DETECCIÓN DE COMUNIDADES EN REDES SOCIALES

Abstract

El problema de detección de comunidades se refiere a la identificación de agrupaciones o comunidades de nodos en una red o grafo. Una comunidad se define como un conjunto de nodos dentro del grafo que están más densamente conectados entre sí que comparado con el resto del grafo. El objetivo principal de la detección de comunidades es dividir un grafo en subconjuntos de nodos que tengan conexiones más fuertes entre sí que con nodos externos. Este problema es conocido como un problema NP-completo, lo que significa que no existe un algoritmo eficiente que pueda encontrar la solución óptima en todos los casos en un tiempo razonable. Por lo tanto, se utilizan diferentes enfoques y técnicas, tanto exactas como aproximadas para abordar este problema. En este trabajo se ha empleado 2 algoritmos para la clasificación inicial de las comunidades. Por otro lado, se ha empleado una red neuronal como modelo de aprendizaje automático para la detección de comunidades. Se estructura con capas que procesan las características de los nodos y aprenden representaciones y relaciones relevantes del grafo. Se han utilizado capas lineales y convolucionales para realizar las operaciones de procesamiento y propagación de la información en el grafo. La combinación de una red neuronal y estos algoritmos de clasificación permite aprovechar las capacidades de aprendizaje y generalización de la red neuronal, mientras se utiliza el conocimiento y las estrategias de búsqueda de las metaheurísticas para mejorar la calidad de la detección de comunidades. Esto puede resultar en una solución más precisa y efectiva para el problema. Esta combinación de enfoques permite aprovechar las fortalezas de ambos métodos y mejorar la capacidad de clasificación y detección de comunidades en el grafo.