Models Generalitzats de Producte Escalar per a la Predicció d’Enllaços

Identificador:  TFG:9482

Handle: https://hdl.handle.net/20.500.11797/TFG9482

Autors:  Llobera Querol, Irene

Resum:
Comprendre l'estructura de la xarxa és clau en totes les disciplines mitjançant grafs. Dos models comuns són el producte puntual aleatori (RDP) i el model de blocs estocàstics de pertinença mixta (MMSBM). L'RDP és simple i interpretable, però té dificultats amb les xarxes dissortatives. Analitzem aquesta limitació, proporcionem proves empíriques i mostrem la major flexibilitat de l'MMSBM. Per abordar la deficiència de l'RDP, introduïm una generalització de valors complexos que permet productes interns negatius, cosa que li permet modelar estructures dissortatives. Mitjançant experiments en xarxes sintètiques i del món real, demostrem que, mentre que l'RDP estàndard fallen, tant l'MMSBM com el nostre nou model capturen amb èxit els patrons dissortatius.