| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-17页 |
| 1.1 研究背景和意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-13页 |
| 1.2.1 基于相似度和聚类的方法 | 第12页 |
| 1.2.2 基于概率统计模型的方法 | 第12页 |
| 1.2.3 基于网络结构的方法 | 第12-13页 |
| 1.3 研究内容 | 第13-15页 |
| 1.3.1 问答社区数据采集及过滤 | 第13-14页 |
| 1.3.2 网络构建 | 第14页 |
| 1.3.3 社团发现算法的设计与实现 | 第14-15页 |
| 1.3.4 实验与评估 | 第15页 |
| 1.4 论文组织结构 | 第15-17页 |
| 第二章 社团发现相关研究介绍 | 第17-24页 |
| 2.1 同构网络中的社团发现算法 | 第17-20页 |
| 2.1.1 基于派系过滤(CPM)的算法 | 第17页 |
| 2.1.2 基于边聚类的算法 | 第17-18页 |
| 2.1.3 基于非负矩阵分解的算法 | 第18页 |
| 2.1.4 基于种子扩展思想的算法 | 第18-19页 |
| 2.1.5 基于标签传播思想的算法 | 第19-20页 |
| 2.2 二分网络中的社团发现算法 | 第20-21页 |
| 2.2.1 基于模块度的算法 | 第20页 |
| 2.2.2 基于统计模型MDL的算法 | 第20-21页 |
| 2.2.3 基于标签传播LPAb的算法 | 第21页 |
| 2.3 社团发现算法的评价指标 | 第21-23页 |
| 2.3.1 标准化互信息NMI | 第21-22页 |
| 2.3.2 模块度 | 第22-23页 |
| 2.4 本章小结 | 第23-24页 |
| 第三章 用户同构网络中的社团发现算法LPBHO | 第24-37页 |
| 3.1 构建用户同构网络 | 第24页 |
| 3.2 基于标签传播的分层重叠社团发现算法LPBHO | 第24-31页 |
| 3.2.1 标签传播算法LPA | 第25-26页 |
| 3.2.2 节点影响力度量方式和影响力传播因子 | 第26页 |
| 3.2.3 LPBHO算法 | 第26-28页 |
| 3.2.4 原始网络中重叠社团发现算法 | 第28-29页 |
| 3.2.5 覆盖图构建方法 | 第29-30页 |
| 3.2.6 时间复杂度分析 | 第30-31页 |
| 3.3 实验及结果分析 | 第31-36页 |
| 3.3.1 实验数据集 | 第31页 |
| 3.3.2 实验结果分析 | 第31-36页 |
| 3.3.3 社团划分结果展示 | 第36页 |
| 3.4 本章小结 | 第36-37页 |
| 第四章 问题-用户二分网络中的社团发现算法BiHU | 第37-48页 |
| 4.1 问题-用户二分网络构建 | 第37-38页 |
| 4.2 基于LPAb的社团发现算法BiHU | 第38-42页 |
| 4.2.1 算法LPAb的问题 | 第38-39页 |
| 4.2.2 算法BiHU | 第39-42页 |
| 4.3 实验及结果分析 | 第42-47页 |
| 4.3.1 实验数据集 | 第42页 |
| 4.3.2 实验结果分析 | 第42-47页 |
| 4.4 本章小结 | 第47-48页 |
| 第五章 基于Hadoop的BiHU算法的并行化 | 第48-55页 |
| 5.1 Hadoop并行计算框架 | 第48-51页 |
| 5.1.1 分布式文件系统HDFS | 第48-49页 |
| 5.1.2 编程模型MapReduce | 第49-51页 |
| 5.2 BiHU的并行化实现 | 第51-53页 |
| 5.2.1 节点的邻居列表计算 | 第51-52页 |
| 5.2.2 计算社团核心度 | 第52页 |
| 5.2.3 计算边密度贡献 | 第52-53页 |
| 5.3 并行化BiHU实验分析 | 第53-54页 |
| 5.4 本章小节 | 第54-55页 |
| 第六章 总结及展望 | 第55-57页 |
| 参考文献 | 第57-60页 |
| 致谢 | 第60-61页 |
| 攻读学位期间发表的学术论文目录 | 第61页 |