面向复杂网络的时序链路预测与局部社团挖掘
| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 第一章 绪论 | 第9-17页 |
| 1.1 课题研究的背景和意义 | 第9-10页 |
| 1.2 研究现状 | 第10-14页 |
| 1.2.1 链路预测 | 第10-12页 |
| 1.2.2 社团挖掘 | 第12-14页 |
| 1.3 主要研究内容 | 第14-15页 |
| 1.4 论文的组织结构 | 第15-17页 |
| 第二章 复杂网络 | 第17-31页 |
| 2.1 定义与描述 | 第17-21页 |
| 2.1.1 相关概念 | 第17-18页 |
| 2.1.2 基本模型 | 第18-21页 |
| 2.2 分析方法 | 第21-26页 |
| 2.2.1 链路预测 | 第22-23页 |
| 2.2.2 社团挖掘 | 第23-26页 |
| 2.3 Spark简介 | 第26-30页 |
| 2.3.1 基本概念 | 第26-28页 |
| 2.3.2 SparkGraphX | 第28-30页 |
| 2.4 本章小结 | 第30-31页 |
| 第三章 基于标签传播的时序链路预测 | 第31-42页 |
| 3.1 问题分析 | 第31页 |
| 3.2 算法描述 | 第31-33页 |
| 3.2.1 时序权重预测 | 第31-32页 |
| 3.2.2 基于标签传播的链路预测 | 第32-33页 |
| 3.3 算法的分布式并行化 | 第33-36页 |
| 3.4 实验与验证 | 第36-41页 |
| 3.4.1 实验环境与数据集 | 第36页 |
| 3.4.2 评价标准 | 第36-37页 |
| 3.4.3 实验结果与分析 | 第37-41页 |
| 3.5 本章小结 | 第41-42页 |
| 第四章 基于社团中心扩张的局部社团挖掘 | 第42-57页 |
| 4.1 问题分析 | 第42页 |
| 4.2 算法描述 | 第42-48页 |
| 4.2.1 相关定义 | 第43-45页 |
| 4.2.2 基于随机游走的局部社团中心发现 | 第45页 |
| 4.2.3 局部社团识别 | 第45-46页 |
| 4.2.4 算法的分布式并行化 | 第46-48页 |
| 4.3 实验与验证 | 第48-56页 |
| 4.3.1 数据集 | 第48-49页 |
| 4.3.2 评价指标 | 第49-50页 |
| 4.3.3 实验结果及分析 | 第50-56页 |
| 4.4 本章小结 | 第56-57页 |
| 第五章 原型系统设计与实现 | 第57-66页 |
| 5.1 系统需求分析 | 第57-59页 |
| 5.1.1 Web服务器 | 第58-59页 |
| 5.1.2 Spark集群 | 第59页 |
| 5.2 模块分析 | 第59-62页 |
| 5.3 系统实现 | 第62-65页 |
| 5.4 本章小结 | 第65-66页 |
| 第六章 总结与展望 | 第66-68页 |
| 6.1 工作总结 | 第66页 |
| 6.2 研究展望 | 第66-68页 |
| 参考文献 | 第68-71页 |
| 附录1 攻读硕士学位期间撰写的论文 | 第71-72页 |
| 附录2 攻读硕士学位期间申请的专利 | 第72-73页 |
| 附录3 攻读硕士学位期间参加的科研项目 | 第73-74页 |
| 致谢 | 第74页 |
