| 摘要 | 第11-14页 |
| ABSTRACT | 第14-16页 |
| 第一章 绪论 | 第17-49页 |
| 1.1 社交网络概述 | 第18-24页 |
| 1.1.1 社交网络的起源及发展 | 第18-21页 |
| 1.1.2 社交网络分析 | 第21-24页 |
| 1.2 社区发现 | 第24-41页 |
| 1.2.1 社区的概念 | 第24-29页 |
| 1.2.2 社区发现的意义 | 第29-31页 |
| 1.2.3 社区发现的研究现状 | 第31-41页 |
| 1.3 社区发现面临的问题、挑战以及本文的主要工作 | 第41-46页 |
| 1.4 论文组织 | 第46-49页 |
| 第二章 基础知识 | 第49-61页 |
| 2.1 在线社交网络的图表示 | 第49-50页 |
| 2.2 社区划分质量评价指标 | 第50-54页 |
| 2.3 基准网络 | 第54-61页 |
| 第三章 基于MapReduce的并行infomap社区挖掘方法 | 第61-91页 |
| 3.1 引言 | 第61-63页 |
| 3.2 相关研究 | 第63-79页 |
| 3.2.1 MapReduce模型 | 第63-68页 |
| 3.2.2 基于MapReduce的社区发现方法 | 第68-73页 |
| 3.2.3 infomap社区发现方法 | 第73-79页 |
| 3.3 infomap算法的MapReduce化 | 第79-85页 |
| 3.4 实验分析 | 第85-89页 |
| 3.4.1 算法精度测试 | 第85-87页 |
| 3.4.2 算法性能测试 | 第87-89页 |
| 3.5 小结 | 第89-91页 |
| 第四章 基于分布式图划分的并行infomap社区挖掘方法 | 第91-121页 |
| 4.1 引言 | 第91-93页 |
| 4.2 相关研究 | 第93-101页 |
| 4.2.1 图划分的定义与评价指标 | 第93-94页 |
| 4.2.2 经典的图划分算法 | 第94-101页 |
| 4.3 基于MapReduce的多层次图划分框架 | 第101-113页 |
| 4.3.1 基于MapReduce的分布式并行重边匹配策略 | 第103-108页 |
| 4.3.2 划分阶段 | 第108-109页 |
| 4.3.3 细分阶段 | 第109-113页 |
| 4.4 实验与结果分析 | 第113-119页 |
| 4.4.1 基于MapReduce的多层次图划分框架的性能测试 | 第113-117页 |
| 4.4.2 DMGP与inforMR相结合的社区发现框架的性能测试 | 第117-119页 |
| 4.5 小结 | 第119-121页 |
| 第五章 基于MapReduce的层次社区发现通用框架 | 第121-141页 |
| 5.1 引言 | 第121-123页 |
| 5.2 相关研究 | 第123-130页 |
| 5.2.1 主要的层次社区发现方法 | 第124-128页 |
| 5.2.2 Hadoop的MapReduce编程接口体系 | 第128-130页 |
| 5.3 基于Hadoop Streaming的通用层次社区发现框架 | 第130-134页 |
| 5.4 实验与结果分析 | 第134-140页 |
| 5.4.1 精度测试 | 第134-137页 |
| 5.4.2 性能测试 | 第137-140页 |
| 5.5 小结 | 第140-141页 |
| 第六章 多网络协同划分算法研究 | 第141-161页 |
| 6.1 引言 | 第141-144页 |
| 6.2 相关定义及问题描述 | 第144-147页 |
| 6.2.1 相关定义 | 第144-145页 |
| 6.2.2 问题描述 | 第145-147页 |
| 6.3 多网络协同划分框架的设计与实现 | 第147-156页 |
| 6.3.1 多网络协同划分的设计思路 | 第147页 |
| 6.3.2 基于多层次的协同划分的设计与实现 | 第147-156页 |
| 6.4 实验与结果分析 | 第156-159页 |
| 6.4.1 实验环境 | 第156-157页 |
| 6.4.2 实验结果分析 | 第157-159页 |
| 6.5 小结 | 第159-161页 |
| 第七章 结束语 | 第161-165页 |
| 7.1 论文工作总结 | 第161-162页 |
| 7.2 课题研究展望 | 第162-165页 |
| 致谢 | 第165-169页 |
| 参考文献 | 第169-187页 |
| 作者在学期间取得的学术成果 | 第187-188页 |
