Resumen

La identificación de las estructuras comunitarias y las características semánticas subyacentes de las comunidades son tareas esenciales en el análisis de redes complejas. Sin embargo, la mayoría de los métodos propuestos hasta ahora suelen ser solo aplicables a estructuras comunitarias asortativas, es decir, con más enlaces dentro de las comunidades y menos enlaces entre diferentes comunidades, lo cual ignora la rica diversidad de regularidades comunitarias en redes reales. Además, los atributos de los nodos que proporcionan información semántica rica de las comunidades y las redes pueden facilitar la detección profunda de la información estructural de las comunidades. En este artículo, proponemos un nuevo modelo generativo bayesiano unificado para detectar comunidades generalizadas y proporcionar descripciones semánticas simultáneamente mediante la combinación de la topología de la red y los atributos de los nodos. El modelo propuesto está compuesto por dos partes estrechamente correlacionadas por una matriz de transición; primero aplicamos el concepto de un modelo de mezcla para describir regularidades de la red y luego

• Materias:Big Data Gestión de riesgos Administración de información Red neuronal Teoría de redes
• Subjects:Big Data Risk management Information management Neural network Network Theory
• Palabras claves:Estructuras comunitarias; Características semánticas; Análisis de redes; Atributos de nodo; Modelo generativo bayesiano; Detección de comunidades
• Keywords:Community structures; Semantic characteristics; Network analysis; Node attributes; Bayesian generative model; Community detection