En el análisis de redes, los métodos para identificar una estructura de comunidad a menudo implican optimizar una función objetivo específica para lograr una asignación óptima única de los nodos de la red a las comunidades. En la práctica, sin embargo, a menudo nos encontramos con múltiples esquemas de división con puntajes de alta calidad cercanos al óptimo general. Una representación precisa de la estructura de la comunidad se logra de manera más apropiada mediante una serie de esquemas de división de alta calidad en lugar de depender únicamente de una solución óptima única. Sin embargo, interpretar una colección de divisiones de red puede ser desafiante, ya que su tamaño puede expandirse rápidamente a cientos o incluso miles. Con este fin, proponemos un algoritmo representativo de detección de comunidades para redes de atributos. Al agrupar particiones de red similares y seleccionar particiones representativas de cada grupo, podemos revelar de manera exhaustiva la diversidad de las estructuras de comunidad de la red y proporcionar resultados de partición con una perspectiva más global. Experimentos de partición de redes en conjuntos de datos naturales y artificiales demuestran que nuestro método propuesto funciona mejor que los métodos avanzados.