基于社交网络特定用户群体发现系统
| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 符号对照表 | 第10-11页 |
| 缩略语对照表 | 第11-15页 |
| 第一章 绪论 | 第15-19页 |
| 1.1 选题背景及意义 | 第15-16页 |
| 1.2 国内外现状分析 | 第16-17页 |
| 1.2.1 影响力研究现状 | 第16-17页 |
| 1.2.2 社区发现研究现状 | 第17页 |
| 1.3 论文工作内容 | 第17-18页 |
| 1.4 论文组织结构 | 第18-19页 |
| 第二章 相关技术概述 | 第19-23页 |
| 2.1 社交网络爬虫的基本工作原理 | 第19-20页 |
| 2.2 MongoDB | 第20-21页 |
| 2.3 Neo4j图数据库 | 第21页 |
| 2.4 本章小结 | 第21-23页 |
| 第三章 群体发现系统需求分析 | 第23-29页 |
| 3.1 需求分析 | 第23-25页 |
| 3.1.1 群体发现系统功能性需求 | 第23-24页 |
| 3.1.2 群体发现系统非功能性需求 | 第24-25页 |
| 3.2 系统用例模型 | 第25-28页 |
| 3.2.1 系统用例 | 第25-26页 |
| 3.2.2 用例细化 | 第26-28页 |
| 3.3 本章小结 | 第28-29页 |
| 第四章 群体发现系统设计与实现 | 第29-49页 |
| 4.1 系统架构设计 | 第29-32页 |
| 4.2 系统模块功能设计 | 第32-44页 |
| 4.2.1 Web服务模块 | 第32页 |
| 4.2.2 用户登录模块 | 第32-34页 |
| 4.2.3 目标发现模块 | 第34-37页 |
| 4.2.4 数据采集模块 | 第37-40页 |
| 4.2.5 数据查询模块 | 第40-41页 |
| 4.2.6 数据管理模块 | 第41-42页 |
| 4.2.7 数据共享模块 | 第42-43页 |
| 4.2.8 数据库连接模块 | 第43-44页 |
| 4.3 系统数据存储设计 | 第44-47页 |
| 4.3.1 Tweets消息存储 | 第45-46页 |
| 4.3.2 Twitter用户信息存储 | 第46页 |
| 4.3.3 Twitter用户关系存储 | 第46-47页 |
| 4.3.4 其他数据存储 | 第47页 |
| 4.4 本章小结 | 第47-49页 |
| 第五章 目标发现模块关键算法设计与实现 | 第49-57页 |
| 5.1 影响力分析算法 | 第49-52页 |
| 5.1.1 Page Rank算法简介 | 第49-50页 |
| 5.1.2 社交网络用户影响力分析算法的实现 | 第50-52页 |
| 5.2 社区发现算法 | 第52-56页 |
| 5.2.1 G-N算法简介 | 第53-54页 |
| 5.2.2 基于G-N算法的社区发现算法实现 | 第54-56页 |
| 5.3 本章小结 | 第56-57页 |
| 第六章 群体发现系统测试 | 第57-67页 |
| 6.1 功能测试 | 第57-64页 |
| 6.1.1 用户登录功能测试 | 第57-58页 |
| 6.1.2 目标名单功能测试 | 第58-59页 |
| 6.1.3 Tweet消息功能测试 | 第59-60页 |
| 6.1.4 数据管理功能测试 | 第60-62页 |
| 6.1.5 系统用户管理功能测试 | 第62-63页 |
| 6.1.6 数据共享功能测试 | 第63-64页 |
| 6.2 性能测试 | 第64-65页 |
| 6.2.1 系统稳定性测试 | 第64页 |
| 6.2.2 系统运行效率测试 | 第64-65页 |
| 6.3 本章小结 | 第65-67页 |
| 第七章 结束语 | 第67-69页 |
| 致谢 | 第69-71页 |
| 参考文献 | 第71-73页 |
| 作者简介 | 第73页 |
