{rfName}
Co

Indexado en

Licencia y uso

Icono OpenAccess

Citaciones

14

Altmetrics

Impacto en los Objetivos de Desarrollo Sostenible (ODS)

Investigadores/as Institucionales

Muñoz HAutor (correspondencia)Mateos AAutor o CoautorJiménez-Martín AAutor o Coautor

Compartir

4 de marzo de 2021
Publicaciones
>
Artículo
Sí

Convgraph: Community detection of homogeneous relationships in weighted graphs

Publicado en: Mathematics. 9 (4): 367-18 - 2021-02-01 9(4), DOI: 10.3390/math9040367

Autores:

Munoz, Hector; Vicente, Eloy; Gonzalez, Ignacio; Mateos, Alfonso; Jimenez-Martin, Antonio
[+]

Afiliaciones

Universidad Politécnica de Madrid - Autor o Coautor
‎ Univ Politecn Madrid, Dept Inteligencia Artificial, Decis Anal & Stat Grp, Madrid 28040, Spain - Autor o Coautor

Resumen

© 2021 by the authors. Licensee MDPI, Basel, Switzerland. This paper proposes a new method, ConvGraph, to detect communities in highly cohesive and isolated weighted graphs, where the sum of the weights is significantly higher inside than outside the communities. The method starts by transforming the original graph into a line graph to apply a convolution, a common technique in the computer vision field. Although this technique was originally conceived to detect the optimum edge in images, it is used here to detect the optimum edges in communities identified by their weights rather than by their topology. The method includes a final refinement step applied to communities with a high vertex density that could not be detected in the first phase. The proposed algorithm was tested on a series of highly cohesive and isolated synthetic graphs and on a real-world export graph, performing well in both cases.
[+]

Palabras clave

Community detectionConvolutionLine graphStrengthen the means of implementation and revitalize the global partnership for sustainable development goals

Indicios de calidad

Impacto bibliométrico. Análisis de la aportación y canal de difusión

El trabajo ha sido publicado en la revista Mathematics debido a la progresión y el buen impacto que ha alcanzado en los últimos años, según la agencia WoS (JCR), se ha convertido en una referencia en su campo. En el año de publicación del trabajo, 2021, se encontraba en la posición 21/333, consiguiendo con ello situarse como revista Q1 (Primer Cuartil), en la categoría Mathematics. Destacable, igualmente, el hecho de que la Revista está posicionada por encima del Percentil 90.

Independientemente del impacto esperado determinado por el canal de difusión, es importante destacar el impacto real observado de la propia aportación.

Según las diferentes agencias de indexación, el número de citas acumuladas por esta publicación hasta la fecha 2026-04-25:

  • Google Scholar: 9
  • WoS: 2
  • Scopus: 2
[+]

Impacto y visibilidad social

Desde la dimensión de Influencia o adopción social, y tomando como base las métricas asociadas a las menciones e interacciones proporcionadas por agencias especializadas en el cálculo de las denominadas “Métricas Alternativas o Sociales”, podemos destacar a fecha 2026-04-25:

  • El uso, desde el ámbito académico evidenciado por el indicador de la agencia Altmetric referido como agregaciones realizadas por el gestor bibliográfico personal Mendeley, nos da un total de: 9.
  • La utilización de esta aportación en marcadores, bifurcaciones de código, añadidos a listas de favoritos para una lectura recurrente, así como visualizaciones generales, indica que alguien está usando la publicación como base de su trabajo actual. Esto puede ser un indicador destacado de futuras citas más formales y académicas. Tal afirmación es avalada por el resultado del indicador “Capture” que arroja un total de: 9 (PlumX).

Con una intencionalidad más de divulgación y orientada a audiencias más generales podemos observar otras puntuaciones más globales como:

  • El Score total de Altmetric: 1.
  • El número de menciones en la red social X (antes Twitter): 1 (Altmetric).

Es fundamental presentar evidencias que respalden la plena alineación con los principios y directrices institucionales en torno a la Ciencia Abierta y la Conservación y Difusión del Patrimonio Intelectual. Un claro ejemplo de ello es:

  • El trabajo se ha enviado a una revista cuya política editorial permite la publicación en abierto Open Access.
  • Asignación de un Handle/URN como identificador dentro del Depósito en el Repositorio Institucional: https://oa.upm.es/85770/

Como resultado de la publicación del trabajo en el repositorio institucional, se han obtenido datos estadísticos de uso que reflejan su impacto. En términos de difusión, podemos afirmar que, hasta la fecha

  • Visualizaciones: 119
  • Descargas: 31
Siguiendo con el impacto social del trabajo, es importante enfatizar el hecho de que, por su contenido, puede ser asignado a la línea de interés del ODS 17 - Revitalizar la Alianza Mundial para el Desarrollo Sostenible, con una probabilidad del 42% según el algoritmo mBERT desarrollado por Aurora University.
[+]

Análisis de liderazgo de los autores institucionales

Existe un liderazgo significativo ya que algunos de los autores pertenecientes a la institución aparecen como primer o último firmante, se puede apreciar en el detalle: Primer Autor (MUÑOZ GARCÍA, HÉCTOR) y Último Autor (JIMENEZ MARTIN, ANTONIO).

el autor responsable de establecer las labores de correspondencia ha sido MUÑOZ GARCÍA, HÉCTOR.

[+]

Objetivos del proyecto

Los objetivos perseguidos en esta aportación se centran en mejorar la detección de comunidades en grafos ponderados. Se pretende desarrollar un método, ConvGraph, para detectar comunidades altamente cohesivas y aisladas, caracterizadas por una suma de pesos significativamente mayor dentro que fuera de ellas. Se busca transformar el grafo original en un grafo línea para aplicar convoluciones, adaptando técnicas de visión por computador para identificar aristas óptimas basadas en pesos y no en topología. Además, se aspira a incluir un paso de refinamiento final para comunidades con alta densidad de vértices no detectadas inicialmente. Finalmente, se pretende evaluar el desempeño del algoritmo en grafos sintéticos y en un grafo real de exportación.
[+]

Resultados más relevantes

Los resultados más relevantes del estudio son los siguientes: se desarrolló el método ConvGraph para detectar comunidades en grafos ponderados altamente cohesivos y aislados, destacando que la suma de pesos es significativamente mayor dentro que fuera de las comunidades; el método transforma el grafo original en un grafo de líneas para aplicar una convolución, técnica adaptada del campo de la visión por computadora; se implementó un paso de refinamiento final para comunidades con alta densidad de vértices no detectadas inicialmente; y la eficacia del algoritmo fue validada tanto en grafos sintéticos altamente cohesivos como en un grafo real de exportación, mostrando un rendimiento satisfactorio en ambos casos.
[+]