Medidas de disimilitud en problemas de detección de comunidades

L. Yuste Caro, R. González Martínez, D. Gómez González, C. Pareja Flores

La detección de comunidades tiene por objeto agrupar el conjunto de nodos de una red en grupos supuestamente conectados densamente. Muchos algoritmos se han desarrollado en este campo distinguiendo entre las posibles salidas (o entradas) que dan dichos algoritmos (jerárquico/no jerárquico, solapamiento/sin solapamiento, grafos valorados/binarios…), su comportamiento (complejidad, paralelización).
En estos problemas un tema que surge de manera natural es él de cómo modelizar la red a partir de cual se obtendrá el agrupamiento de los nodos. Esta modelización debe tener en cuenta (entre otros factores) la medida de similitud que se utiliza para medir el grado de dicha relación entre dos objetos y que permite (si el algoritmo así lo requiere) determinar si la relación entre dos objetos es significativa o no lo es.
En este trabajo, se analiza el impacto en algunos problemas reales que pueden tener diversas medidas de similitud para el problema de detección de comunidades.

Palabras clave: Deteción de Comunidades, Clustering, Redes Sociales, data mining

X07.3 Big Data y Minería de Datos
7 de septiembre de 2016  15:40
Aula 21.08

R. Gonzalez Martinez, L. L. Yuste Caro, D. Gómez González, C. Pareja Flores

V. López, D. Urgelés, V. Hugo Mariscal, J. C. Anchiraico

G. A. Valverde Castilla, V. López, B. González-Pérez