邢丹 姚俊明 張紅偉

摘要：為了適應(yīng)大數(shù)據(jù)時代對計算機專業(yè)的用人需求，總結(jié)了數(shù)據(jù)結(jié)構(gòu)課程中常用的概念、特點、在前沿領(lǐng)域的應(yīng)用，并在數(shù)據(jù)、線性表、哈希表、B-樹及圖的知識點中融入熱點問題及大數(shù)據(jù)技術(shù)的應(yīng)用實例，對學(xué)生實施啟發(fā)式教學(xué)，使學(xué)生在掌握數(shù)據(jù)結(jié)構(gòu)課程知識點的同時，進(jìn)一步增強自主學(xué)習(xí)和計算機技術(shù)的實際應(yīng)用能力。

關(guān)鍵詞：數(shù)據(jù)結(jié)構(gòu)；大數(shù)據(jù)；啟發(fā)式教學(xué)；教學(xué)改革；自主學(xué)習(xí)

中圖分類號：TP393 文獻(xiàn)標(biāo)識碼：A 文章編號：1009-3044（2018）20-0114-03

Teaching Reform Preliminary Discussion of Data Structure Course in the era of Big Data

XING Dan1， YAO Jun-ming1， ZHANG Hong-wei2

（1.School of Medical Information Engineering of Jining Medical University， Rizhao 276826， China； 2.The Library of Jining Medical University， Jining 272067， China）

Abstract： In order to adapt to the era of big data on the computer professional needs of the people， summary the common concept， data structure course characteristics， applications in frontier areas， and in the data， linear table， hash table， application examples into hot issues and big data technology of B- tree and graph knowledge， elaborated how to carry out the heuristic the teaching of students. making students grasp the knowledge points in the course of data structure at the same time， to improve the ability of self-study and innovation.

Key words： Data Structure； Big Data； Heuristic Teaching； Teaching Reform； Autonomous Learning

1 問題的提出

計算機科學(xué)與技術(shù)專業(yè)的教學(xué)應(yīng)當(dāng)適應(yīng)未來社會的用人需求，大數(shù)據(jù)作為國家的發(fā)展戰(zhàn)略，能否為社會培養(yǎng)和輸送一大批具備大數(shù)據(jù)素養(yǎng)的高級人才，滿足社會對大數(shù)據(jù)人才日益旺盛的需求，是決定我國在新時期能否搶奪戰(zhàn)略機遇期的關(guān)鍵。大數(shù)據(jù)既是一類數(shù)據(jù)，也是一項技術(shù)，還是一種理念。大數(shù)據(jù)是一種人人都需要掌握的科學(xué)方法論，是信息時代認(rèn)識和改造我們這個世界的有效工具。因此，作為計算機專業(yè)的骨干課程——數(shù)據(jù)結(jié)構(gòu)，迫切需要融入前沿知識、大數(shù)據(jù)理論和技術(shù)相關(guān)的知識。同時，由于數(shù)據(jù)結(jié)構(gòu)課程邏輯性強，學(xué)生學(xué)起來比較吃力，筆者總結(jié)多年的教學(xué)經(jīng)驗發(fā)現(xiàn)，學(xué)生碰到較難掌握的問題時，第一反應(yīng)就是有何用。很多學(xué)生僅僅是為了學(xué)習(xí)而學(xué)習(xí)，忽視了數(shù)據(jù)結(jié)構(gòu)的重要作用，學(xué)習(xí)一段時間之后就會失去興趣，學(xué)習(xí)效果較差。為了激發(fā)學(xué)習(xí)的積極性，筆者深入研究了常用數(shù)據(jù)結(jié)構(gòu)在前沿領(lǐng)域的應(yīng)用，系統(tǒng)地學(xué)習(xí)了大數(shù)據(jù)原理和技術(shù)，針對大數(shù)據(jù)中使用到的數(shù)據(jù)結(jié)構(gòu)，總結(jié)了數(shù)據(jù)結(jié)構(gòu)在熱點問題中的應(yīng)用場合和大數(shù)據(jù)技術(shù)中用到的數(shù)據(jù)結(jié)構(gòu)類型，將其貫穿到數(shù)據(jù)結(jié)構(gòu)課程教學(xué)始終。在講授相關(guān)知識點時，抽取出前沿技術(shù)領(lǐng)域的主要核心思想，引導(dǎo)學(xué)生思考為了適應(yīng)大數(shù)據(jù)領(lǐng)域的特點需要進(jìn)行何種改進(jìn)和優(yōu)化。這種啟發(fā)式教學(xué)方法的講授使學(xué)生的學(xué)習(xí)更加有的放矢，也能增強學(xué)生對數(shù)據(jù)結(jié)構(gòu)課程對后續(xù)課程的重要指導(dǎo)意義，培養(yǎng)了學(xué)生的創(chuàng)新思維、大數(shù)據(jù)思維和素養(yǎng)。

