Detecção de Comunidades é uma tarefa importante na análise de redes pois é capaz de revelar padrões de interação e estruturas de interesse para diversos problemas práticos como redes metabólicas, epidêmicas e sociais, por exemplo. Os algoritmos atualmente utilizados para essa tarefa são capazes de encontrar as comunidades de uma rede partindo do pressuposto de que elas estejam completas e não apresentem dados ruidosos. Em redes reais, essa hipótese dificilmente é atendida. Com isso, os algoritmos de detecção de comunidade podem apresentar variações em relação ao resultado verdadeiro como nós em comunidades erradas, duas ou mais comunidades que deveriam ser apenas uma só, uma comunidade que deveria ser dividida em duas ou mais. Isso ocorre principalmente por não ser possível capturar dados suficientes para determinar os verdadeiros padrões nas redes.
Com isso, esse trabalho tem como objetivos a criação de heurísticas baseadas nas informações estatísticas da rede, de tal forma a incrementar a quantidade de informação da rede e a criação de um algoritmo que revele a função geradora da rede utilizando dados complementares dos nós e arestas de tal forma que a criação de novos nós e arestas seguem um padrão próximo do real.
Espera-se que as redes acrescidas de novos dados artificiais permita melhorar os resultados dos algoritmos de detecção de comunidades.