Resumen

Descubrir y modelar existen para ser una tarea fundamentalmente desafiante. En dominios como la biología, la química y la física, los investigadores a menudo dependen de algoritmos de detección de comunidades para descubrir estructuras comunitarias en sistemas complejos, sin embargo, no existe una definición unificada de estructura comunitaria. Además, los modelos existentes tienden a ser demasiado simplificados, lo que lleva a descuidar información más rica, como las características nodales. Junto con el aumento de la información generada por los usuarios en las redes sociales, es inevitable la demanda de nuevas técnicas más allá de los enfoques tradicionales. Técnicas de aprendizaje profundo, como el aprendizaje de representaciones de redes, han mostrado un tremendo potencial. Más específicamente, tareas de aprendizaje supervisado y semisupervisado, como la predicción de enlaces y la clasificación de nodos, han logrado resultados notables. Sin embargo, las tareas de aprendizaje no supervisado, como la detección de comunidades

• Materias:Big Data Restricciones distribuidas Algoritmo de inferencia Gestión administrativa
• Subjects:Big Data Distributed constraints Inference algorithm Administrative management
• Palabras claves:Descubrimiento; Modelado; Algoritmos de detección de comunidades; Técnicas de aprendizaje profundo; Aprendizaje de representación de redes; Modelo de detección de comunidades
• Keywords:Discovering; Modeling; Community detection algorithms; Deep learning techniques; Network representation learning; Community detection model