Communityontdekking

Communityontdekking is het onderzoeksgebied dat zich bezighoudt met het identificeren van gemeenschappen of modules in netwerken en grote datasets. Een gemeenschap is een groep knooppunten met relatief meer verbindingen binnen de groep dan met knooppunten buiten de groep. Het concept vindt toepassing in sociale netwerken, biologie, logistiek en aanbevelingssystemen, waar inzicht in de structuur van verbindingen kan bijdragen aan het begrip van functies, gedrag en invloed.

Om gemeenschappen te vinden worden diverse algoritmen en maatstaven gebruikt. Veelgebruikte benaderingen zijn modulariteitsoptimalisatie zoals de Louvain- en Leiden-algoritmes, die netwerken opdelen zodat de verbindingen binnen de gemeenschap worden gemaximaliseerd. Andere methoden zijn Girvan–Newman, Infomap op basis van random walks en spectrale clustering. Sommige benaderingen zijn geschikt voor dynamische netwerken en evoluerende communities. Er bestaan ook multi-resolutie-methoden die gemeenschappen op verschillende schaalgroottes detecteren en zo de zogenaamde resolution limit adresseren. Evaluatie vindt plaats met statistische maatstaven zoals modulariteit, Normalized Mutual Information (NMI) en de adjusted Rand index.

Toepassingen omvatten sociale analyse van groepen en invloed, analyse van biologische netwerken (zoals eiwit-interactienetwerken), en aanbevelingssystemen (clusters van gebruikers of producten). Uitdagingen zijn onder meer schaalbaarheid bij zeer grote netwerken, stabiliteit en reproduceerbaarheid van de gevonden communities, en de interpretatie van overlappende of dynamische gemeenschappen. Onderzoekers richten zich ook op validatie met echte labels en synthetische benchmarks.