Resumen

La detección de comunidades en las redes sociales desempeña un papel importante en el análisis de conglomerados. Muchas técnicas tradicionales para problemas unidimensionales han demostrado ser inadecuadas para conjuntos de datos de tipo multidimensional o mixto debido a la escasez de datos y a la redundancia de atributos. En este artículo proponemos un método de clustering basado en grafos para conjuntos de datos multidimensionales. Este novedoso método tiene dos características distintivas: el árbol jerárquico no binario y los clusters multi-membresía. El árbol jerárquico no binario destaca claramente los conglomerados significativos, mientras que la característica de pertenencia múltiple puede proporcionar estrategias de servicio más útiles. Los resultados experimentales sobre la gestión de las relaciones con los clientes confirman la eficacia del nuevo método.

• Materias:Matemáticas Análisis Matemático Álgebra Ingeniería Matemática aplicada Lógica matemática
• Subjects:mathematics Mathematical Analysis Algebra Engineering Applied Mathematics Mathematical logic
• Palabras claves:árbol jerárquico no binario, muchas técnicas tradicionales, gestión de las relaciones con los clientes, conjuntos de datos de tipo mixto, estrategias de servicio útiles, detección de comunidades, resultados experimentales, análisis de conglomerados, escasez de datos, problemas dimensionales
• Keywords:nonbinary hierarchical tree, many traditional techniques, customer relationship management, mixed type datasets, useful service strategies, community detection, experimental results, cluster analysis, data sparseness, dimensional problems