目前各界對于社會網(wǎng)絡輿情的分析備受關注,對于網(wǎng)絡輿情分析技術也是多元化的,其中常用的社會網(wǎng)絡發(fā)現(xiàn)聚類方法有GN算法（Girvan-Newman Algorithm）。GN算法的優(yōu)點是發(fā)現(xiàn)社區(qū)的準確度高,算法結構簡單,魯棒性強。但是GN算法仍然存在問題,該算法在發(fā)現(xiàn)社區(qū)結構時的時間復雜度高,計算效率慢。針對該問題本文提出對現(xiàn)有的GN算法進行并行化改進,以此來提高對社會網(wǎng)絡輿情分析時發(fā)現(xiàn)社團的速度,使得在實際應用中能夠快速準確的發(fā)現(xiàn)社團,確定社團結構。本文首先對傳統(tǒng)GN算法的計算過程進行分析,發(fā)現(xiàn)算法在計算邊介數(shù)值時是串行進行的,即算法在循環(huán)過程中一次只計算網(wǎng)絡中一個節(jié)點的廣度遍歷圖所生成的節(jié)點與邊之間的關系結構。該結構為接下來在掃描點到點之間的最短路徑時所記錄的邊介數(shù)值提供了先驗條件。通過對并行化計算理論的研究與GN算法相結合,得出GN算法的可并行性。其次,建立算法的并行計算模型,描述輿情網(wǎng)絡中各個節(jié)點之間的關系,分析節(jié)點與邊的聯(lián)系,并基于此模型設計出并行化的GN算法。再次,引入Hadoop平臺,通過Hadoop下的MapReduce并行機制與算法進行結合,使其在多機的模型下分別計算網(wǎng)絡... 

【文章來源】：華北水利水電大學河南省

【文章頁數(shù)】：51 頁

【學位級別】：碩士

【文章目錄】：
摘要
Abstract
1 緒論
    1.1 研究背景
    1.2 研究目的和意義
    1.3 研究內(nèi)容
    1.4 技術路線
2 社會網(wǎng)絡輿情分析理論及相關技術介紹
    2.1 社會網(wǎng)絡輿情分析概述
        2.1.1 社會網(wǎng)絡輿情分析技術
        2.1.2 社會網(wǎng)絡原理
        2.1.3 社會網(wǎng)絡輿情分析的意義
    2.2 社團發(fā)現(xiàn)的基本概念
        2.2.1 不同的社團類型
        2.2.2 分裂的層次聚類技術
    2.3 Hadoop概述
        2.3.1 Hadoop的整體框架
    2.4 NodeXL可視化
    2.5 本章小結
3 社會網(wǎng)絡輿情分析技術研究
    3.1 傳統(tǒng)的GN算法
    3.2 模塊度Q值的計算
    3.3 社會網(wǎng)絡輿情分析的特征
    3.4 基于并行計算的GN算法的社會網(wǎng)絡輿情研究
        3.4.1 并行計算概述
        3.4.2 基于GN算法的社會網(wǎng)絡輿情分析
        3.4.3 GN算法并行化研究與分析
    3.5 本章小結
4 并行化的GN算法及實現(xiàn)
    4.1 GN算法的并行設計
        4.1.1 按網(wǎng)絡中頂點之間的邊分割
        4.1.2 MapReduce機制與算法的結合
    4.2 實驗關鍵步驟
        4.2.1 MapReduce機制下的GN算法的改進及應用
        4.2.2 數(shù)據(jù)源的組成及結構
        4.2.3 Map類的設計
        4.2.4 Reduce類的設計
    4.3 本章小結
5 實驗結果及結論
    5.1 實驗室實例分析
    5.2 實驗結果分析
    5.3 本章小結
6 總結與展望
    6.1 本文總結
    6.2 研究展望
致謝
參考文獻



本文編號：3006034