| 摘要 | 第5-7页 |
| ABSTRACT | 第7-9页 |
| Chapter 1. Introduction | 第14-37页 |
| 1.1 Introduction to Big Data Graphs over cloud | 第14-22页 |
| 1.1.1 Big Data | 第14-16页 |
| 1.1.2 Characteristics of Big Data | 第16-19页 |
| 1.1.3 Cloud Computing | 第19-22页 |
| 1.2 Big Data Graphs | 第22-27页 |
| 1.2.1 Graph Compression | 第23-24页 |
| 1.2.2 Graph Sampling | 第24-26页 |
| 1.2.3 Graph Clustering | 第26-27页 |
| 1.3 Big Data Graphs Challenges and Applications | 第27-31页 |
| 1.3.1 Big Data Graph Challenges | 第27-29页 |
| 1.3.2 Big Data Graph Applications | 第29-31页 |
| 1.4 Research Methodology | 第31-37页 |
| 1.4.1 Research Motivation | 第31-33页 |
| 1.4.2 Research Model | 第33-34页 |
| 1.4.3 Contribution | 第34-35页 |
| 1.4.4 Thesis Organization | 第35-37页 |
| Chapter 2: Big Data Graph Minimization Theory and vGraph | 第37-57页 |
| 2.1 Introduction | 第37-39页 |
| 2.2 Literature Review of Graph Minimization Techniques | 第39-44页 |
| 2.2.1 Graph Sampling | 第40页 |
| 2.2.2 Graph Summarization with Bounded Error | 第40-41页 |
| 2.2.3 Graph Structure Summarization | 第41-42页 |
| 2.2.4 Efficient Aggregation for Graph Summarization | 第42页 |
| 2.2.5 Discovery-Driven Graph Summarization | 第42-43页 |
| 2.2.6 Distributed Graph Summarization | 第43页 |
| 2.2.7 Summarizing and Understanding Large Graphs | 第43-44页 |
| 2.2.8 TimeCrunch:Interpretable Dynamic Graph Summarization | 第44页 |
| 2.2.9 Approximate Homogeneous Graph Summarization | 第44页 |
| 2.3 GRAPH SUMMARIZATION | 第44-51页 |
| 2.3.1. Preliminaries | 第44-45页 |
| 2.3.2. Node Similarity Measure | 第45-48页 |
| 2.3.3. Construction of Virtual Nodes | 第48-49页 |
| 2.3.4. Construction of Virtual Edges | 第49-50页 |
| 2.3.5. Proposed Algorithms | 第50-51页 |
| 2.3.6. Complexity Analysis | 第51页 |
| 2.4. Experimental Evaluation | 第51-56页 |
| 2.4.1 Synthetic Datasets | 第52页 |
| 2.4.2. Real Dataset | 第52-53页 |
| 2.4.3. Performance Metrics | 第53-55页 |
| 2.4.4 Missing Information Handling | 第55-56页 |
| 2.5 Summary | 第56-57页 |
| CHAPTER 3: A Graph based OSaaS model in the Cloud | 第57-78页 |
| 3.1 Introduction | 第57-59页 |
| 3.2 Graph based E-Commerce Big Data in the cloud | 第59-60页 |
| 3.2.1 Graph Analytics in Recommender Systems of E-Commerce | 第60页 |
| 3.2.2 Graph Summarization for E-Commerce Big Data | 第60页 |
| 3.3 Challenges for E-Commerce data in the Cloud | 第60-63页 |
| 3.3.1 ICT Access | 第61-62页 |
| 3.3.2 Low Literacy | 第62-63页 |
| 3.4 Communication Language | 第63-64页 |
| 3.4.1 Non-availability of Credit/Debit Cards | 第64页 |
| 3.4.2 Unawareness | 第64页 |
| 3.5 OSaaS Structure | 第64-71页 |
| 3.5.1 Architecture | 第65-67页 |
| 3.5.2 Methods | 第67-69页 |
