声明
摘要
第一章 绪论
第一节 引言
第二节 研究背景
1.2.1 社交网络发展现状
1.2.2 网络聚类算法
第三节 选题意义
第四节 本文主要内容
第五节 论文组织结构
第二章 相关工作综述
第一节 网络聚类算法研究现状
2.1.1 图划分方法
2.1.2 基于模块度方法
2.1.3 谱聚类方法
2.1.4 网络聚类SCAN算法
第二节 有向网络聚类算法研究现状
2.2.1 无向网络聚类算法扩展为有向网络聚类算法
2.2.2 有向网络转化为无向网络再聚类
第三节 并行聚类算法研究现状
第四节 本章小结
第三章 基于结构相似度的有向网络聚类
第一节 有向网络转化为无向网络
3.1.1 采用文献计量对称化
3.1.2 采用度打折对称化
3.1.3 采用随机游走对称化
第二节 直接有向网络聚类
3.2.1 算法过程
3.2.2 算法复杂度分析
第三节 本章小结
第四章 基于结构相似度的并行网络聚类算法
第一节 并行实现ε邻居识别
4.1.1 对图进行划分处理
4.1.2 数据预处理
4.1.3 分布式ε邻居识别
第二节 并行ε邻居识别MapReduce实现
4.2.1 MapReduce并行平台简介
4.2.2 MapReduce上实现并行ε邻居识别
第三节 并行实现簇扩展
4.3.1 算法设计
4.3.2 保持标签一致性
4.3.3 改进的并行簇扩展过程
第四节 并行簇识别的MapReduce实现
第五节 并行算法正确性分析
第六节 算法复杂度分析
4.6.1 数据处理复杂度
4.6.2 总体复杂度分析
第七节 本章小结
第五章 社交网络聚类应用性研究
第一节 有向社交网络结构分析
5.1.1 实验数据
5.1.2 实验对比方法
5.1.3 评价指标介绍
5.1.4 参数的选择
5.1.5 结果分析
第二节 并行化社交网络分析
5.2.1 实验数据
5.2.2 评价指标介绍
5.2.3 结果分析
第三节 本章小结
第六章 总结与展望
第一节 工作总结
第二节 工作展望
参考文献
致谢
个人简历