2 數(shù)據(jù)

在講授數(shù)據(jù)概念時首先以C語言中的整數(shù)和實數(shù)為例，較復(fù)雜的數(shù)據(jù)還包括由多個分量組成的結(jié)構(gòu)體的數(shù)據(jù)。在大數(shù)據(jù)時代處理的數(shù)據(jù)類型要比早期多，既包括圖像、視頻、音頻等非結(jié)構(gòu)化的大量數(shù)據(jù)，也意味著對大數(shù)據(jù)的處理難度要大，因此要學(xué)習(xí)數(shù)據(jù)結(jié)構(gòu)，以后還要學(xué)習(xí)大數(shù)據(jù)處理技術(shù)。這樣的講解在學(xué)習(xí)知識點的同時，也激勵學(xué)生進(jìn)一步自主學(xué)習(xí)。

3 線性表及其應(yīng)用

棧和隊列都是操作受限的線性表。棧的應(yīng)用主要利用其具有“后進(jìn)先出”的特點，廣泛地應(yīng)用于計算機的各個領(lǐng)域。計算機網(wǎng)絡(luò)中的協(xié)議組通常放置在協(xié)議棧中；編譯原理中的括號的匹配檢查、表達(dá)式求值等問題是采用棧作為輔助數(shù)據(jù)結(jié)構(gòu)；程序設(shè)計中的遞歸實現(xiàn)內(nèi)部采取的是遞歸工作棧，動態(tài)網(wǎng)站中頁面樹狀導(dǎo)航采用棧作為存儲，論壇帖子的回復(fù)是遞歸形式，Struts2框架中的核心控制器調(diào)用業(yè)務(wù)控制器程序設(shè)計是一種采用棧的遞歸程序。

隊列的應(yīng)用廣泛利用其具有“先進(jìn)先出”的特點，網(wǎng)絡(luò)中的路由器采用隊列接收包和采用不同的隊列調(diào)度算法進(jìn)行路由轉(zhuǎn)發(fā)，操作系統(tǒng)中的作業(yè)和進(jìn)程都是利用隊列來存放。

同時在教學(xué)中指出，在傳統(tǒng)的存儲結(jié)構(gòu)化數(shù)據(jù)的關(guān)系型數(shù)據(jù)庫中主要是采用線性表進(jìn)行存放。但在大數(shù)據(jù)領(lǐng)域，不同于傳統(tǒng)的關(guān)系型數(shù)據(jù)庫存儲較小的數(shù)據(jù)量，所使用的是擴展意義上的線性表，主要用來存儲非結(jié)構(gòu)化和半結(jié)構(gòu)化的松散數(shù)據(jù)。大數(shù)據(jù)技術(shù)體系架構(gòu)中的HBase數(shù)據(jù)庫區(qū)別于傳統(tǒng)按行存儲的方式，按列進(jìn)行存儲。醫(yī)療健康領(lǐng)域中可用來存儲電子健康記錄，優(yōu)點在于可以實現(xiàn)并發(fā)讀寫操作。還可用于將臨床數(shù)據(jù)流和腦電圖數(shù)據(jù)存儲在HBase數(shù)據(jù)庫中用以監(jiān)測病人狀況。

