Básicamente, el objetivo de la agrupación de gráficos y los métodos de detección de la comunidad es calcular las agrupaciones. ¿Hay alguna diferencia entre ellos?
Básicamente, el objetivo de la agrupación de gráficos y los métodos de detección de la comunidad es calcular las agrupaciones. ¿Hay alguna diferencia entre ellos?
Respuestas:
No. Citando, por ejemplo, la detección comunitaria en gráficos , una encuesta reciente y muy buena realizada por Santo Fortunato, "Esta característica de las redes reales se llama estructura comunitaria (Girvan y Newman, 2002), o agrupación". No tiene mucho sentido elaborar más el punto, en realidad. Tengo la sensación de que en los primeros documentos de estilo de análisis de redes sociales las redes tendían a ser simples (no ponderadas), pero no es algo que quisiera discutir, ni es importante. La respuesta a tu pregunta es no.
En Detección de estructuras comunitarias en redes , M.Newman define la agrupación de gráficos como un problema específico definido en el contexto de la informática.
Consideremos algunos cálculos, que se pueden dividir en varias operaciones más simples. Estos se representan como nodos en nuestra red. Los enlaces corresponden a dependencias entre las operaciones, es decir, el resultado de una operación es necesario para otra. El problema consiste en distribuir las operaciones a través de varios procesadores, para fines de procesamiento en paralelo. En otras palabras, queremos asignar cada nodo (operación) a una clase específica (procesador), es decir, queremos particionar el gráfico.
Sin embargo, hay tres restricciones. El primero es obtener un número predefinido de comunidades, porque el número de procesadores es obviamente conocido de antemano. El segundo es obtener una carga equilibrada: queremos que cada procesador realice aproximadamente el mismo número de operaciones. En términos de gráficos, queremos que las comunidades contengan aproximadamente el mismo número de nodos. El tercero es obtener la comunicación más baja posible entre los procesadores, porque ralentiza el proceso. Entonces, en términos de gráficos, queremos minimizar el número de enlaces entre comunidades.
Entonces, desde este punto de vista, la detección de la comunidad puede considerarse como un problema más general que la agrupación de gráficos. La tercera restricción se aplica en ambos problemas, pero el número y el tamaño de las comunidades no se conocen a priori en la detección comunitaria.
Estas dos comunidades diferentes de científicos dan estos dos nombres diferentes, dependiendo de si a uno le gustaría enfatizar la motivación de las redes sociales o no. Quizás alguien está definiendo el agrupamiento y la detección de la comunidad como cosas diferentes, pero la mayoría de las personas que estudian uno de ellos no podrían decirle por qué no están usando el otro término.
Si una gran red se agrupa en dos partes, ¿qué le garantiza que estas dos partes son dos comunidades? Dos clústeres tienen una conexión baja no significa que cada clúster tenga un tipo similar de nodos o que los nodos tengan un tipo similar de conexiones (por lo tanto, comunidad). Piensa en el gráfico de redes sociales. Seguramente hay muchas comunidades. Además, al agrupar algoritmos, puede agruparlo en dos partes. En este caso, ¿llamarías a cada pieza una comunidad? ? Mi respuesta es no. Porque los dos grupos podrían ser personas de dos regiones geográficas. Y entonces esas seguramente no son comunidades.
Los algoritmos de agrupación solo se preocupan por el corte mínimo, no por la similitud de nodo o la similitud de conexión o la conexión densa. Además, en los algoritmos de agrupación, el número de agrupaciones debe estar predefinido.
Los algoritmos de detección de comunidades, se preocupan por la densidad, encuentran la parte más densa de la red y ese tipo de algoritmos (que he visto hasta ahora) no necesita predefinir el número de comunidades.
Sin embargo, el algoritmo de agrupamiento se puede utilizar para encontrar comunidades, entonces, como no garantiza que cada grupo tenga una buena estructura comunitaria, cada grupo debe ser examinado cuidadosamente.
"no se puede aplicar trivialmente el descubrimiento de la comunidad para resolver la agrupación y viceversa. A pesar de sus similitudes, existen diferencias importantes en los enfoques. El descubrimiento de la comunidad supone conexiones escasas, mientras que la agrupación puede funcionar con conjuntos de datos densos; en la agrupación usualmente tratamos atributos con múltiples tipos , mientras que el descubrimiento comunitario generalmente trata con un tipo de atributo único, bordes, a menudo binarios, en el caso de redes no ponderadas "para obtener más información, lea el siguiente documento:" Sobre la equivalencia entre el descubrimiento y la agrupación de la comunidad "por Riccardo Guidotti y Michele Coscia