| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第一章 绪论 | 第9-16页 |
| 1.1 研究背景及意义 | 第9-11页 |
| 1.1.1 大数据与数据挖掘 | 第9-10页 |
| 1.1.2 社交网络平台现状及价值 | 第10-11页 |
| 1.2 微博影响力国内外研究现状 | 第11-13页 |
| 1.2.1 微博影响力研究现状 | 第11-12页 |
| 1.2.2 国内外企业对用户影响力分析的应用现状 | 第12-13页 |
| 1.3 研究目的 | 第13-14页 |
| 1.4 本文的主要工作 | 第14-16页 |
| 第二章 Hadoop平台及PageRank算法介绍 | 第16-25页 |
| 2.1 Hadoop及相关技术介绍 | 第16-21页 |
| 2.1.1 什么是Hadoop | 第16页 |
| 2.1.2 分布式文件系统HDFS | 第16-18页 |
| 2.1.3 并行计算模型MapReduce | 第18-21页 |
| 2.2 PageRank算法 | 第21-24页 |
| 2.2.1 PageRank算法简介 | 第21页 |
| 2.2.2 算法原理 | 第21-24页 |
| 2.3 本章小结 | 第24-25页 |
| 第三章 微博用户影响力及微博影响力算法的研究 | 第25-34页 |
| 3.1 新浪微博个体价值评定指标及简单的用户影响力测算 | 第25-28页 |
| 3.1.1 新浪微博个体价值评定指标 | 第25-26页 |
| 3.1.2 简单的用户影响力测算 | 第26-28页 |
| 3.2 基于PageRank模型的用户影响力NPRank算法研究 | 第28-30页 |
| 3.3 微博影响力TRank算法的研究 | 第30-33页 |
| 3.3.1 微博影响力影响因素分析 | 第31页 |
| 3.3.2 微博影响力TRank算法的实现 | 第31-32页 |
| 3.3.3 TRank算法的优势 | 第32-33页 |
| 3.4 本章小结 | 第33-34页 |
| 第四章 基于Hadoop的微博用户及微博影响力算法的设计与实现 | 第34-52页 |
| 4.1 Hadoop平台的搭建 | 第34-37页 |
| 4.1.1 Hadoop伪分布安装模式 | 第34页 |
| 4.1.2 安装步骤及文件配置 | 第34-37页 |
| 4.2 NPRank算法的设计与实现 | 第37-45页 |
| 4.2.1 用户影响力数据模型的构建 | 第37-38页 |
| 4.2.2 NPRank算法的MapReduce分布式编程 | 第38-42页 |
| 4.2.3 NPRank算法的输出结果及分析 | 第42-45页 |
| 4.3 TRank算法的设计与实现 | 第45-51页 |
| 4.3.1 微博影响力数据模型的构建 | 第45-46页 |
| 4.3.2 TRank算法的MapReduce分布式编程 | 第46-48页 |
| 4.3.3 TRank算法的输出结果及分析 | 第48-51页 |
| 4.4 本章小结 | 第51-52页 |
| 第五章 基于Hadoop的微博用户及微博影响力排名展示系统设计 | 第52-58页 |
| 5.1 排名系统的结构 | 第52-53页 |
| 5.2 系统功能模块设计 | 第53-57页 |
| 5.2.1 数据搜集模块的设计 | 第53-54页 |
| 5.2.2 数据处理模块设计 | 第54-55页 |
| 5.2.3 数据存储模块设计 | 第55-56页 |
| 5.2.4 前端展示模块设计 | 第56-57页 |
| 5.3 本章小结 | 第57-58页 |
| 第六章 总结与展望 | 第58-60页 |
| 6.1 本文总结 | 第58页 |
| 6.2 工作展望 | 第58-60页 |
| 参考文献 | 第60-63页 |
| 致谢 | 第63页 |
