论文的结构安排 | 第14-15页 |
| 1.5 本章小结 | 第15-16页 |
| 第二章 相关理论与技术 | 第16-27页 |
| 2.1 网络简介 | 第16-17页 |
| 2.2 网络的特征 | 第17-20页 |
| 2.3 社区检测现有算法 | 第20-22页 |
| 2.4 并行化计算框架 | 第22-26页 |
| 2.4.1 内存计算框架Spark | 第22-24页 |
| 2.4.2 图计算模型Spark GraphX | 第24-26页 |
| 2.5 本章小结 | 第26-27页 |
| 第三章 基于APR算法的相似性算法 | 第27-42页 |
| 3.1 随机游走模型 | 第27-28页 |
| 3.2 基于随机游走模型的APR算法 | 第28-35页 |
| 3.2.1 相似性矩阵与相似性集合 | 第30-32页 |
| 3.2.2 基于 APR 算法相似性算法 | 第32-35页 |
| 3.3 相似性算法的并行化实现 | 第35-41页 |
| 3.3.1 输入文件格式 | 第35-36页 |
| 3.3.2 网络的初始化 | 第36-38页 |
| 3.3.3 更新排名向量和剩余向量 | 第38-40页 |
| 3.3.4 相似性的规范化及输出 | 第40-41页 |
| 3.4 本章小结 | 第41-42页 |
| 第四章 SSAP：一种基于AP算法的社区检测算法 | 第42-61页 |
| 4.1 AP聚类算法 | 第42-45页 |
| 4.1.1 算法的输入 | 第43-44页 |
| 4.1.2 结果的划分 | 第44页 |
| 4.1.3 算法的流程 | 第44-45页 |
| 4.2 一种基于AP算法的社区检测算法 | 第45-52页 |
| 4.2.1 因子图模型 | 第45-47页 |
| 4.2.2 SSAP：基于相似性集合的AP聚类算法 | 第47-52页 |
| 4.2.3 时间复杂度分析 | 第52页 |
| 4.3 SSAP算法的并行化实现 | 第52-60页 |
| 4.3.1 算法的输入及相似性网络图的初始化 | 第53-54页 |
| 4.3.2 更新责任度 | 第54-56页 |
| 4.3.3 更新可信度 | 第56-58页 |
| 4.3.4 对社区进行划分 | 第58-60页 |
| 4.4 本章小结 | 第60-61页 |
| 第五章 实验及结果分析 | 第61-73页 |
| 5.1 实验环境 | 第61-62页 |
| 5.2 实验数据 | 第62-64页 |
| 5.3 评价函数 | 第64-65页 |
| 5.4 实验结果分析 | 第65-72页 |
| 5.4.1 真实网络上的评价结果对比 | 第65-67页 |
| 5.4.2 人工网络上的结果对评价比 | 第67-69页 |
| 5.4.3 运行时间和迭代次数对比 | 第69-72页 |
| 5.5 本章小结 | 第72-73页 |
| 第六章 全文总结与展望 | 第73-75页 |
| 6.1 本文总结 | 第73页 |
| 6.2 未来的工作 | 第73-75页 |
| 致谢 | 第75-76页 |
| 参考文献 | 第76-82页 |