| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 1 绪论 | 第9-13页 |
| 1.1 研究背景 | 第9-10页 |
| 1.2 研究目的和意义 | 第10-11页 |
| 1.3 研究内容 | 第11页 |
| 1.4 技术路线 | 第11-13页 |
| 2 社会网络舆情分析理论及相关技术介绍 | 第13-23页 |
| 2.1 社会网络舆情分析概述 | 第13-15页 |
| 2.1.1 社会网络舆情分析技术 | 第14-15页 |
| 2.1.2 社会网络原理 | 第15页 |
| 2.1.3 社会网络舆情分析的意义 | 第15页 |
| 2.2 社团发现的基本概念 | 第15-17页 |
| 2.2.1 不同的社团类型 | 第16-17页 |
| 2.2.2 分裂的层次聚类技术 | 第17页 |
| 2.3 Hadoop概述 | 第17-22页 |
| 2.3.1 Hadoop的整体框架 | 第18-22页 |
| 2.4 NodeXL可视化 | 第22页 |
| 2.5 本章小结 | 第22-23页 |
| 3 社会网络舆情分析技术研究 | 第23-31页 |
| 3.1 传统的GN算法 | 第23-25页 |
| 3.2 模块度Q值的计算 | 第25-27页 |
| 3.3 社会网络舆情分析的特征 | 第27页 |
| 3.4 基于并行计算的GN算法的社会网络舆情研究 | 第27-30页 |
| 3.4.1 并行计算概述 | 第27-28页 |
| 3.4.2 基于GN算法的社会网络舆情分析 | 第28-29页 |
| 3.4.3 GN算法并行化研究与分析 | 第29-30页 |
| 3.5 本章小结 | 第30-31页 |
| 4 并行化的GN算法及实现 | 第31-39页 |
| 4.1 GN算法的并行设计 | 第31-33页 |
| 4.1.1 按网络中顶点之间的边分割 | 第31-32页 |
| 4.1.2 MapReduce机制与算法的结合 | 第32-33页 |
| 4.2 实验关键步骤 | 第33-37页 |
| 4.2.1 MapReduce机制下的GN算法的改进及应用 | 第33-34页 |
| 4.2.2 数据源的组成及结构 | 第34-35页 |
| 4.2.3 Map类的设计 | 第35-36页 |
| 4.2.4 Reduce类的设计 | 第36-37页 |
| 4.3 本章小结 | 第37-39页 |
| 5 实验结果及结论 | 第39-45页 |
| 5.1 实验室实例分析 | 第39-41页 |
| 5.2 实验结果分析 | 第41-43页 |
| 5.3 本章小结 | 第43-45页 |
| 6 总结与展望 | 第45-47页 |
| 6.1 本文总结 | 第45页 |
| 6.2 研究展望 | 第45-47页 |
| 致谢 | 第47-49页 |
| 参考文献 | 第49-51页 |