| 摘要 | 第1-6页 |
| ABSTRACT | 第6-10页 |
| 第一章 绪论 | 第10-17页 |
| ·研究背景 | 第10-11页 |
| ·研究意义 | 第11-12页 |
| ·国内外研究现状 | 第12-15页 |
| ·研究目标和内容 | 第15-16页 |
| ·研究目标 | 第15页 |
| ·研究内容 | 第15-16页 |
| ·论文组织结构 | 第16-17页 |
| 第二章 相关理论知识和关键技术 | 第17-25页 |
| ·Hadoop云计算平台 | 第17-19页 |
| ·HDFS体系结构 | 第17-18页 |
| ·MapReduce编程模型 | 第18-19页 |
| ·相似度计算 | 第19-22页 |
| ·内容相似度 | 第20-21页 |
| ·结构相似度 | 第21-22页 |
| ·个性化推荐 | 第22-24页 |
| ·常见推荐技术 | 第22-23页 |
| ·推荐系统评价指标 | 第23-24页 |
| ·本章小结 | 第24-25页 |
| 第三章 基于社交网络的网络结构 | 第25-40页 |
| ·社交网络介绍 | 第25-28页 |
| ·社交网络 | 第25页 |
| ·社交网络理论基础 | 第25-26页 |
| ·社交网络分析指标 | 第26-28页 |
| ·社区发现算法分析 | 第28-29页 |
| ·层次聚类法 | 第29页 |
| ·GN算法 | 第29页 |
| ·基于活跃节点的社区发现算法设计 | 第29-32页 |
| ·活跃节点的选择 | 第30-31页 |
| ·社区划分 | 第31-32页 |
| ·算法分析以及MapReduce并行实现 | 第32-36页 |
| ·算法复杂分析 | 第32页 |
| ·MapReduce并行实现 | 第32-36页 |
| ·实验结果分析 | 第36-39页 |
| ·实验环境与数据集 | 第36页 |
| ·实验结果 | 第36-39页 |
| ·本章小结 | 第39-40页 |
| 第四章 基于网络结构的相似度计算 | 第40-54页 |
| ·SimRank算法 | 第40-41页 |
| ·并行SimRank算法 | 第41-44页 |
| ·算法实现 | 第41-44页 |
| ·算法分析 | 第44页 |
| ·Delta-SimRank | 第44-51页 |
| ·Delta-SimRank的MapReduce改进和实现 | 第47-50页 |
| ·算法分析 | 第50-51页 |
| ·实验结果分析 | 第51-53页 |
| ·实验环境与数据集 | 第51页 |
| ·实验结果 | 第51-53页 |
| ·本章小结 | 第53-54页 |
| 第五章 基于网络结构的个性化推荐 | 第54-67页 |
| ·引言 | 第54页 |
| ·个性化推荐算法 | 第54-56页 |
| ·实验结果与分析 | 第56-60页 |
| ·实验环境和数据集 | 第56-57页 |
| ·实验结果 | 第57-60页 |
| ·基于微博数据的个性化推荐系统设计 | 第60-66页 |
| ·系统整体设计 | 第60-61页 |
| ·系统拓扑结构和开发环境 | 第61-62页 |
| ·系统运行效果 | 第62-66页 |
| ·本章小结 | 第66-67页 |
| 第六章 结论与展望 | 第67-69页 |
| ·结论 | 第67页 |
| ·展望 | 第67-69页 |
| 参考文献 | 第69-72页 |
| 致谢 | 第72-73页 |
| 攻读学位期间参加的科研项目和成果 | 第73页 |