Un algoritmo genético para la detección de comunidades en redes sociales mejorado mediante una técnica de clustering

Abstract

Alrededor del mundo las academias son el centro de concentración y difusión de conocimiento más importante para la sociedad, mediante sus programas de formación profesional, se entrega constantemente a la sociedad motores de conocimiento de alta calidad, los cuales por medio de alianzas bien establecidas a través de la divulgación científica se logra dar solución en distintas formas a las diversas necesidades e inquietudes que abruman en la cotidianidad. Este tipo de sociedades, donde se conjuntan diferentes metodologías, disciplinas, y temas, se conocen como redes de colaboración y una de las temáticas más utilizadas para lograr entender el comportamiento y encontrar agrupaciones fuertes en estas, es el problema de detección de comunidades (CD). El problema de detección de comunidades tiene gran reconocimiento en los últimos años, pues durante su aplicación otorga claridad sobre los patrones más representativos que pueden existir en las agrupaciones dentro de la red, el cual siendo ejecutado por medio de algoritmo genético y técnicas de clustering, se logran determinar estructuras comunitarias fuertemente cohesionadas por medio de una metodología evolutiva para hallar el mejor valor de calidad de conexión de la red. En el presente trabajo de investigación se busca dar solución al problema de detección de comunidades (CD) por medio de un algoritmo genético basado en coeficiente de clustering (CCGA) a una red de colaboración de la Universidad Industrial de Santander conformada por docentes que han dirigido y codirigido trabajos de grado al interior del campus en programas diferentes a los que ellos se vinculan originalmente. Una vez determinadas las comunidades detectadas por el algoritmo, se procederá a analizarlas y así precisar los patrones existentes en esta forma de colaboración. Con ello se podrá establecer la condición de colaboración interdisciplinaria de la red, así como identificar los docentes más participativos en estas modalidades, entre otras características representativas de la red