| 3.5.3 OSaaS Transaction Framework | 第69-71页 |
| 3.6 Experimental Analysis | 第71-77页 |
| 3.6.1 Research Method | 第71-75页 |
| 3.6.2 Evaluation | 第75页 |
| 3.6.3 Related Work | 第75-77页 |
| 3.7 Summary | 第77-78页 |
| Chapter 4: E-Commerce Big Data Graphs Barriers: A Case Study | 第78-99页 |
| 4.1 Introduction | 第78-79页 |
| 4.2 Literature Review | 第79-82页 |
| 4.3 Challenges of E-Commerce data in Developing Countries | 第82页 |
| 4.4 E-Commerce in Pakistan | 第82-83页 |
| 4.5 Limitations of E-Commerce | 第83-89页 |
| 4.5.1 Internet and E-Commerce Experience | 第83页 |
| 4.5.2 Trust and Security | 第83-85页 |
| 4.5.3 Technology Acceptance | 第85页 |
| 4.5.4 Internet Access | 第85-86页 |
| 4.5.5 Language | 第86-87页 |
| 4.5.6 Shipping System | 第87-89页 |
| 4.6 Research Methodology | 第89-93页 |
| 4.6.1 Research Problem | 第89页 |
| 4.6.2 Research Model | 第89-90页 |
| 4.6.3 Dataset | 第90页 |
| 4.6.4 Sample Description | 第90-91页 |
| 4.6.5 Demographic Variables | 第91-93页 |
| 4.7 Results and Discussions | 第93-98页 |
| 4.7.1 Gender Impact | 第94-95页 |
| 4.7.2 Age Impact | 第95页 |
| 4.7.3 Occupation Impact | 第95页 |
| 4.7.4 Education Impact | 第95-97页 |
| 4.7.5 Findings | 第97-98页 |
| 4.8 Summary | 第98-99页 |
| Chapter 5: Challenges and Applications of Big Data Graphs in Industry 4.0 | 第99-116页 |
| 5.1 Introduction | 第99-100页 |
| 5.2 Industry 4.0 and Big Data Graphs | 第100-104页 |
| 5.2.1 Interoperability Graphs | 第101页 |
| 5.2.2 Virtualization Graphs | 第101-102页 |
| 5.2.3 Decentralization Graphs | 第102页 |
| 5.2.4 Real-time Capability | 第102页 |
| 5.2.5 Service Orientation | 第102页 |
| 5.2.6 Modularity | 第102-104页 |
| 5.3 Challenges of Big Data Graphs in Industry 4.0 | 第104-113页 |
| 5.3.1 Acquisition of Automation Data | 第105-107页 |
| 5.3.2 Data Transformation | 第107-108页 |
| 5.3.3 Data Integration and Modeling | 第108-109页 |
| 5.3.4 IoT Data Graph | 第109-111页 |
| 5.3.5 Real-time access | 第111-112页 |
| 5.3.6 Security and Privacy | 第112页 |
| 5.3.7 Data Analytics | 第112页 |
| 5.3.8 Data presentation | 第112-113页 |
| 5.4 Application of Big Data graphs in Industry 4.0 | 第113-115页 |
| 5.4.1 Business Intelligence | 第113页 |
| 5.4.2 Fault Tolerance | 第113-114页 |
| 5.4.3 Product Quality Enhancement | 第114页 |
| 5.4.4 Machine Health Prediction | 第114页 |
| 5.4.5 Production Planning | 第114页 |
| 5.4.6 Smart Cities | 第114-115页 |
| 5.5 Related Works | 第115页 |
| 5.6 Summary | 第115-116页 |
| Chapter 6: Conclusion and Future Works | 第116-119页 |
| 6.1 Conclusion | 第116-117页 |
| 6.2 Future Works | 第117-119页 |
| REFERENCES | 第119-129页 |
| 攻读博士位期间发表的学术论文 | 第129-131页 |
| Acknowledgements | 第131-133页 |
