| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第9-14页 |
| 1.1 研究背景与意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-12页 |
| 1.2.1 全局网络影响最大化研究现状 | 第10-11页 |
| 1.2.2 社区网络影响最大化研究现状 | 第11-12页 |
| 1.3 论文主要研究内容 | 第12-13页 |
| 1.4 论文组织结构及内容安排 | 第13-14页 |
| 第2章 社会网络相关理论及传播模型 | 第14-24页 |
| 2.1 相关概念 | 第14-19页 |
| 2.1.1 社会网络 | 第14-17页 |
| 2.1.2 社区结构 | 第17-19页 |
| 2.2 影响最大化传播问题 | 第19-20页 |
| 2.2.1 影响最大化定义 | 第19-20页 |
| 2.2.2 衡量标准 | 第20页 |
| 2.3 主要的影响力传播模型 | 第20-23页 |
| 2.3.1 独立级联模型 | 第21-22页 |
| 2.3.2 线性阈值模型 | 第22页 |
| 2.3.3 其他传播模型 | 第22-23页 |
| 2.4 本章小结 | 第23-24页 |
| 第3章 影响力最大化相关算法 | 第24-32页 |
| 3.1 算法相关理论 | 第24页 |
| 3.2 全局网络影响最大化算法 | 第24-27页 |
| 3.2.1 Greedy算法 | 第25-26页 |
| 3.2.2 DegreeDiscount算法 | 第26-27页 |
| 3.2.3 其他算法 | 第27页 |
| 3.3 社区影响最大化算法 | 第27-31页 |
| 3.3.1 CGA算法 | 第27-29页 |
| 3.3.2 CDH-Kcut算法 | 第29-31页 |
| 3.4 本章小结 | 第31-32页 |
| 第4章 影响力最大化算法研究 | 第32-49页 |
| 4.1 问题提出 | 第32页 |
| 4.2 HDFS架构及MapReduce模型 | 第32-35页 |
| 4.2.1 HDFS架构 | 第33页 |
| 4.2.2 MapReduce模型 | 第33-35页 |
| 4.3 并行社区搜索影响力最大化算法(PC-NIE) | 第35-38页 |
| 4.3.1 影响力分析 | 第35-36页 |
| 4.3.2 算法思想描述 | 第36-37页 |
| 4.3.3 算法流程图 | 第37-38页 |
| 4.4 算法伪代码描述 | 第38-40页 |
| 4.5 算法分析 | 第40-41页 |
| 4.6 实验 | 第41-48页 |
| 4.6.1 Hadoop实验环境搭建 | 第41-43页 |
| 4.6.2 实验数据集 | 第43-44页 |
| 4.6.3 实验结果及分析 | 第44-48页 |
| 4.7 本章小结 | 第48-49页 |
| 第5章 影响力最大化传播模型研究 | 第49-58页 |
| 5.1 存在的问题 | 第49-50页 |
| 5.2 浮动传播级联模型(FTC) | 第50-53页 |
| 5.2.1 FTC模型思想 | 第50页 |
| 5.2.2 FTC模型举例 | 第50-53页 |
| 5.3 实验 | 第53-57页 |
| 5.3.1 实验方法 | 第53页 |
| 5.3.2 实验数据集 | 第53-54页 |
| 5.3.3 实验结果及分析 | 第54-57页 |
| 5.4 本章小结 | 第57-58页 |
| 结论 | 第58-60页 |
| 参考文献 | 第60-65页 |
| 攻读硕士学位期间发表的论文和取得的科研成果 | 第65-66页 |
| 致谢 | 第66页 |