La detección de comunidades es esencial en el análisis de redes P2P, ya que ayuda a identificar la estructura de conectividad, la centralización no deseada y los nodos influyentes. Los métodos existentes utilizan principalmente datos topológicos y descuidan los ricos datos de contenido. Este artículo propone una técnica que combina datos topológicos y de contenido para detectar comunidades dentro de la red de Bitcoin utilizando un algoritmo de representación de características profundas y Autoencoders de Retroalimentación Profunda. Nuestros resultados muestran que la red de Bitcoin tiene un coeficiente de agrupamiento, un coeficiente de assortatividad y una estructura comunitaria más altos de lo esperado en una red P2P aleatoria. En la red de Bitcoin, los nodos prefieren conectarse a otros nodos que comparten las mismas características.