| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 1 绪论 | 第8-12页 |
| 1.1 研究背景和意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-10页 |
| 1.3 主要研究内容及成果 | 第10-11页 |
| 1.4 论文的章节安排 | 第11-12页 |
| 2 云计算和PageRank研究综述 | 第12-24页 |
| 2.1 云计算 | 第12-15页 |
| 2.1.1 简介 | 第12-13页 |
| 2.1.2 实现机制和关键技术 | 第13-15页 |
| 2.2 开源云计算平台——Hadoop | 第15-19页 |
| 2.2.1 Hadoop简介 | 第15页 |
| 2.2.2 分布式文件系统HDFS | 第15-17页 |
| 2.2.3 并行编程模型MapReduce | 第17-19页 |
| 2.3 PageRank算法概述 | 第19-22页 |
| 2.3.1 经典PageRank算法思想 | 第20页 |
| 2.3.2 PageRank算法分析 | 第20-22页 |
| 2.3.3 算法优缺点 | 第22页 |
| 2.4 本章小结 | 第22-24页 |
| 3 基于Hadoop的PageRank算法及其改进 | 第24-36页 |
| 3.1 基于Hadoop的PageRank算法 | 第24-28页 |
| 3.1.1 基于Hadoop的PageRank算法 | 第24页 |
| 3.1.2 数据准备 | 第24-26页 |
| 3.1.3 实现过程 | 第26-27页 |
| 3.1.4 问题提出 | 第27-28页 |
| 3.2 网站切割 | 第28-29页 |
| 3.3 K步长算法 | 第29-31页 |
| 3.4 矩阵乘法并行算法 | 第31-33页 |
| 3.5 LZO数据压缩 | 第33-34页 |
| 3.6 算法设计流程 | 第34-35页 |
| 3.7 本章小结 | 第35-36页 |
| 4 基于Hadoop的PageRank改进算法实验 | 第36-46页 |
| 4.1 相关准备 | 第36-37页 |
| 4.1.1 实验环境 | 第36页 |
| 4.1.2 数据集 | 第36-37页 |
| 4.2 PageRank算法实施配置 | 第37-41页 |
| 4.2.1 集群概况 | 第37-38页 |
| 4.2.2 集群配置 | 第38-41页 |
| 4.3 集群环境下运行PageRank算法 | 第41-42页 |
| 4.4 理论分析与实验验证 | 第42-44页 |
| 4.5 本章小结 | 第44-46页 |
| 5 基于改进PageRank算法的应用——微博权威值计算 | 第46-54页 |
| 5.1 微博数据采集 | 第46-49页 |
| 5.2 数据库表结构设计 | 第49页 |
| 5.3 权威值计算与验证 | 第49-52页 |
| 5.4 本章小结 | 第52-54页 |
| 6 总结和展望 | 第54-56页 |
| 致谢 | 第56-58页 |
| 参考文献 | 第58-62页 |
| 附录 | 第62页 |
