| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 目录 | 第7-9页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 论文研究背景 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-12页 |
| 1.3 本文工作 | 第12页 |
| 1.4 论文组织结构 | 第12-15页 |
| 第二章 社团发现相关算法与背景知识 | 第15-31页 |
| 2.1 有向图的拓扑特征 | 第15-17页 |
| 2.1.1 模块度 | 第15页 |
| 2.1.2 聚集系数 | 第15-16页 |
| 2.1.3 节点度分布 | 第16页 |
| 2.1.4 平均最短路径 | 第16-17页 |
| 2.1.5 以节点为中心的网络属性分布 | 第17页 |
| 2.2 节点特征选择 | 第17-22页 |
| 2.2.1 特征选择 | 第17-20页 |
| 2.2.2 中文分词算法 | 第20-21页 |
| 2.2.3 微博词频分析TF-IDF | 第21-22页 |
| 2.3 Logistic回归分析 | 第22-24页 |
| 2.3.1 Logistic回归过程 | 第22-23页 |
| 2.3.2 Cost函数与J(θ)函数 | 第23-24页 |
| 2.3.3 L1正则化Logistic回归 | 第24页 |
| 2.4 Logistic回归模型的性能评估 | 第24-28页 |
| 2.4.1 混淆矩阵 | 第24-25页 |
| 2.4.2 ROC曲线和AUC | 第25-26页 |
| 2.4.3 提升图 | 第26-28页 |
| 2.5 Spark分布式计算框架 | 第28-31页 |
| 第三章 基于用户相关性建模的信息社团发现 | 第31-39页 |
| 3.1 信息化社团验证 | 第31-32页 |
| 3.2 抽象上下层结构 | 第32-33页 |
| 3.3 用户相关性建模 | 第33-37页 |
| 3.3.1 用户相似性的模型构建 | 第33页 |
| 3.3.2 静态特征相似性 | 第33-34页 |
| 3.3.3 拓扑结构相似性 | 第34页 |
| 3.3.4 微博文本相似性 | 第34-36页 |
| 3.3.5 综合相关度计算 | 第36-37页 |
| 3.4 特征提取 | 第37页 |
| 3.5 信息化社团上层群体划分 | 第37-39页 |
| 第四章 基于SPARK的模型训练与验证 | 第39-57页 |
| 4.1 Spark分布式计算框架集群部署 | 第39-41页 |
| 4.1.1 安装环境简介 | 第39-40页 |
| 4.1.2 部署过程 | 第40-41页 |
| 4.2 基于PageRank的微博用户上下层划分 | 第41-42页 |
| 4.3 拓扑特征相似性计算在Spark上的实现 | 第42-44页 |
| 4.3.1 并行化计算Jaccard相似性系数 | 第42-43页 |
| 4.3.2 用graphx计算两两节点之间的最短距离 | 第43-44页 |
| 4.4 博文相似性计算在Spark上的实现 | 第44-47页 |
| 4.4.1 分词 | 第45页 |
| 4.4.2 TF-IDF的计算 | 第45-47页 |
| 4.5 Logistic回归训练 | 第47-50页 |
| 4.5.1 Logistic回归的并行化实现 | 第47-50页 |
| 4.5.2 Logistic回归结果分析 | 第50页 |
| 4.6 Logistic回归模型的性能评估与特征提取 | 第50-52页 |
| 4.6.1 Logistic回归模型对比 | 第50-51页 |
| 4.6.2 特征提取 | 第51-52页 |
| 4.7 微博群体划分 | 第52-55页 |
| 4.7.1 微博群体划分在Spark上的实现 | 第52-55页 |
| 4.7.2 实验验证与结果分析 | 第55页 |
| 4.8 在Spark上并行化实现的性能分析 | 第55-57页 |
| 第五章 总结及展望 | 第57-59页 |
| 参考文献 | 第59-63页 |
| 致谢 | 第63页 |