| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 绪论 | 第8-12页 |
| 1.1 课题研究背景 | 第8-9页 |
| 1.2 社交网络研究的现状 | 第9页 |
| 1.3 电信交往圈研究意义 | 第9-10页 |
| 1.4 论文研究内容与方法 | 第10-12页 |
| 第二章 数据挖掘 | 第12-22页 |
| 2.1 数据挖掘的背景知识 | 第12-13页 |
| 2.1.1 数据挖掘的现状 | 第12-13页 |
| 2.1.2 数据挖掘的应用 | 第13页 |
| 2.2 数据挖掘的技术 | 第13-18页 |
| 2.2.1 数据挖掘的流程 | 第14-16页 |
| 2.2.2 数据挖掘的技术 | 第16-18页 |
| 2.3 数据仓库 | 第18-20页 |
| 2.3.1 数据仓库云结构 | 第19-20页 |
| 2.4 数据挖掘在电信行业中的应用 | 第20-21页 |
| 2.5 本章小结 | 第21-22页 |
| 第三章 社交网络的研究与分析 | 第22-34页 |
| 3.1 社交网络 | 第22-25页 |
| 3.1.1 社交网络背景介绍 | 第22-23页 |
| 3.1.2 社交网络研究理论知识 | 第23-25页 |
| 3.2 社交网络的社区挖掘 | 第25-29页 |
| 3.2.1 社区挖掘的核心技术 | 第26-28页 |
| 3.2.2 有向网络的社区检测 | 第28页 |
| 3.2.3 动态网络的社区检测 | 第28-29页 |
| 3.3 社交网络节点分类 | 第29-33页 |
| 3.3.1 社交网络节点分类方法 | 第30-32页 |
| 3.3.2 Map-Reduce 内实施 | 第32-33页 |
| 3.4 本章小结 | 第33-34页 |
| 第四章 基于 Hadoop 的数据备份机制算法研究 | 第34-44页 |
| 4.1 基于 Hadoop 的电信数据仓库 | 第34-38页 |
| 4.1.1 云数据仓库的架构 | 第35-36页 |
| 4.1.2 Hadoop 云平台 | 第36-37页 |
| 4.1.3 Hadoop 文件备份机制 | 第37-38页 |
| 4.2 文件受欢迎程度 | 第38-39页 |
| 4.3 文件自适应复制与备份算法 | 第39-41页 |
| 4.4 实验结果与分析 | 第41-42页 |
| 4.4.1 实验配置环境 | 第41页 |
| 4.4.2 介质信息 | 第41-42页 |
| 4.5 案例 | 第42-43页 |
| 4.6 总结 | 第43-44页 |
| 第五章 基于 Hadoop 的电信交往圈算法研究 | 第44-57页 |
| 5.1 电信交往圈算法研究背景 | 第44页 |
| 5.2 相关概念的描述 | 第44-47页 |
| 5.2.1 Hadoop-MapReduce 框架 | 第44-45页 |
| 5.2.2 电信网络 | 第45页 |
| 5.2.3 数据挖掘 | 第45-47页 |
| 5.3 最大频繁交往圈 | 第47-49页 |
| 5.3.1 图算法基本理论 | 第47-49页 |
| 5.3.2 重尾分布 | 第49页 |
| 5.4 Map-Reduce 编程 | 第49-52页 |
| 5.4.1 有向图分析 | 第49-50页 |
| 5.4.2 图转化 | 第50-51页 |
| 5.4.3 图挖掘 | 第51-52页 |
| 5.5 实验及结果分析 | 第52-56页 |
| 5.5.1 实验测试环境 | 第52-53页 |
| 5.5.2 Hadoop 集群环境 | 第53页 |
| 5.5.3 介质信息 | 第53页 |
| 5.5.4 结果分析 | 第53-56页 |
| 5.6 总结 | 第56-57页 |
| 第六章 总结与展望 | 第57-58页 |
| 参考文献 | 第58-60页 |
| 附录 1 攻读硕士学位期间撰写的论文 | 第60-61页 |
| 致谢 | 第61页 |