| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第一章 绪论 | 第9-13页 |
| 1.1 研究背景 | 第9页 |
| 1.2 研究现状 | 第9-11页 |
| 1.3 研究内容 | 第11-12页 |
| 1.4 本文的组织结构 | 第12-13页 |
| 第二章 相关定义及技术 | 第13-18页 |
| 2.1 相关定义 | 第13-14页 |
| 2.2 基于同构的子图查询方法 | 第14页 |
| 2.3 近似(非精确)子图查询方法 | 第14-15页 |
| 2.4 Top-k子图查询 | 第15页 |
| 2.5 Spark简介 | 第15-17页 |
| 2.5.1 Spark分布式数据集(RDD) | 第15-16页 |
| 2.5.2 Spark分布式图计算框架(GraphX) | 第16-17页 |
| 2.6 本章小结 | 第17-18页 |
| 第三章 基于节点距离分布的子图查询算法 | 第18-31页 |
| 3.1 问题分析 | 第18-19页 |
| 3.2 基于节点距离分布的子图查询算法(NDDSQ) | 第19-25页 |
| 3.2.1 基本概念定义 | 第19-20页 |
| 3.2.2 NDDSQ算法思想 | 第20-21页 |
| 3.2.3 NDDSQ算法流程 | 第21-23页 |
| 3.2.4 NDDSQ算法的并行化方案 | 第23-25页 |
| 3.3 实验与分析 | 第25-29页 |
| 3.3.1 实验环境 | 第25页 |
| 3.3.2 实验一: NDDSQ算法的正确性验证 | 第25-26页 |
| 3.3.3 实验二: 单机NDDSQ算法的时间性能分析 | 第26-27页 |
| 3.3.4 实验三: 并行NDDSQ算法正确性的验证 | 第27-28页 |
| 3.3.5 实验四: 并行NDDSQ算法的时间性能分析 | 第28-29页 |
| 3.4 本章小结 | 第29-31页 |
| 第四章 基于元路径的Top-k子图查询 | 第31-51页 |
| 4.1 基本概念定义 | 第31-32页 |
| 4.2 Strong Simulation算法 | 第32-33页 |
| 4.3 基于元路径的子图查询算法(MPSQ) | 第33-38页 |
| 4.3.1 MPSQ算法思想 | 第33-37页 |
| 4.3.2 MPSQ算法并行化方案 | 第37-38页 |
| 4.4 Top-k近似子图查询 | 第38-41页 |
| 4.4.1 Top-k近似子图查询算法思想 | 第38-40页 |
| 4.4.2 Top-k近似子图查询的并行化方案 | 第40-41页 |
| 4.5 实验结果及分析 | 第41-49页 |
| 4.5.1 实验环境 | 第42页 |
| 4.5.2 实验一: MPSQ算法和Strong Simulation算法的比较 | 第42-43页 |
| 4.5.3 实验二: MPSQ算法、GSIM算法以及AGS算法的比较 | 第43-45页 |
| 4.5.4 实验三: 并行MPSQ算法 | 第45-47页 |
| 4.5.5 实验四: Top-k子图查询算法的性能分析 | 第47-48页 |
| 4.5.6 实验五: 并行Top-k子图查询算法的性能分析 | 第48-49页 |
| 4.6 本章小结 | 第49-51页 |
| 第五章 总结与展望 | 第51-53页 |
| 5.1 全文总结 | 第51-52页 |
| 5.2 展望 | 第52-53页 |
| 致谢 | 第53-54页 |
| 参考文献 | 第54-56页 |