4 哈希表

4.1在前沿領(lǐng)域的應(yīng)用

在理解順序和鏈?zhǔn)浇Y(jié)構(gòu)的特點基礎(chǔ)上引入哈希表的原因。首先指出數(shù)據(jù)的存儲主要采用順序和鏈?zhǔn)浇Y(jié)構(gòu)，但這兩者各有利弊。數(shù)組存儲區(qū)間是連續(xù)的，占用內(nèi)存嚴(yán)重，故空間復(fù)雜的很大。數(shù)組的優(yōu)點是尋址容易，而插入和刪除困難。而鏈?zhǔn)酱鎯^(qū)間離散，占用內(nèi)存比較寬松，故空間復(fù)雜度很小，但時間復(fù)雜度很大。鏈表的特點是：尋址困難，插入和刪除容易。由此引入哈希表（散列表）的目的是通過函數(shù)實現(xiàn)從關(guān)鍵碼到存儲位置的映射。這使得在進(jìn)行查找操作時，其檢索的效率不依賴于給定值與關(guān)鍵碼的比較次數(shù)，而是將節(jié)點的關(guān)鍵碼與節(jié)點的存儲位置建立一種對應(yīng)關(guān)系，只需通過節(jié)點的關(guān)鍵碼便可定位該節(jié)點。同時指出它不僅是一種高效的存儲結(jié)構(gòu)，而且也是一種常見的查找方法，它能以常數(shù)平均時間執(zhí)行增刪改查四種常見基本操作。因此，它是一種面向查找的存儲結(jié)構(gòu)，在精確匹配查詢方面，它有著廣泛的應(yīng)用，它的缺點是不支持范圍查找。綜合國內(nèi)外研究表明凡是需要高效的存儲和查找時都可以采用哈希表。

哈希轉(zhuǎn)換是將n位數(shù)轉(zhuǎn)換為m位數(shù)，通過哈希轉(zhuǎn)換可以將一個索引器空間轉(zhuǎn)換為哈希表，進(jìn)而實現(xiàn)用哈希函數(shù)壓縮序數(shù)索引；在信息安全方面，路由器上利用哈希表記錄IP報文頭部信息，重構(gòu)攻擊路徑，達(dá)到追蹤攻擊主機地址的目的；在信息加密方面，利用哈希函數(shù)的非單射構(gòu)造不可逆的加密算法的特點，實現(xiàn)信息的安全傳輸；在數(shù)據(jù)庫中的數(shù)據(jù)查找方面，由于哈希表在記錄查找時不發(fā)生哈希沖突的情況下O（1）級時間復(fù)雜度內(nèi)便能得到查詢記錄，所以在需要對大規(guī)模文件進(jìn)行查找時具有相當(dāng)高的效率；在傳統(tǒng)的網(wǎng)絡(luò)體系架構(gòu)中采用集中式的方式，其缺點在于中心點的瓶頸和網(wǎng)絡(luò)規(guī)模小，因此產(chǎn)生可以適應(yīng)網(wǎng)絡(luò)規(guī)模的分布式對等計算系統(tǒng)。在這些系統(tǒng)中，通常是文件名經(jīng)過哈希計算生成系統(tǒng)的標(biāo)識進(jìn)行排列。系統(tǒng)中保存相關(guān)聯(lián)標(biāo)識和對應(yīng)文件的信息。當(dāng)分布式哈希表需要對標(biāo)識進(jìn)行查詢時，通過哈希函數(shù)的運算便會返回結(jié)點對應(yīng)的信息。

哈希函數(shù)是構(gòu)建哈希表的關(guān)鍵，在目前的前沿鄰域尤其是海量數(shù)據(jù)環(huán)境下對哈希表和哈希函數(shù)應(yīng)用的不同特點進(jìn)行改進(jìn)和優(yōu)化。

由于哈希算法具有高計算效率與維度不敏感的優(yōu)勢，其已經(jīng)引起了眾多學(xué)者和專家的研究興趣。通過哈希方法將不同數(shù)據(jù)流的相同候選模式發(fā)送至同一個計算單元[1]；改進(jìn)的哈希算法——一致性哈希，設(shè)計了基于一致性哈希的分布式內(nèi)存緩存，支持高效的基于非主鍵的查詢[2]。依據(jù)覆蓋網(wǎng)絡(luò)的思想，借助分布式哈希表技術(shù)為數(shù)據(jù)中心構(gòu)建一個純分布式架構(gòu)成為一種新型解決方案，更加適用于海量資源的檢索和管理需求[3]，利用哈希函數(shù)具有相似性保持的特點，通過漢明排序或者哈希表來進(jìn)行檢索[4]。將分布式哈希表和CHORD環(huán)結(jié)構(gòu)應(yīng)用于分布式文件系統(tǒng)數(shù)據(jù)的存儲和查詢中，將存儲節(jié)點與數(shù)據(jù)都進(jìn)行散列，并根據(jù)哈希值進(jìn)行映射存儲，通過對保存的元數(shù)據(jù)信息進(jìn)行二分查找來定位所需數(shù)據(jù)的存儲位置[5]。

