| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第9-14页 |
| 1.1 研究背景及现状 | 第9-10页 |
| 1.2 国内外研究现状和发展趋势 | 第10-11页 |
| 1.3 研究内容 | 第11-13页 |
| 1.3.1 并行基于密度的社区发现算法 | 第11页 |
| 1.3.2 对于基于密度与模块度优化的社区发现算法改进 | 第11-12页 |
| 1.3.3 大规模复杂网络下的重叠社团发现的研究 | 第12-13页 |
| 1.3.4 并行社区发现算法组件化集成于系统 | 第13页 |
| 1.4 论文结构 | 第13-14页 |
| 第二章 相关研究与技术综述 | 第14-21页 |
| 2.1 社团发现概述 | 第14页 |
| 2.2 重叠社团发现 | 第14-16页 |
| 2.2.1 基于原图的重叠社团发现 | 第15页 |
| 2.2.2 基于边图的重叠社团发现 | 第15-16页 |
| 2.3 Spark | 第16-18页 |
| 2.4 GraphX | 第18-20页 |
| 2.5 本章总结 | 第20-21页 |
| 第三章 社团发现算法并行化的设计与实现 | 第21-44页 |
| 3.1 非重叠社团发现算法 | 第21-26页 |
| 3.1.1 SCAN算法介绍 | 第21-24页 |
| 3.1.2 并行实现SCAN算法 | 第24-26页 |
| 3.2 重叠社团发现算法LinkSHRINK | 第26-37页 |
| 3.2.1 社团发现算法SHRINK | 第26-30页 |
| 3.2.2 基于边图的重叠社团发现算法LinkSHRINK | 第30-37页 |
| 3.3 大规模复杂网络下的重叠社团发现算法的研究 | 第37-43页 |
| 3.3.1 图抽样 | 第38页 |
| 3.3.2 基于Hadoop分布式计算框架下的重叠社团发现算法的研究 | 第38-41页 |
| 3.3.3 基于Spark分布式计算框架下的重叠社团发现算法的研究 | 第41-43页 |
| 3.4 本章总结 | 第43-44页 |
| 第四章 社团发现算法相关实验与评估 | 第44-57页 |
| 4.1 实验环境 | 第44页 |
| 4.1.1 实验硬件环境 | 第44页 |
| 4.1.2 实验软件环境 | 第44页 |
| 4.2 LinkSHRINK算法实验及结果评价 | 第44-51页 |
| 4.2.1 评价指标 | 第44-45页 |
| 4.2.2 数据集 | 第45-48页 |
| 4.2.3 实验对比 | 第48-51页 |
| 4.2.4 实验总结 | 第51页 |
| 4.3 PLinkSHRINK算法实验及结果评价 | 第51-56页 |
| 4.3.1 图抽样实验过程及对比 | 第51-53页 |
| 4.3.2 算法实验及结果评价 | 第53-56页 |
| 4.4 本章总结 | 第56-57页 |
| 第五章 大规模图挖掘系统的设计与实现 | 第57-63页 |
| 5.1 需求分析 | 第57-58页 |
| 5.2 系统框架设计 | 第58-59页 |
| 5.3 核心工具介绍 | 第59-62页 |
| 5.3.1 工作流引擎 | 第60-61页 |
| 5.3.2 算法组件化 | 第61-62页 |
| 5.4 本章总结 | 第62-63页 |
| 第六章 总结与展望 | 第63-65页 |
| 6.1 全文总结 | 第63-64页 |
| 6.2 下一步工作 | 第64-65页 |
| 参考文献 | 第65-67页 |
| 致谢 | 第67-68页 |
| 攻读硕士研究生期间发表的论文 | 第68页 |
