“Neighbourhood matching creates realistic surrogate temporal networks”
Spesso, tuttavia, i dati del mondo reale sono proibitivi da raccogliere o non sono condivisibili a causa di problemi di privacy.
Una soluzione promettente sono le “reti surrogate”, grafici sintetici con le proprietà delle reti del mondo reale.
Finora, la generazione di reti temporali surrogate realistiche è rimasta un problema aperto, a causa della difficoltà di catturare sia le proprietà temporali e topologiche della rete di input, sia le loro correlazioni, in un modello scalabile.
In questo seminario proponiamo un nuovo e semplice metodo per generare reti temporali surrogate.
Scomponendo i grafici in quartieri temporali che circondano ciascun nodo, possiamo generare nuove reti usando i quartieri come elementi costitutivi.
Il nostro modello supera di gran lunga i metodi attuali su più esempi di reti temporali in termini di somiglianza sia topologica che dinamica.
Si mostra inoltre che oltre a generare modelli di interazione realistici, questo metodo è in grado di catturare la periodicità temporale intrinseca delle reti temporali, il tutto con un tempo di esecuzione inferiore rispetto ai metodi concorrenti di più ordini di grandezza.
Bio del relatore: Antonio Longa è dottorando presso la Fondazione Bruno Kessler, Centro Digital Society e l’Università di Trento, sotto la supervisione di Bruno Lepri e Andrea Passerini. Attualmente è ricercatore in visita presso l’Università di Cambridge (Cambridge, Regno Unito). La sua ricerca si concentra principalmente sul Temporal Graph Mining e sul Geometric Deep Learning. Prima di entrare a far parte della Fondazione Bruno Kessler, ha studiato come studente di scambio presso l’Università di Aalto (Finlandia) e ha svolto la sua tesi di laurea presso l’Università di Exeter (UK). Ha conseguito la laurea magistrale presso l’Università di Trento e la laurea triennale presso l’Università degli studi di Milano-Bicocca.
ONLINE al seguente link: Google Meet link