4.2 在hadoop大數(shù)據(jù)技術(shù)體系中的應(yīng)用

NoSQL數(shù)據(jù)庫、鍵值數(shù)據(jù)庫使用哈希表，表中有一個特定的Key和一個指針指向特定的Value。

列組數(shù)據(jù)庫，數(shù)據(jù)庫由多個行構(gòu)成，每行數(shù)據(jù)包含多個列族，不同的行可以具有不用數(shù)量的列組，屬于同一列族的數(shù)據(jù)會被存放在一起，每行數(shù)據(jù)通過行鍵進(jìn)行定位，與這個行鍵對應(yīng)的是一個列族，列族數(shù)據(jù)庫也被視為一個鍵值數(shù)據(jù)庫[6]。

在HBase中使用哈希表，用于在列存儲時將行關(guān)鍵字和位置主機之間的對應(yīng)關(guān)系。有人采用HBase基礎(chǔ)架構(gòu)設(shè)計網(wǎng)上心臟疾病數(shù)據(jù)分析系統(tǒng)。

MapReduce包含運行于大規(guī)模集群上的兩個函數(shù)Map和Reduce構(gòu)成，這兩個函數(shù)及其核心思想都源自函數(shù)式編程語言，構(gòu)造的實質(zhì)是哈希表?；贛apReduce技術(shù)使得分析醫(yī)療數(shù)據(jù)可以在合理的時間內(nèi)完成，并可用于分析電子病歷數(shù)據(jù)預(yù)測疾病，提高臨床醫(yī)療質(zhì)量，還可以實現(xiàn)病人的個性化藥物治療。

5 樹

5.1 二叉樹的應(yīng)用

二叉樹的定義、性質(zhì)和遍歷操作是學(xué)生要掌握的重點，為了引導(dǎo)學(xué)生進(jìn)一步學(xué)習(xí)和研究，在課堂擴展環(huán)節(jié)以數(shù)據(jù)挖掘中常用的決策樹為例。首先說明分類算法是識別樣本數(shù)據(jù)所屬類別的一種方法，常用的決策樹分類算法，因其輸出結(jié)果易于理解和解釋，廣泛用于醫(yī)療診斷、金融分析、評估貸款申請的信用風(fēng)險等領(lǐng)域。決策樹是用二叉樹表示處理邏輯的一種工具?？梢灾庇^、清晰地表達(dá)加工的邏輯要求。特別適合于判斷因素比較少、邏輯組合關(guān)系不復(fù)雜的情況。決策樹提供了一種展示類似在什么條件下會得到什么值這類規(guī)則的方法。

接下來采用和二叉樹類比的方法講解決策樹。在決策樹中最上面的節(jié)點稱為根節(jié)點，是整個決策樹的開始。每個節(jié)點擁有的子節(jié)點的個數(shù)與決策樹中所用的算法有關(guān)。如CART算法得到的決策樹每個節(jié)點有兩個分支，這種樹稱為二叉樹。允許節(jié)點含有多于兩個子節(jié)點的樹稱為多叉樹，也就是我們學(xué)習(xí)的樹的概念。每個分支或是一個新的決策節(jié)點，或是樹的葉子。在沿著決策樹從上到下遍歷的過程中，在每個節(jié)點都會遇到一個問題，對每個節(jié)點上問題的不同回答導(dǎo)致不同的分支，最后會到達(dá)一個葉節(jié)點。這個過程就是利用決策樹進(jìn)行分類的過程，利用幾個變量（每個變量對應(yīng)一個問題）來判斷所屬的類別（最后每個葉子會對應(yīng)一個類別）。

進(jìn)而指出隨著數(shù)據(jù)產(chǎn)生速度、內(nèi)存容量和處理器速度等限制，常規(guī)的決策樹算法無法對大數(shù)據(jù)集進(jìn)行處理，因此需要對決策樹算法的實現(xiàn)進(jìn)行針對性的改進(jìn)，在課外閱讀中參閱相關(guān)文獻(xiàn)[7，8]。進(jìn)而激發(fā)學(xué)生自主學(xué)習(xí)和創(chuàng)新的動力。

