| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第一章 引言 | 第8-16页 |
| 1.1 分布式图处理框架 | 第8-9页 |
| 1.2 图数据结构的表征方法 | 第9-11页 |
| 1.3 国内外研究现状及存在的问题 | 第11-13页 |
| 1.4 论文结构 | 第13-16页 |
| 第二章 相关工作 | 第16-22页 |
| 2.1 大规模图处理机制 | 第16-18页 |
| 2.2 Skip-gram基于神经网络的向量表征方法 | 第18-19页 |
| 2.3 SVD矩阵分解 | 第19页 |
| 2.4 高维向量的可视化方法 | 第19-22页 |
| 第三章 基于Spark的大规模图处理机制 | 第22-32页 |
| 3.1 图分割策略与分布式计算 | 第22-23页 |
| 3.2 元数据到结构数据的提取与分割 | 第23-26页 |
| 3.3 框架结构 | 第26-28页 |
| 3.4 实验分析 | 第28-30页 |
| 3.5 本章小结 | 第30-32页 |
| 第四章 基于半监督学习的图表征方式 | 第32-42页 |
| 4.1 问题描述 | 第32-33页 |
| 4.2 基于半监督的图表征学习模型 | 第33-34页 |
| 4.3 实验分析 | 第34-41页 |
| 4.4 本章小结 | 第41-42页 |
| 第五章 总结与展望 | 第42-44页 |
| 5.1 全文总结 | 第42页 |
| 5.2 未来工作展望 | 第42-44页 |
| 参考文献 | 第44-50页 |
| 攻读硕士学位期间完成的科研成果 | 第50-52页 |
| 致谢 | 第52页 |