Resumen:
|
[ES] Muchos sistemas complejos pueden ser modelados mediante grafos y redes.
Existen muchos factores que deben considerarse al estudiar las propiedades de
los grafos: el número de aristas representa un factor importante ...[+]
[ES] Muchos sistemas complejos pueden ser modelados mediante grafos y redes.
Existen muchos factores que deben considerarse al estudiar las propiedades de
los grafos: el número de aristas representa un factor importante a considerar, ya
que indica si la red está dispersa o altamente conectada; además el peso de las
aristas es importante, pues es un indicador de si el grafo está mal condicionado
o no.
El estudio de aquellos subgrafos cuyos vértices tienen muchas conexiones
entre sí con respecto a la estructura del grafo, las llamadas comunidades, son de
gran interés. En algunos problemas, el estudio de las comunidades permite
enfoques cuantitativos y cualitativos, y obtener conocimiento sobre la estructura
del grafo y lo que representa.
Existe una amplia literatura sobre el estado de las comunidades,
principalmente centrada en grafos no dirigidos. En nuestro caso, enfocamos
nuestro trabajo en el estudio de comunidades en grafos dirigidos, débilmente
conectados y mal condicionados donde los algoritmos de detección de
comunidades clásicos no son efectivos.
En este documento, presentamos varias alternativas para obtener las
comunidades en grafos dirigidos y proponemos un método basado en técnicas
de convolución de imágenes aplicadas a grafos dirigidos que nos permiten podar
aristas no significativas y estudiar el comportamiento de los diferentes
procedimientos presentados.
[-]
[ES] Molts sistemes complexos es poden modelar mitjançant grafs i xarxes. Hi ha
molts factors a considerar en l'estudi de les propietats dels grafs: el nombre
d'arestes és un factor important a tenir en compte, ja que ...[+]
[ES] Molts sistemes complexos es poden modelar mitjançant grafs i xarxes. Hi ha
molts factors a considerar en l'estudi de les propietats dels grafs: el nombre
d'arestes és un factor important a tenir en compte, ja que indica si la xarxa està
dispersa o altament connectada; a més, el pes de les arestes és important, ja que
indica si el graf està mal condicionat o no.
L'estudi dels subgrafs on els vèrtexs tenen moltes connexions entre ells,
coneguts com a comunitats, és d'un gran interès. En alguns problemes, l'estudi
de les comunitats permet enfocaments quantitatius i qualitatius, i obtenir
coneixement sobre l'estructura del graf i el que representa.
Hi ha una àmplia literatura sobre l'estat de les comunitats, principalment
centrada en grafs no dirigits. En el nostre cas, centrem el nostre treball en l'estudi
de comunitats en grafs dirigits, feblement connectats i mal condicionats, on els
algoritmes clàssics de detecció de comunitats no són efectius.
En aquest document, presentem diverses alternatives per obtenir les
comunitats en grafs dirigits i proposem un mètode basat en tècniques de
convolució d'imatges aplicades a grafs dirigits. Aquesta aproximació ens permet
podar arestes no significatives i estudiar el comportament dels diferents
procediments presentats.
[-]
[EN] Many complex systems can be modeled by graphs and networks. Many
factors must be considered when studying the properties of graphs: the number
of edges in the graph represents an important factor to consider, as it ...[+]
[EN] Many complex systems can be modeled by graphs and networks. Many
factors must be considered when studying the properties of graphs: the number
of edges in the graph represents an important factor to consider, as it indicates
whether the network is dispersed or highly connected; moreover, the weight of
their edges is important as it provides us an idea about whether the graph its
bad-conditioned or not.
The study of those subgraphs whose vertices have relatively many
connections between/in themselves with respect to the graph structure, the socalled communities, is primarily interesting. In some problems, the study of
communities allows quantitative and qualitative approaches and obtaining some
knowledge about the structure of the graph and what it represents.
There is a vast literature on the state of communities, primarily focused on
undirected graphs. In our case, we focus our work on the study of communities
in directed graphs that are weakly connected and poorly conditioned, where
classical community detection algorithms are not effective.
In this paper, we present various alternatives to obtain communities in
directed graphs and propose a method based on convolution techniques applied
to directed graphs. This approach allows us to prune non-significant edges and
study the behavior of the different procedures presented.
[-]
|