首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--计算机网络论文--一般性问题论文

超大规模社交网络中基于结构与主题的社团挖掘

摘要第5-6页
abstract第6-7页
第一章 绪论第10-17页
    1.1 研究背景与意义第10-12页
    1.2 国内外研究现状第12-15页
    1.3 本文主要研究内容第15-16页
    1.4 本文结构安排第16-17页
第二章 社团挖掘基础知识及Graphlab分布式平台第17-28页
    2.1 社团挖掘基础知识第17-24页
        2.1.1 社团模块度第17-19页
        2.1.2 度量社团划分相似度的方法第19-23页
        2.1.3 社团挖掘的基准网络第23-24页
    2.2 基于图谱分析的分布式平台Graphlab第24-27页
    2.3 本章总结第27-28页
第三章 基于结构的非重叠社团挖掘第28-43页
    3.1 并行化实现标签传播算法第28-32页
        3.1.1 同步迭代实现标签传播算法第29-30页
        3.1.2 异步迭代实现标签传播算法第30-32页
    3.2 基于初始社团和可信度的改进LPA算法第32-37页
        3.2.1 选取初始社团中心节点第32-34页
        3.2.2 标签选择新策略第34-35页
        3.2.3 算法描述第35-37页
    3.3 实验结果第37-42页
    3.4 本章总结第42-43页
第四章 结合主题的重叠社团挖掘第43-58页
    4.1 社团生成网络连边和节点主题第43-46页
        4.1.1 社团生成网络连边过程第43-45页
        4.1.2 社团生成节点主题过程第45-46页
    4.2 社团生成模型第46-51页
    4.3 模型复杂度分析第51-54页
    4.4 实验结果第54-57页
    4.5 本章总结第57-58页
第五章 社团挖掘算法的分布式并行化第58-71页
    5.1 改进LPA算法Graphlab分布式并行化第58-61页
    5.2 社团生成模型Graphlab分布式并行化第61-66页
    5.3 实验结果第66-70页
        5.3.1 改进LPA算法分布式并行化实验第66-69页
        5.3.2 社团生成模型分布式并行化实验第69-70页
    5.4 本章总结第70-71页
第六章 总结与展望第71-73页
    6.1 全文总结第71-72页
    6.2 进一步研究工作第72-73页
致谢第73-74页
参考文献第74-78页
攻读硕士期间取得的成果第78-79页

论文共79页,点击 下载论文
上一篇:网络中影响力传播的最大化
下一篇:分布式Web服务发现算法的研究