| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第9-13页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.2 论文的主要工作 | 第10页 |
| 1.3 国内外研究现状 | 第10-11页 |
| 1.4 论文的内容结构 | 第11-13页 |
| 第二章 Hadoop平台相关技术研究 | 第13-27页 |
| 2.1 Hadoop分布式架构的应用 | 第13-14页 |
| 2.2 Hadoop分布式平台的体系结构及原理 | 第14-25页 |
| 2.2.1 Hadoop分布式文件系统 | 第15-21页 |
| 2.2.2 MapReduce分布式计算 | 第21-25页 |
| 2.3 本章小结 | 第25-27页 |
| 第三章 微博爬虫设计与实现 | 第27-37页 |
| 3.1 网络爬虫的基本原理 | 第27-30页 |
| 3.1.1 网络爬虫模型 | 第28-29页 |
| 3.1.2 网页搜索策略 | 第29-30页 |
| 3.2 微博爬虫的设计与实现 | 第30-35页 |
| 3.2.1 爬虫的基本流程设计 | 第30-31页 |
| 3.2.2 爬虫框架设计 | 第31-35页 |
| 3.3 微博爬虫实验与测试 | 第35页 |
| 3.3.1 功能测试 | 第35页 |
| 3.3.2 性能测试 | 第35页 |
| 3.4 本章小结 | 第35-37页 |
| 第四章 微博用户的网络舆情分析 | 第37-47页 |
| 4.1 网络舆情概述 | 第37-39页 |
| 4.2 社交网络相关概念介绍 | 第39-40页 |
| 4.2.1 无标度特性 | 第39页 |
| 4.2.2 小世界特性 | 第39-40页 |
| 4.3 网络统计分析 | 第40-44页 |
| 4.3.1 度分布的计算 | 第40-42页 |
| 4.3.2 验证六度分割理论 | 第42-44页 |
| 4.4 复杂网络与微博特性 | 第44-45页 |
| 4.5 本章小结 | 第45-47页 |
| 第五章 基于Hadoop的微博网络节点影响力评价 | 第47-61页 |
| 5.1 PageRank算法 | 第47-49页 |
| 5.2 基于PageRank的Importment-Relationship Rank算法 | 第49-53页 |
| 5.2.1 算法描述 | 第50-51页 |
| 5.2.2 算法流程与实现 | 第51-53页 |
| 5.3 与算法相关的实验 | 第53-59页 |
| 5.3.1 实验环境 | 第53页 |
| 5.3.2 Hadoop集群配置 | 第53-56页 |
| 5.3.3 算法性能实验 | 第56-59页 |
| 5.4 重要节点分析 | 第59-60页 |
| 5.5 本章小结 | 第60-61页 |
| 第六章 总结及展望 | 第61-63页 |
| 6.1 论文工作总结 | 第61页 |
| 6.2 后续工作展望 | 第61-63页 |
| 参考文献 | 第63-67页 |
| 致谢 | 第67页 |