5.2 B-樹的變形及其應(yīng)用

作為B-樹的變形B+樹，不同于B-樹其一是在所有的非終端結(jié)點中僅含有其子樹根結(jié)點中最大（或最?。╆P(guān)鍵字，二是所有的葉子結(jié)點中包含了全部關(guān)鍵字的信息 （而B-樹的葉子節(jié)點并沒有包括全部需要查找的信息），使其具有磁盤讀寫代價更低及查詢效率更加穩(wěn)定的特點，因此廣泛的作為常用數(shù)據(jù)庫（尤其是傳統(tǒng)的關(guān)系型數(shù)據(jù)庫）的索引結(jié)構(gòu)之一。

索引是對數(shù)據(jù)庫表中一列或多列的值進(jìn)行排序的一種存儲結(jié)構(gòu)，使用索引可快速訪問數(shù)據(jù)庫表中的特定信息。在關(guān)系數(shù)據(jù)庫中，索引是一種與表有關(guān)的數(shù)據(jù)庫結(jié)構(gòu)，它可以使對應(yīng)于表的SQL語句執(zhí)行得更快。如果對信息搜索采用全表搜索，將所有記錄和查詢條件進(jìn)行一一對比，會造成大量磁盤I/O操作，消耗數(shù)據(jù)庫系統(tǒng)大量時間；可行的方法就是在表中建立索引，然后在索引中找到符合查詢條件的索引值，快速找到表中對應(yīng)的記錄。另外由于在B+樹中擁有大量分支，在以塊為單位的存儲系統(tǒng)（比如文件系統(tǒng)中），也選用B+樹作為索引。

同時指出對于非結(jié)構(gòu)化數(shù)據(jù)[9]及非關(guān)系型數(shù)據(jù)庫（NoSQL）[10]的特點需要對現(xiàn)有的索引技術(shù)進(jìn)行改進(jìn)和優(yōu)化，比如采用T樹、紅黑樹和LSM樹，適應(yīng)數(shù)據(jù)的特點和應(yīng)用場合，提高檢索效率，在課外閱讀中參閱相關(guān)文獻(xiàn)[9，10]。

XML 文檔中的元素形成了一棵文檔樹。這棵樹從根部開始，并擴展到樹的最底端。XML因其具有自描述性和可擴展性，已經(jīng)成為網(wǎng)絡(luò)中一種主要數(shù)據(jù)組織形式，得到了廣泛的應(yīng)用。單一XML文檔數(shù)據(jù)量變得越來越大，而XML文檔具有半結(jié)構(gòu)化的特性，使得采取結(jié)構(gòu)化的關(guān)系型數(shù)據(jù)庫不適用于XML文檔的查詢處理，擴展閱讀參考文獻(xiàn)[11]。

6 圖的應(yīng)用

圖是包含頂點集合和邊的集合，圖主要掌握兩種搜索算法及其應(yīng)用。在前沿領(lǐng)域的研究中主要有以下幾個方面。

圖模型能表達(dá)豐富語義，利用圖模型能很好地表達(dá)傳染病的傳播過程[12]和腦網(wǎng)絡(luò)中的鏈路預(yù)測[13]。社交網(wǎng)絡(luò)分析是由圖論、數(shù)學(xué)以及社會學(xué)中的社交網(wǎng)絡(luò)理論發(fā)展而來，廣告投放、推薦引擎、興趣圖譜、內(nèi)容聚合、推薦等都是復(fù)雜網(wǎng)絡(luò)關(guān)系在社交網(wǎng)絡(luò)中的展現(xiàn)。

在圖的搜索算法方面，社區(qū)發(fā)現(xiàn)算法中的一種就是根據(jù)圖論相關(guān)知識，將用戶直接抽象為圖中的節(jié)點，用戶之間的關(guān)系抽象為圖中的邊，從而直接對網(wǎng)絡(luò)拓?fù)溥M(jìn)行社區(qū)發(fā)現(xiàn)[14]。圖搜索算法對數(shù)據(jù)網(wǎng)絡(luò)進(jìn)行查詢、聚類、匹配等操作，從而將數(shù)據(jù)網(wǎng)絡(luò)根據(jù)數(shù)據(jù)關(guān)聯(lián)關(guān)系劃分成連通子圖；深度學(xué)習(xí)算法則對數(shù)據(jù)連通子圖中紛繁復(fù)雜的數(shù)據(jù)進(jìn)行特征抽取和分類，從而提取用戶需要的關(guān)鍵信息[15]。

