| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 1 绪论 | 第10-16页 |
| 1.1 研究意义与应用前景 | 第10-11页 |
| 1.2 国内外研究现状分析 | 第11-13页 |
| 1.3 研究内容 | 第13-14页 |
| 1.4 论文组织结构 | 第14-16页 |
| 2 相关理论知识及软件 | 第16-26页 |
| 2.1 社区发现的含义 | 第16-18页 |
| 2.2 Hadoop平台以及MapReduce简介 | 第18-24页 |
| 2.2.1 Hadoop简介 | 第18页 |
| 2.2.2 HDFS简介 | 第18-20页 |
| 2.2.3 MapReduce简介 | 第20-24页 |
| 2.3 PEGASUS | 第24页 |
| 2.4 分词工具ICTCLAS | 第24-25页 |
| 2.5 小结 | 第25-26页 |
| 3 基于内容的MapReduce社区发现算法设计 | 第26-45页 |
| 3.1 用于社区发现的聚类相关概念 | 第26-30页 |
| 3.1.1 常用的相似度计算方法 | 第26-27页 |
| 3.1.2 相似邻居的选择 | 第27-28页 |
| 3.1.3 聚类关键问题 | 第28页 |
| 3.1.4 文本挖掘关键问题 | 第28-30页 |
| 3.1.5 相关计算公式定义 | 第30页 |
| 3.2 常用聚类算法 | 第30-33页 |
| 3.2.1 KMeans聚类算法 | 第30-31页 |
| 3.2.2 模糊KMeans聚类算法 | 第31-32页 |
| 3.2.3 Canopy聚类算法 | 第32-33页 |
| 3.3 基于MapReduce的MRKC聚类算法的设计与实现 | 第33-37页 |
| 3.4 基于MapReduce的文本预处理算法设计与实现 | 第37-44页 |
| 3.5 小结 | 第44-45页 |
| 4 基于结构的MapReduce社区发现算法设计与实现 | 第45-53页 |
| 4.1 总体算法流程 | 第45-46页 |
| 4.2 预处理阶段 | 第46-49页 |
| 4.3 核心处理阶段 | 第49-51页 |
| 4.4 最终处理阶段 | 第51-52页 |
| 4.5 小结 | 第52-53页 |
| 5 原型系统实现及实验分析 | 第53-69页 |
| 5.1 原型系统设计 | 第53-54页 |
| 5.2 原型系统实现 | 第54-60页 |
| 5.2.1 软硬件环境 | 第54-56页 |
| 5.2.2 爬虫模块 | 第56-58页 |
| 5.2.2.1 爬虫模块流程 | 第56-57页 |
| 5.2.2.2 爬虫数据预处理 | 第57-58页 |
| 5.2.3 社区发现原型系统操作界面 | 第58页 |
| 5.2.4 社区发现结果可视化 | 第58-60页 |
| 5.3 基于内容的MapReduce社区发现算法实验 | 第60-64页 |
| 5.4 基于结构的MapReduce社区发现算法实验 | 第64-67页 |
| 5.5 小结 | 第67-69页 |
| 6 结论 | 第69-71页 |
| 6.1 本文总结 | 第69-70页 |
| 6.2 未来的工作 | 第70-71页 |
| 致谢 | 第71-72页 |
| 参考文献 | 第72-76页 |
| 附录 | 第76页 |
