Os constantes avanços tecnológicos ocorridos sobretudo nos últimos anos têm levado a um expressivo aumento no volume de dados armazenados pelo mundo. Nesse cenário, surgiram as chamadas redes complexas, que são grafos que se caracterizam pela presença de grandes quantidades de vértices interconectados por um grande número de arestas. Entre os clássicos exemplos de redes complexas estão as redes sociais tais como Facebook, Google+, Twitter, Wikipedia, e Flickr. Um dos principais problemas investigados no contexto dessas redes é a detecção de comunidades. Tal problema consiste em identificar grupos de vértices que contêm alta densidade de arestas dentro de cada grupo e baixa densidade de arestas que interligam vértices de grupos distintos. O tratamento deste tipo de problema possui aplicações em diversas áreas, em especial na área da segurança. Pode permitir, por exemplo, o combate ao terrorismo, tráfico de drogas, pedofilia, racismo, dentre outros crimes cada vez mais frequentes nas redes sociais. Por limitarem seu processamento apenas à consideração de aspectos topológicos dos grafos, a maioria dos algoritmos clássicos da área de detecção de comunidades deixa de utilizar informações do domínio da aplicação, importantes na efetiva identificação de grupos sociais. Os poucos algoritmos que utilizam informação de domínio para detectar comunidades têm sua aplicação restrita a redes homogêneas, ou seja, redes que contêm apenas um tipo de vértice e um tipo de aresta. No entanto, grande parte das redes complexas da atualidade são heterogêneas (vários tipos de vértices e de arestas) e, como tal, não podem ser amplamente exploradas pelos algoritmos clássicos de detecção de comunidades. Assim sendo, diante desse contexto, o presente trabalho tem como objetivo geral demonstrar que a utilização de informações de domínio existentes em redes complexas heterogêneas pode contribuir para tornar mais precisa a tarefa de detecção de comunidades. Para tanto, foi concebida, implementada e avaliada uma abordagem que realiza clusterização de dados de domínio como uma etapa prévia ao processo de detecção de comunidades. Desta forma, a clusterização de dados assegura o agrupamento de vértices e arestas em função da semântica dos dados de domínio existentes. Em seguida, a abordagem proposta permite detectar comunidades estruturalmente densas a partir de cada grupo identificado, assegurando, assim, a coesão semântica e topológica entre os vértices de cada comunidade detectada. Os experimentos realizados em conjuntos de dados provenientes dos contextos militar e civil mostraram que o uso de informações de domínio pode, de fato, levar a interessantes partições contendo comunidades semântica e topologicamente coesas.