Estratégia multinível para detecção de comunidades em redes k-partidas
Algoritmos baseados em grafos têm despertado interesses consideráveis nos últimos anos, facilitando o reconhecimento de padrões e o aprendizado por meio do processo de propagação de informações através do grafo. Porém, com um grande volume de dados, torna-se computacionalmente inviável executar cert...
| Autor: | |
|---|---|
| Tipo de recurso: | tesis de maestría |
| Estado: | Versión publicada |
| Fecha de publicación: | 2025 |
| País: | Brasil |
| Institución: | Universidade de São Paulo (USP) |
| Repositorio: | Biblioteca Digital de Teses e Dissertações da USP |
| Idioma: | portugués |
| OAI Identifier: | oai:teses.usp.br:tde-25092025-170612 |
| Acceso en línea: | https://www.teses.usp.br/teses/disponiveis/55/55134/tde-25092025-170612/ |
| Access Level: | acceso abierto |
| Palabra clave: | Aprendizado baseado em grafos Community detection Complex networks Contração de rede Detecção de comunidades Grafos k-partidos Graph-based learning k-partite graphs Método multinível Multilevel method Network coarsening Redes complexas |
| Sumario: | Algoritmos baseados em grafos têm despertado interesses consideráveis nos últimos anos, facilitando o reconhecimento de padrões e o aprendizado por meio do processo de propagação de informações através do grafo. Porém, com um grande volume de dados, torna-se computacionalmente inviável executar certos algoritmos. A estratégia multinível visa reduzir recursivamente o grafo, realizando sucessivas compactações da rede inicial com base em contrações de arestas e fusões de vértices, a fim de torná-lo tão pequeno quanto desejado, permitindo, assim, a utilização de algoritmos custosos. A estratégia multinível pode ser dividida em três fases: fase de coarsening, composta por combinação e contração, a fase de encontrar a solução, composta pela aplicação do algoritmo desejado na rede mais compacta, e a fase de uncoarsening, composta por projeção e refinamento. Neste trabalho é realizado uma generalização do algoritmo de coarsening para redes bipartidas com base na propagação de rótulos com restrição de peso, tornando possível seu uso em redes k-partidas. Além disso, o coarsening é utilizado diretamente como um algoritmo de detecção de comunidades, no qual cada supervértice obtido no grafo mais reduzido (último nível de coarsening) representa uma comunidade. |
|---|