Ciencia de redes · Guía conceptual
Definiciones operativas para estudiar sistemas relacionales: desde teoría de grafos y métricas estructurales hasta comunidades, procesos dinámicos, inferencia y machine learning sobre grafos.
Una red compleja representa un sistema mediante entidades y relaciones. Su valor analítico aparece cuando la estructura de conexión no es trivial: heterogeneidad de grados, clustering, comunidades, caminos cortos, dependencia entre observaciones y dinámica sobre la topología.
Los nodos son las unidades del sistema; las aristas son las relaciones observadas o inferidas entre ellas. La decisión crítica no es técnica sino conceptual: qué cuenta como entidad, qué cuenta como relación, con qué dirección, peso, ventana temporal y nivel de agregación.
El grado cuenta cuántas conexiones tiene un nodo. En redes ponderadas, la fuerza suma los pesos de esas conexiones. Ambas métricas son simples, interpretables y útiles como primera señal, pero pueden ocultar redundancia, sesgo por actividad o diferencias de posición estructural.
Centralidad no significa una sola cosa. Degree centrality mide actividad local; betweenness mide intermediación en caminos; closeness captura cercanía global; eigenvector y PageRank ponderan la importancia de los vecinos. La métrica correcta depende de la pregunta y del proceso que se modela.
El clustering mide hasta qué punto los vecinos de un nodo también están conectados entre sí. La transitividad resume ese patrón a escala global. En redes sociales suele interpretarse como cierre triádico; en datos proyectados puede aparecer artificialmente por nodos de alta actividad.
Una red de mundo pequeño combina caminos promedio cortos con alto clustering. El modelo Watts-Strogatz muestra cómo pocos enlaces de largo alcance pueden reducir distancias sin destruir completamente la estructura local, un mecanismo clave para difusión y búsqueda en redes.
Las redes libres de escala presentan distribuciones de grado con cola pesada: pocos nodos concentran muchas conexiones y muchos nodos tienen baja conectividad. Preferential attachment es un mecanismo generativo donde los nodos con más enlaces tienden a recibir nuevos enlaces con mayor probabilidad.
La homofilia describe la tendencia de nodos similares a conectarse. La assortativity cuantifica mezcla por atributos o por grado. Ambos conceptos ayudan a separar patrones sustantivos de sesgos de observación y son críticos al interpretar comunidades, desigualdad y segmentación.
El Laplaciano de un grafo conecta estructura, difusión y particionamiento. Sus eigenvalores entregan información sobre conectividad, cortes, estabilidad y dinámica. Es una herramienta conceptual clave para entender clustering espectral, procesos de difusión y algunos fundamentos de Graph ML.
Una red bipartita conecta dos tipos de nodos, como empresas y organismos, autores y papers, o usuarios y productos. Es una representación natural para sistemas de afiliación. Proyectarla a una sola capa puede ser útil, pero también infla enlaces y clustering si no se controla la actividad.
Un modelo nulo define qué estructura esperaríamos por azar bajo restricciones específicas, por ejemplo preservando tamaño, densidad o secuencia de grados. Sin modelos nulos, muchas conclusiones sobre clustering, centralidad o comunidades pueden ser solo artefactos de la distribución de actividad.
Una comunidad es un conjunto de nodos más densamente conectado internamente que con el resto de la red. La modularidad formaliza esa comparación contra un baseline. Algoritmos como Louvain y Leiden son útiles, pero requieren revisar resolución, estabilidad y significado sustantivo de los grupos.
Core-periphery describe redes con un núcleo densamente conectado y una periferia menos integrada. k-core identifica subgrafos donde cada nodo mantiene al menos k conexiones internas. Ambos enfoques ayudan a distinguir nodos estructuralmente robustos de nodos simplemente activos.
Los procesos de difusión conectan estructura y dinámica. En modelos SIR/SIS, la probabilidad de propagación depende de contactos, recuperación, posición en la red y heterogeneidad de grados. El nodo más central para informar no siempre es el más importante para contener un contagio.
Una red temporal conserva cuándo ocurren las interacciones. Es distinta de una red agregada, que colapsa todos los contactos en una sola estructura. Para difusión, riesgo, recomendación o fraude, el orden de los enlaces puede cambiar completamente qué caminos son posibles.
