基于Spark的社区发现算法并行化的研究及应用

目录

声明

1 绪论

1.1 研究背景与意义

1.2 国内外研究现状

1.2.1 社区发现研究现状

1.2.2 通话用户家庭关系识别的研究现状

1.3 研究内容及主要工作

1.4 论文组织结构

2 相关工作和技术

2.1 社交网络及社区发现理论

2.1.1 社交网络

2.1.2 社区研究的基本概念

2.1.3 社区发现算法分析

2.2 Spark 分布式计算平台

2.2.1 Spark 集群架构

2.2.2 弹性分布式数据集 RDD

2.2.3 GraphX 图并行计算框架

2.3 本章小结

3 Louvain 算法并行化及改进研究

3.1 Louvain 算法并行化研究

3.1.1 GraphX 编程概念

3.1.2 Louvain算法并行化实现

3.1.3 消息滞后

3.2 消息滞后的解决方法研究

3.2.1 基于进程锁的 Louvain并行算法 PLL

3.2.2 基于连通图的 Louvain并行算法 CGL

3.3 实验结果与分析

3.3.1 实验环境

3.3.2 实验数据

3.3.4 实验结果

3.4 本章小结

4 CGL算法改进及社区并行分解研究

4.1 CGL算法改进研究

4.1.1 CGL算法改进基本思想

4.1.2 CGL算法改进关键步骤

4.1.3 ICGL 算法描述

4.1.4 ICGL 算法实验分析

4.2 社区并行分解研究

4.2.1 ICGL 算法社区发现结果分析

4.2.2 社区并行分解算法思想

4.3 实验结果与分析

4.3.1 实验环境

4.3.2 实验数据

4.3.3 评价指标

4.4 本章小结

5 ICGL算法在家庭关系识别的应用

5.1 家庭关系识别

5.1.1 通话社交网络

5.1.2 家庭识别问题的提出

5.2 家庭关系识别模型

5.2.1 家庭特征提取

5.2.2 家庭亲密度计算

5.2.3 两种家庭识别模型

5.3 应用结果与分析

5.3.1 应用环境

5.3.2 应用数据

5.3.3 评价指标

5.3.4 应用结果

5.4 本章小结

6 总结与展望

6.1 总结

6.2 展望

参考文献

致谢