摘要 | 第5-6页 |
ABSTRACT | 第6-7页 |
第一章 绪论 | 第11-17页 |
1.1 研究背景 | 第11-12页 |
1.2 国内外研究现状和发展趋势 | 第12-13页 |
1.3 研究内容 | 第13-15页 |
1.3.1 节点持久力计算公式修正 | 第13-14页 |
1.3.2 并行增量动态社团发现PIDCDS算法 | 第14-15页 |
1.3.3 动态社团演化并行算法及其在文本分析中的应用 | 第15页 |
1.3.4 并行社团分析算法组件化集成于系统 | 第15页 |
1.4 论文结构 | 第15-17页 |
第二章 相关技术综述 | 第17-29页 |
2.1 Spark并行计算框架 | 第17-20页 |
2.1.1 弹性分布式数据集RDD | 第17-18页 |
2.1.2 Spark生态系统 | 第18-20页 |
2.2 GraphX图并行计算平台 | 第20-22页 |
2.2.1 GraphX应用背景 | 第20页 |
2.2.2 GraphX设计分析 | 第20-22页 |
2.2.3 GraphX计算方式 | 第22页 |
2.3 Yarn资源管理系统 | 第22-26页 |
2.3.1 Yarn产生背景 | 第22-23页 |
2.3.2 Yarn基本架构 | 第23-25页 |
2.3.3 分布式文件系统HDFS | 第25-26页 |
2.4 OSGI规范 | 第26-28页 |
2.4.1 OSGI及Bundle介绍 | 第26-28页 |
2.4.2 OSGI服务层 | 第28页 |
2.5 本章总结 | 第28-29页 |
第三章 基于Spark的并行增量动态社团发现算法 | 第29-43页 |
3.1 节点持久力计算公式的修正 | 第29-32页 |
3.1.1 节点持久力介绍 | 第29-30页 |
3.1.2 持久力计算公式修正 | 第30-32页 |
3.2 最大持久力计算并行算法 | 第32-35页 |
3.2.1 增量节点定义 | 第33页 |
3.2.2 GraphX Pregel | 第33-34页 |
3.2.3 最大持久力计算myPregel | 第34-35页 |
3.3 动态社团发现PIDCDS算法 | 第35-37页 |
3.3.1 动态网络输入 | 第35页 |
3.3.2 动态社团发现PIDCDS | 第35-37页 |
3.3.3 PIDCDS算法总结 | 第37页 |
3.4 PIDCDS算法实验及结果评价 | 第37-41页 |
3.4.1 实验环境介绍 | 第37页 |
3.4.2 PIDCDS在人工合成网络数据集上的实验 | 第37-39页 |
3.4.3 PIDCDS的时间性能及在真实网络数据集上的实验 | 第39-41页 |
3.5 本章总结 | 第41-43页 |
第四章 动态社团演化并行算法及应用 | 第43-55页 |
4.1 动态社团演化算法 | 第43-46页 |
4.1.1 社团骨骼结构的提取 | 第43-44页 |
4.1.2 社团演化过程的确定 | 第44-46页 |
4.2 文本数据及其处理过程 | 第46-50页 |
4.2.1 文档分词 | 第47-48页 |
4.2.2 文档特征向量的抽取 | 第48页 |
4.2.3 时间片跨度的确定 | 第48-49页 |
4.2.4 动态网络的具体构造 | 第49-50页 |
4.3 文本数据的事件演化分析 | 第50-53页 |
4.3.1 社团演化实验结果 | 第50页 |
4.3.2 事件演化实验结果 | 第50-53页 |
4.4 本章总结 | 第53-55页 |
第五章 并行图挖掘系统的设计与实现 | 第55-65页 |
5.1 需求分析 | 第55-56页 |
5.2 系统整体架构 | 第56-58页 |
5.3 系统具体实现 | 第58-62页 |
5.3.1 数据管理 | 第59页 |
5.3.2 工作流管理 | 第59-60页 |
5.3.3 并行网络分析 | 第60页 |
5.3.4 可视化展示 | 第60-61页 |
5.3.5 算法的组件化 | 第61-62页 |
5.4 本章总结 | 第62-65页 |
第六章 总结与展望 | 第65-67页 |
6.1 论文工作总结 | 第65-66页 |
6.2 未来工作展望 | 第66-67页 |
参考文献 | 第67-71页 |
致谢 | 第71-73页 |
攻读学位期间发表的学术论文目录 | 第73页 |