Los datos de red no son independientes: las observaciones comparten vecinos, comunidades, historia y mecanismos de formación. Por eso la evaluación debe cuidar leakage, splits temporales o estructurales, modelos nulos y reportes explícitos de límites, sesgos y supuestos.
Link prediction estima qué enlaces podrían aparecer, faltar o ser relevantes. Puede usar heurísticas estructurales, embeddings o modelos supervisados. Su principal riesgo metodológico es el leakage: entrenar con información futura o con particiones que destruyen la dependencia temporal de la red.
La heterofilia aparece cuando nodos conectados tienden a tener etiquetas o atributos distintos. Rompe el supuesto de suavidad local que muchos GNN explotan. En esos casos, agregar vecinos sin criterio puede degradar desempeño y conviene usar arquitecturas, features o splits diseñados para esa estructura.
Graph ML usa la estructura relacional como señal predictiva. Incluye embeddings de nodos, clasificación de nodos, predicción de enlaces y Graph Neural Networks. No siempre mejora sobre features de red bien construidas; conviene usarlo cuando la dependencia estructural es parte real del fenómeno.
Oversmoothing es un problema de algunas GNN profundas: al propagar mensajes muchas veces, las representaciones de nodos distintos se vuelven demasiado parecidas. El resultado puede ser menor capacidad discriminativa, especialmente en grafos heterofílicos o con señales locales débiles.
Un knowledge graph organiza entidades y relaciones semánticas, a menudo con múltiples tipos de nodos y enlaces. Se usa en búsqueda, recomendación, integración de datos y razonamiento. Su análisis combina modelamiento relacional, embeddings, reglas de negocio y evaluación cuidadosa de enlaces faltantes.
La teoría de grafos provee el lenguaje matemático para describir nodos, aristas, caminos, conectividad y estructuras. La ciencia de redes usa ese lenguaje para estudiar sistemas empíricos, sus mecanismos de formación, sus patrones estadísticos y los procesos que ocurren sobre la red.
Porque cada centralidad responde una pregunta distinta y puede estar dominada por sesgos de medición, actividad o tamaño. En un análisis serio, las centralidades se interpretan junto con el objetivo del problema, la calidad del dato, modelos nulos y análisis de sensibilidad.
Conviene considerarlas cuando la dependencia entre nodos es predictiva, hay suficiente señal relacional y la evaluación evita leakage. Para muchos problemas aplicados, un feature store con métricas de red, buenos splits y modelos tabulares puede ser un baseline más transparente y competitivo.
Es un baseline estadístico que define qué estructura esperaríamos bajo ciertas restricciones. Importa porque permite distinguir patrones reales de artefactos producidos por tamaño, densidad, secuencia de grados, actividad de usuarios o mecanismos de muestreo.
La red bipartita conserva dos tipos de nodos y sus relaciones originales. La proyección transforma esa información en una red de un solo tipo de nodo. La proyección puede facilitar análisis, pero también puede inflar enlaces, clustering y centralidades si no se pondera o valida correctamente.
Modularidad compara una partición contra un modelo nulo específico. Puede tener límites de resolución, múltiples óptimos parecidos y sensibilidad a pesos o semillas. Por eso una partición debe evaluarse por estabilidad, interpretación sustantiva y consistencia con la pregunta de investigación.
Porque los nodos y enlaces no son observaciones independientes. Un split aleatorio puede filtrar información del futuro o de vecinos cercanos hacia el entrenamiento. En redes, la validación debe respetar temporalidad, componentes, tareas de predicción y posibles mecanismos de leakage.
Los embeddings aprenden representaciones vectoriales de nodos a partir de patrones estructurales, como caminatas aleatorias o co-ocurrencias. Las GNN aprenden representaciones mediante propagación de mensajes y pueden incorporar atributos, etiquetas y objetivos supervisados de forma más directa.
La ruta práctica es modelar bien nodos y enlaces, auditar datos, usar NetworkX o igraph para métricas, comparar contra modelos nulos, documentar supuestos y validar conclusiones con sensibilidad. El código debe acompañarse siempre de una pregunta sustantiva y no solo de métricas descriptivas.