Basicamente, o objetivo dos métodos de agrupamento de gráficos e detecção de comunidade é calcular clusters. Existe alguma diferença entre eles?
Basicamente, o objetivo dos métodos de agrupamento de gráficos e detecção de comunidade é calcular clusters. Existe alguma diferença entre eles?
Respostas:
Não. Citando, por exemplo, a detecção da comunidade em gráficos , uma pesquisa recente e muito boa de Santo Fortunato, "Esse recurso de redes reais é chamado de estrutura da comunidade (Girvan e Newman, 2002) ou agrupamento". Há pouco sentido em aprofundar a questão, na verdade. Tenho a sensação de que, nos primeiros artigos sobre análise de redes sociais, as redes tendiam a ser simples (sem ponderação), mas não é algo que eu gostaria de argumentar, nem é importante. A resposta a sua pergunta é não.
Em Detectando estruturas comunitárias em redes , M.Newman define o agrupamento de gráficos como um problema específico definido no contexto da ciência da computação.
Vamos considerar alguns cálculos, que podem ser divididos em várias operações mais simples. Estes são representados como nós em nossa rede. Os links correspondem às dependências entre as operações, ou seja, o resultado de uma operação é necessário para outra. O problema consiste em distribuir as operações por vários processadores, para fins de processamento paralelo. Em outras palavras, queremos atribuir cada nó (operação) a uma classe específica (processador), ou seja, queremos particionar o gráfico.
Existem três restrições, no entanto. O primeiro é obter um número predefinido de comunidades, porque o número de processadores é obviamente conhecido antecipadamente. O segundo é obter uma carga balanceada: queremos que cada processador execute aproximadamente o mesmo número de operações. Em termos de gráfico, queremos que as comunidades contenham aproximadamente o mesmo número de nós. O terceiro é obter a menor comunicação possível entre os processadores, porque diminui a velocidade do processo. Portanto, em termos de gráfico, queremos minimizar o número de links entre comunidades.
Portanto, desse ponto de vista, a detecção da comunidade pode ser considerada um problema mais geral do que o agrupamento de gráficos. A terceira restrição é aplicada nos dois problemas, mas o número e o tamanho das comunidades não são conhecidos a priori na detecção da comunidade.
Esses dois nomes diferentes são atribuídos à mesma coisa por diferentes comunidades de cientistas, dependendo se alguém gostaria de enfatizar a motivação das redes sociais ou não. Talvez alguém esteja definindo agrupamentos e detecção da comunidade como coisas diferentes, mas a maioria das pessoas que estuda uma delas não seria capaz de lhe dizer por que não está usando o outro termo.
Se uma grande rede estiver agrupada em duas partes, o que garante que essas duas partes são duas comunidades? Dois clusters têm baixa conexão, não significa que cada cluster tenha tipos semelhantes de nós ou nós tenham tipos semelhantes de conexões (portanto, comunidade). Pense no gráfico de redes sociais. Certamente existem muitas comunidades. Também agrupando algoritmos, você pode agrupá-lo em duas partes. Nesse caso, você chamaria cada peça de comunidade. ? Minha resposta é não. Porque, os dois clusters podem ser pessoas de duas regiões geográficas. E então essas certamente não são comunidades.
Os algoritmos de cluster se preocupam apenas com o corte mínimo, não com a semelhança de nós, semelhança de conexão ou conexão densa. Além disso, nos algoritmos de cluster, o número de clusters deve ser predefinido.
Algoritmos de detecção de comunidades, eles se preocupam com a densidade, encontram a parte mais densa da rede e esse tipo de algoritmo (já vi até agora) não precisa predefinir o número de comunidades.
No entanto, o algoritmo de cluster pode ser usado para encontrar comunidades; portanto, como não garante que cada cluster mantenha uma boa estrutura de comunidade, cada cluster deve ser cuidadosamente examinado.
"não se pode aplicar trivialmente a descoberta da comunidade para resolver agrupamentos e vice-versa. apesar de suas semelhanças, existem diferenças importantes nas abordagens. A descoberta da comunidade assume conexões esparsas, enquanto o agrupamento pode trabalhar com conjuntos de dados densos; no agrupamento, geralmente lidamos com atributos de vários tipos , enquanto a descoberta da comunidade geralmente lida com um único tipo de atributo - bordas - geralmente binário, no caso de redes não ponderadas "para obter mais informações, leia o seguinte artigo:" Sobre a equivalência entre descoberta e agrupamento de comunidades "de Riccardo Guidotti e Michele Coscia