| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第12-20页 |
| 1.1 研究背景和意义 | 第12-13页 |
| 1.2 社区发现 | 第13-14页 |
| 1.3 研究现状及存在的问题 | 第14-17页 |
| 1.3.1 基于图划分的方法 | 第14页 |
| 1.3.2 基于模块度优化的方法 | 第14-16页 |
| 1.3.3 基于谱聚类的方法 | 第16页 |
| 1.3.4 基于统计推断的方法 | 第16-17页 |
| 1.3.5 基于动态过程的方法 | 第17页 |
| 1.4 主要研究成果 | 第17-18页 |
| 1.5 论文组织结构 | 第18-20页 |
| 第2章 理论基础 | 第20-24页 |
| 2.1 标签传播算法 | 第20-22页 |
| 2.1.1 标签传播算法概述 | 第20-21页 |
| 2.1.2 基于标签传播的社区发现算法 | 第21-22页 |
| 2.2 核心节点的度量 | 第22-23页 |
| 2.3 小结 | 第23-24页 |
| 第3章 基于改进标签传播的重叠社区发现算法 | 第24-42页 |
| 3.1 改进的标签传播算法 | 第24-29页 |
| 3.1.1 边图的生成 | 第24-26页 |
| 3.1.2 改进的标签传播模型 | 第26-29页 |
| 3.1.3 边图的还原 | 第29页 |
| 3.2 LLPA算法总述 | 第29-31页 |
| 3.3 实验与分析 | 第31-40页 |
| 3.3.1 实验设计 | 第31页 |
| 3.3.2 数据集 | 第31-33页 |
| 3.3.3 社区评价指标 | 第33-34页 |
| 3.3.4 实验结果与分析 | 第34-40页 |
| 3.3.5 算法时间复杂度分析 | 第40页 |
| 3.3.6 优化改进方向探讨 | 第40页 |
| 3.4 小结 | 第40-42页 |
| 第4章 基于社区发现微博用户行为分析系统的设计与实现 | 第42-56页 |
| 4.1 关键技术介绍 | 第42-43页 |
| 4.1.1 Spark框架 | 第42-43页 |
| 4.1.2 Kafka框架 | 第43页 |
| 4.1.3 分布式存储 | 第43页 |
| 4.2 系统总体架构设计 | 第43-45页 |
| 4.3 系统功能结构设计 | 第45-50页 |
| 4.3.1 系统管理模块 | 第45-46页 |
| 4.3.2 用户数据处理模块 | 第46-47页 |
| 4.3.3 用户行为分析模块 | 第47-48页 |
| 4.3.4 用户影响力分析模块 | 第48-50页 |
| 4.4 数据库设计 | 第50-51页 |
| 4.5 系统实现 | 第51-55页 |
| 4.5.1 系统首界面 | 第52-53页 |
| 4.5.2 用户数据处理模块 | 第53页 |
| 4.5.3 用户行为分析模块 | 第53-55页 |
| 4.6 小结 | 第55-56页 |
| 结论 | 第56-58页 |
| 参考文献 | 第58-64页 |
| 致谢 | 第64-65页 |
| 附录 A 在读期间取得的成果 | 第65页 |