| 致谢 | 第5-6页 |
| 摘要 | 第6-7页 |
| ABSTRACT | 第7-8页 |
| 1 引言 | 第12-19页 |
| 1.1 论文背景及意义 | 第12-13页 |
| 1.2 相关研究现状 | 第13-17页 |
| 1.3 论文主要研究工作 | 第17-18页 |
| 1.4 论文组织结构 | 第18-19页 |
| 2 相关理论及技术基础 | 第19-31页 |
| 2.1 社区发现相关理论知识 | 第19-24页 |
| 2.1.1 社区结构概念 | 第19-20页 |
| 2.1.2 基于标签传播的非重叠社区发现算法 | 第20-22页 |
| 2.1.3 基于标签传播的重叠社区发现算法 | 第22-24页 |
| 2.2 传统节点重要性排序算法 | 第24-27页 |
| 2.2.1 度排序算法 | 第24-25页 |
| 2.2.2 接近度排序算法 | 第25-26页 |
| 2.2.3 介数排序算法 | 第26-27页 |
| 2.3 Spark相关技术 | 第27-30页 |
| 2.3.1 Spark大数据处理框架 | 第27-29页 |
| 2.3.2 弹性分布式数据集RDD | 第29页 |
| 2.3.3 图计算框架GraphX | 第29-30页 |
| 2.4 本章小结 | 第30-31页 |
| 3 基于节点重要性的标签传播算法设计 | 第31-46页 |
| 3.1 研究出发点 | 第31-32页 |
| 3.2 标签初始化重要性序列 | 第32-38页 |
| 3.2.1 基于边缘节点删除思想的排序算法ENR | 第32-33页 |
| 3.2.2 ENR算法网络模型构建 | 第33-34页 |
| 3.2.3 ENR算法描述及复杂度分析 | 第34-36页 |
| 3.2.4 ENR算法举例 | 第36-38页 |
| 3.3 初始团的构建 | 第38-43页 |
| 3.3.1 初始团思想 | 第38页 |
| 3.3.2 初始团构建描述 | 第38-41页 |
| 3.3.3 初始团构建实现及复杂度分析 | 第41-43页 |
| 3.4 标签传播过程 | 第43-44页 |
| 3.5 NI-COPRA算法整体思路及复杂度分析 | 第44-45页 |
| 3.6 本章小结 | 第45-46页 |
| 4 算法有效性验证与分析 | 第46-61页 |
| 4.1 社区评价指标 | 第46-49页 |
| 4.1.1 模块度评价 | 第46-48页 |
| 4.1.2 标准互信息 | 第48-49页 |
| 4.2 实验数据集及平台 | 第49-51页 |
| 4.2.1 人工合成网络数据集 | 第49-50页 |
| 4.2.2 真实网络数据集 | 第50-51页 |
| 4.2.3 实验环境 | 第51页 |
| 4.3 实验测试 | 第51-59页 |
| 4.3.1 测试NI-COPRA算法的参数k | 第51-56页 |
| 4.3.2 算法比较 | 第56-59页 |
| 4.4 本章小结 | 第59-61页 |
| 5 基于Spark的并行化设计与实现 | 第61-69页 |
| 5.1 基于Spark的并行化NI-COPRA算法 | 第61-65页 |
| 5.1.1 Spark中图数据处理 | 第61-62页 |
| 5.1.2 NI-COPRA算法Spark化 | 第62-64页 |
| 5.1.3 并行化流程 | 第64-65页 |
| 5.2 集群搭建 | 第65-67页 |
| 5.2.1 硬件系统要求 | 第65页 |
| 5.2.2 构造集群 | 第65-66页 |
| 5.2.3 IDE开发环境 | 第66-67页 |
| 5.3 实验分析 | 第67-68页 |
| 5.4 本章小结 | 第68-69页 |
| 6 总结与展望 | 第69-71页 |
| 参考文献 | 第71-75页 |
| 作者简历及攻读硕士学位期间取得的研究成果 | 第75-77页 |
| 学位论文数据集 | 第77页 |