圖數(shù)據(jù)是一種重要而普遍的大數(shù)據(jù)，在生物信息學(xué)、社會網(wǎng)絡(luò)、化學(xué)信息學(xué)等領(lǐng)域都有眾多應(yīng)用。由于傳統(tǒng)單機運行的圖的發(fā)現(xiàn)算法不能夠滿足計算復(fù)雜度、存儲容量等方面的要求，需要在分布式平臺上實現(xiàn)發(fā)現(xiàn)算法[14]。對大數(shù)據(jù)處理的速度是解決問題的關(guān)鍵，因此圖搜索和深度學(xué)習(xí)的速度優(yōu)化成為前沿領(lǐng)域的研究熱點和難點?；谏缃痪W(wǎng)絡(luò)的數(shù)據(jù)分析，由于在分析對象、分析形式及分析方法上異于傳統(tǒng)的分析方法，需要對數(shù)學(xué)模型進(jìn)行加工、優(yōu)化[16]。

7總結(jié)

數(shù)據(jù)結(jié)構(gòu)課程中的數(shù)據(jù)、線性表、哈希表、樹、圖是常用的數(shù)據(jù)類型。在目前的前沿及大數(shù)據(jù)技術(shù)等場合應(yīng)用非常廣泛。在講授知識點時，給出后續(xù)課程應(yīng)用的場景，激發(fā)了學(xué)生學(xué)習(xí)的積極性，也增強了學(xué)生自主學(xué)習(xí)的能力。后續(xù)可在課程設(shè)計時，給出基于大數(shù)據(jù)的應(yīng)用案例的綜合實驗，加強學(xué)生綜合實踐和創(chuàng)新能力的培養(yǎng)。

參考文獻(xiàn)：

[1] 于自強. 海量流數(shù)據(jù)挖掘相關(guān)問題研究[D]. 山東：山東大學(xué)， 2015.

[2] 葛微，羅圣美，周文輝，等. HiBase：一種基于分層式索引的高效HBase查詢技術(shù)與系統(tǒng)[J]. 計算機學(xué)報， 2015，39（1）：144-145.

[3] 楊迪. 基于內(nèi)容的分布式圖像檢索[D]. 北京：北京郵電大學(xué)，2015.

[4] 金仲明. 基于哈希算法的海量多媒體數(shù)據(jù)檢索研究 [D]. 杭州：浙江大學(xué)，2015.

[5] 楊萌萌. 基于HDFS的結(jié)構(gòu)化數(shù)據(jù)存儲和查詢方法研究 [D]. 濟(jì)南：山東大學(xué)，2014.

[6] 林子雨.大數(shù)據(jù)技術(shù)原理與應(yīng)用[M].北京：人民郵電出版社，2015：96-97.

[7] 李玲俐. 數(shù)據(jù)挖掘中分類算法綜述[J]. 重慶師范大學(xué)學(xué)報，2011，28（4）：44-47.

[8] 張棪，曹健.面向大數(shù)據(jù)分析的決策樹算法[J]. 計算機科學(xué)，2016，43（6）：374-383.

[9] 時亞南，張?zhí)t，陳燕紅，等.大規(guī)模非結(jié)構(gòu)化數(shù)據(jù)的索引技術(shù)研究[J]. 計算機技術(shù)與發(fā)展，2014，24（12）：109-113.

[10] 付佳. 基于LSM樹的NoSQL數(shù)據(jù)庫索引研究[D]. 北京：北京理工大學(xué)， 2016.

[11] 魏博文. 基于MapReduce的XML編碼查詢算法研究與實現(xiàn) [D]. 武漢：武漢紡織大學(xué)， 2016.

[12] 陳坤. 基于圖模型的傳染病傳播模擬算法研究 [D]. 南京：東南大學(xué)， 2015.

[13] 田甜. 基于層次隨機圖模型的復(fù)雜腦網(wǎng)絡(luò)鏈路預(yù)測研究 [D]. 太原：太原理工大學(xué)， 2015.

[14] 王羽. 基于MapReduce的社區(qū)發(fā)現(xiàn)算法的設(shè)計與實現(xiàn) [D]. 南京：南京理工大學(xué)， 2015.

[15]王強. 面向大數(shù)據(jù)處理的圖搜索與深度學(xué)習(xí)算法并行優(yōu)化技術(shù)研究 [D]. 長沙：國防科技大學(xué)， 2013.

[16] 周峰. 基于大數(shù)據(jù)的社交網(wǎng)絡(luò)數(shù)據(jù)挖掘[D]. 蘇州：蘇州大學(xué)， 2015.