| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 第一章 绪论 | 第10-22页 |
| 1.1 引言 | 第10-11页 |
| 1.1.1 社会网络分析及其发展历程 | 第10页 |
| 1.1.2 社会网络分析主要研究内容 | 第10-11页 |
| 1.2 社团发现概述 | 第11-12页 |
| 1.3 个人中心网络社团发现任务 | 第12-13页 |
| 1.4 大规模社会网络分析 | 第13-19页 |
| 1.4.1 基于云计算海量数据挖掘技术框架 | 第13-15页 |
| 1.4.2 海量社会网络数据的处理 | 第15-16页 |
| 1.4.3 社会网络分析中的并行计算 | 第16-17页 |
| 1.4.4 社会网络可视化技术 | 第17-19页 |
| 1.5 主要内容及意义 | 第19-20页 |
| 1.6 文章组织结构 | 第20-22页 |
| 第二章 社会网络分析及社团发现研究概况 | 第22-28页 |
| 2.1 非重叠社团结构发现 | 第22-23页 |
| 2.2 重叠社团结构发现 | 第23页 |
| 2.3 社团发现的度量方法 | 第23-24页 |
| 2.4 基于模块度社团发现算法 | 第24-25页 |
| 2.5 社团发现未来发展方向 | 第25-27页 |
| 2.6 本章小结 | 第27-28页 |
| 第三章 基于因子图模型的个人中心网络社团发现算法 | 第28-47页 |
| 3.1 个人中心网络社团发现 | 第28-31页 |
| 3.1.1 引言 | 第28-29页 |
| 3.1.2 本章组织结构 | 第29-31页 |
| 3.2 相关研究工作 | 第31-34页 |
| 3.3 研究思路 | 第34-35页 |
| 3.4 ECFG个人中心网络社团因子图模型 | 第35-43页 |
| 3.4.1 基于LDA算法构建主题模型 | 第35-36页 |
| 3.4.2 Personalized PageRank算法 | 第36-37页 |
| 3.4.3 因子图模型和Sum-Product算法 | 第37-39页 |
| 3.4.4 ECFG模型 | 第39-43页 |
| 3.5 ECAP学习算法 | 第43-45页 |
| 3.6 本章小结 | 第45-47页 |
| 第四章 并行化的个人中心网络社团发现算法 | 第47-53页 |
| 4.1 MapReduce分布式编程模型 | 第47-48页 |
| 4.2 基于MapReduce的个人中心网络社团发现算法 | 第48-49页 |
| 4.3 本章小结 | 第49-53页 |
| 第五章 实验及分析 | 第53-75页 |
| 5.1 实验设计及运行 | 第53-60页 |
| 5.1.1 学术论文合著社会网络中的PECAP实验 | 第53-58页 |
| 5.1.2 学术论文引用社会网络中的PECAP实验 | 第58页 |
| 5.1.3 电影网络中的PECAP实验 | 第58-60页 |
| 5.2 实验运行分析 | 第60-66页 |
| 5.2.1 算法准确度分析 | 第60-65页 |
| 5.2.2 算法时间性能分析 | 第65-66页 |
| 5.3 DODO工具箱中应用PECAP算法 | 第66-72页 |
| 5.3.1 DODO工具箱简介 | 第66-67页 |
| 5.3.2 DODO工具箱应用PECAP算法 | 第67-72页 |
| 5.4 DODO工具箱中的可视化技术 | 第72页 |
| 5.5 本章小结 | 第72-75页 |
| 第六章 总结与展望 | 第75-78页 |
| 6.1 总结 | 第75-76页 |
| 6.2 展望 | 第76-78页 |
| 参考文献 | 第78-83页 |
| 致谢 | 第83-85页 |
| 发表文章目录 | 第85页 |
| 参与项目 | 第85-86页 |
