| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第11-17页 |
| 1.1 研究背景及意义 | 第11-12页 |
| 1.2 研究现状 | 第12-13页 |
| 1.3 论文主要工作 | 第13-14页 |
| 1.4 论文的组织结构 | 第14-17页 |
| 第二章 社交网络相关知识介绍 | 第17-25页 |
| 2.1 社交网络现状 | 第17-20页 |
| 2.1.1 社交网络的概念与背景 | 第17页 |
| 2.1.2 图论在社交网络中的应用 | 第17-18页 |
| 2.1.3 社交网络的功能 | 第18-20页 |
| 2.2 社交网络用户的研究 | 第20-22页 |
| 2.2.1 用户个体 | 第20-21页 |
| 2.2.2 社交关系 | 第21页 |
| 2.2.3 社团 | 第21页 |
| 2.2.4 影响力最大化 | 第21-22页 |
| 2.3 微博简介 | 第22-23页 |
| 2.4 本章小结 | 第23-25页 |
| 第三章 基于用户行为的TPURANK算法 | 第25-35页 |
| 3.1 问题的提出 | 第25页 |
| 3.2 CASINO算法基本原理 | 第25-27页 |
| 3.2.1 LingPipe软件包 | 第25-26页 |
| 3.2.2 CASINO算法 | 第26-27页 |
| 3.3 TPURANK算法 | 第27-30页 |
| 3.3.1 模型建立 | 第27-29页 |
| 3.3.2 算法设计 | 第29-30页 |
| 3.4 实验分析 | 第30-33页 |
| 3.4.1 实验数据与结果 | 第30-31页 |
| 3.4.2 实验分析 | 第31-33页 |
| 3.5 本章小结 | 第33-35页 |
| 第四章 基于MapReduce的IPURANK算法并行化研究 | 第35-43页 |
| 4.1 Hadoop并行框架 | 第35-38页 |
| 4.1.1 Hadoop | 第35-36页 |
| 4.1.2 HDFS | 第36-37页 |
| 4.1.3 MapReduce | 第37-38页 |
| 4.2 基于MapReduce的TPURANK算法 | 第38-40页 |
| 4.2.1 算法设计 | 第38-40页 |
| 4.2.2 算法分析 | 第40页 |
| 4.3 实验结果与分析 | 第40-42页 |
| 4.3.1 实验环境 | 第40页 |
| 4.3.2 实验数据 | 第40-41页 |
| 4.3.3 实验结果与分析 | 第41-42页 |
| 4.4 本章小结 | 第42-43页 |
| 第五章 社交网络用户分析系统的设计与实现 | 第43-55页 |
| 5.1 需求分析 | 第43-44页 |
| 5.2 系统整体设计 | 第44-47页 |
| 5.2.1 系统总述 | 第44页 |
| 5.2.2 系统总体设计 | 第44页 |
| 5.2.3 系统各功能模块简介 | 第44-47页 |
| 5.3 主要功能模块的实现 | 第47-48页 |
| 5.3.1 数据处理模块 | 第47页 |
| 5.3.2 结果输出模块 | 第47页 |
| 5.3.3 登录模块 | 第47-48页 |
| 5.4 系统测试与分析 | 第48-52页 |
| 5.4.1 登录页面 | 第48页 |
| 5.4.2 登录日志 | 第48-49页 |
| 5.4.3 用户影响力指数页面 | 第49页 |
| 5.4.4 用户依从性指数页面 | 第49-50页 |
| 5.4.5 结果分析 | 第50-52页 |
| 5.5 本章小结 | 第52-55页 |
| 第六章 总结与展望 | 第55-57页 |
| 6.1 论文工作总结 | 第55页 |
| 6.2 未来工作展望 | 第55-57页 |
| 参考文献 | 第57-61页 |
| 致谢 | 第61-63页 |
| 攻读学位期间发表的学术论文 | 第63页 |