| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第9-16页 |
| 1.1 研究背景 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-12页 |
| 1.2.1 机会网络研究 | 第10-11页 |
| 1.2.2 社会特性分析方法 | 第11-12页 |
| 1.2.3 MapReduce并行计算技术及Hadoop平台 | 第12页 |
| 1.3 论文研究目标及内容 | 第12-13页 |
| 1.3.1 研究目标 | 第12-13页 |
| 1.3.2 研究内容 | 第13页 |
| 1.4 论文主要来源及主要贡献 | 第13-14页 |
| 1.4.1 论文来源 | 第13-14页 |
| 1.4.2 主要贡献 | 第14页 |
| 1.5 论文章节安排 | 第14-16页 |
| 第二章 MapReduce和社会特性分析技术概述 | 第16-25页 |
| 2.1 MapReduce相关技术介绍 | 第16-18页 |
| 2.1.1 MapReduce技术的提出 | 第16页 |
| 2.1.2 MapReduce编程模型 | 第16-18页 |
| 2.2 与其他并行计算技术的比较 | 第18-20页 |
| 2.2.1 与中间件技术的比较 | 第18页 |
| 2.2.2 与网格计算模型的比较 | 第18-19页 |
| 2.2.3 与P2P计算模型的比较 | 第19页 |
| 2.2.4 与Volunteer计算模型的比较 | 第19-20页 |
| 2.3 社会特性分析技术介绍 | 第20-24页 |
| 2.3.1 社会特性的提出与发展 | 第20页 |
| 2.3.2 机会网络中的社会特性 | 第20-21页 |
| 2.3.3 社会特性分析指标 | 第21-22页 |
| 2.3.4 连通性算法的介绍 | 第22-24页 |
| 2.4 本章小结 | 第24-25页 |
| 第三章 机会网络数据的并行处理方法研究 | 第25-31页 |
| 3.1 机会网络的体系结构 | 第25-26页 |
| 3.2 数据集选取 | 第26页 |
| 3.3 数据抽取 | 第26-27页 |
| 3.4 数据格式转换 | 第27-30页 |
| 3.5 本章小结 | 第30-31页 |
| 第四章 基于MapReduce的社会特性分析算法 | 第31-51页 |
| 4.1 引言 | 第31页 |
| 4.2 基于MapReduce的社会特性分析算法数据结构定义 | 第31页 |
| 4.3 基于MapReduce的无向图连通分量算法设计 | 第31-39页 |
| 4.3.1 标签传播算法 | 第32页 |
| 4.3.2 算法基本思路和数据结构 | 第32-33页 |
| 4.3.3 详细算法描述 | 第33-38页 |
| 4.3.4 测试与性能分析 | 第38-39页 |
| 4.4 基于MapReduce的有向图强连通分量算法设计 | 第39-50页 |
| 4.4.1 算法基本思路和数据结构 | 第40-41页 |
| 4.4.2 详细算法描述 | 第41-49页 |
| 4.4.3 测试与性能分析 | 第49-50页 |
| 4.5 本章小结 | 第50-51页 |
| 第五章 基于MapReduce的机会网络中社会特性分析系统 | 第51-65页 |
| 5.1 系统功能概述 | 第51页 |
| 5.2 原型系统 | 第51-56页 |
| 5.2.1 系统环境 | 第51-52页 |
| 5.2.2 系统结构 | 第52-54页 |
| 5.2.3 社会特性算法接口类说明 | 第54-56页 |
| 5.3 原型系统测试结果与分析 | 第56-65页 |
| 5.3.1 系统部署 | 第56-58页 |
| 5.3.2 功能实现 | 第58-65页 |
| 第六章 总结与展望 | 第65-67页 |
| 6.1 总结 | 第65页 |
| 6.2 展望 | 第65-67页 |
| 参考文献 | 第67-70页 |
| 附录1 攻读硕士学位期间申请的专利 | 第70-71页 |
| 附录2 攻读硕士学位期间参加的科研项目 | 第71-72页 |
| 致谢 | 第72页 |
