Resumen

La detección de comunidades en redes complejas se ha convertido en los últimos años en un tema de investigación candente. Sin embargo, la mayoría de los algoritmos de detección de comunidades existentes están diseñados para las redes estáticas; es decir, las conexiones entre los nodos son invariables. En este artículo, proponemos un algoritmo incremental de agrupación de enlaces basado en la densidad para la detección de comunidades en redes dinámicas, iDBLINK. Este algoritmo es una versión ampliada de DBLINK, propuesto en nuestro trabajo anterior. Puede actualizar la estructura local de la comunidad de enlaces en el momento actual a través del cambio de similitud entre los bordes en los momentos adyacentes, lo que incluye la creación, crecimiento, fusión, eliminación, contracción y división de las comunidades de enlaces. Amplios resultados experimentales demuestran que iDBLINK no sólo tiene una gran eficiencia de tiempo, sino que también mantiene un rendimiento de detección de comunidades de alta calidad cuando la topología de la red está cambiando.

• Materias:Análisis Matemático Matemáticas Algebra Ingeniería Lógica matemática
• Subjects:Mathematical Analysis mathematics Algebra Engineering Mathematical logic
• Palabras claves:Detección de comunidades; redes complejas; puntos críticos de investigación; algoritmos existentes de detección de comunidades; redes estáticas; algoritmo incremental de agrupación de enlaces basado en la densidad; redes dinámicas; iDBLINK; estructura local de la comunidad de enlaces; similitud entre los bordes; momentos adyacentes; creación; crecimiento; fusión; supresión; contracción; división de las comunidades de enlaces; resultados experimentales; eficiencia temporal; topología de la red.
• Keywords:Community detection; complex networks; research hotspot; existing community detection algorithms; static networks; incremental density-based link clustering algorithm; dynamic networks; iDBLINK; local link community structure; similarity between the edges; adjacent moments; creation; growth; merging; deletion; contraction; division of link communities; experimental results; time efficiency; network topology