Dipartimento di Ingegneria Informatica, Modellistica, Elettronica e Sistemistica - Tesi di Dottorato
Permanent URI for this collectionhttps://lisa.unical.it/handle/10955/31
Questa collezione raccoglie le Tesi di Dottorato afferenti al Dipartimento di Ingegneria Informatica, Modellistica, Elettronica e Sistemistica dell'Università della Calabria.
Browse
3 results
Search Results
Item GRAPH MINING AND MULTIMODAL REPRESENTATION LEARNING FOR EMERGING DECENTRALIZED SOCIO-ECONOMIC DOMAINS(Università della Calabria, 2024-02-23) La Cava, Lucio; Fortino, Giancarlo; Greco, Sergio; Tagarelli, AndreaItem Dynamic argumentation in artificial intelligence(Università della Calabria, 2020-04-20) Alfano, Gianvincenzo; Crupi, Felice; Greco, Sergio; Parisi, FrancescoL’argumentation è una tematica di grande rilievo che si è distinta nel vasto mondo dell’Intelligenza Artificiale. Un sistema di argomentazione, adottando un particolare framework, riesce a gestisce discussioni tra agenti software e prendere decisioni in maniera autonoma su temi per cui si sta argomentando. Stabilire il modo in cui le decisioni vengono prese corrisponde a stabilire una semantica di argomentazione. Tali semantiche, godono di un alto costo computazionale, e pertanto, a seguito dell’aggiunta di nuove argomentazioni, nasce il problema di dover ricalcolare le decisioni (chiamate estensioni) sull’intero framework aggiornato. Sebbene i limiti computazionali e gli algoritmi per la valutazione di framework di argomentazione sono stati largamente studiati in letteratura, queste ricerche si basano su framework di tipo statico, ovvero framework di argomentazione che non subiscono aggiornamenti, nonostante in pratica i sistemi di argomentazione modellino un processo altamente dinamico quale è l’argomentazione. Lo scopo di questa tesi è di produrre algoritmi incrementali efficienti che risolvano i problemi principali sia dell’argumentation astratta (i cui argomenti rappresentano entità astratte), sia nel framework di argomentazione strutturato Defeasible Logic Programming (DeLP), i cui argomenti hanno un’esplicita struttura poiché derivano da una knowledge-base (un programma DeLP) contenente fatti, regole certe (strict) e regole incerte (defeasible). Di fronte alle modifiche sul grafo sottostante (nel caso di argomentazione astratta) o sul programma DeLP (nel caso di argomentazione strutturata), estensioni precedentemente calcolate sono parzialmente riutilizzate al fine di evitarne il ricalcolo da zero. La tesi fornisce diversi contributi sia teorici che pratici. In particolare, dopo aver analizzato i concetti preliminari alla base dei principali frameworks di argomentazione astratta, nel Capitolo 3 viene proposto un approccio per il problema dell'enumerazione delle estensioni preferred e semi-stable di un framework di argomentazione astratto. Nel Capitolo 4 viene affrontato il problema del ricalcolo incrementale di un'estensione complete, preferred, grounded e stable per frameworks astratti. Fondamentalmente, dato un framework iniziale, una sua estensione ed un update, viene determinato l’insieme di argomenti influenzati dalla modifica, i quali costituiscono un sottoinsieme degli argomenti iniziali utili a determinare un framework ridotto su cui viene calcolata un'estensione. Combinando parte dell'estensione iniziale con quella calcolata sul framework ridotto, si ottiene un'estensione del framework aggiornato. Questo approccio viene esteso nel Capitolo 5 ai framework di argomentazione bipolari e con attacchi di secondo ordine, sfruttando una traduzione in framework astratti classici. Tale tecnica incrementale viene utilizzata nel Capitolo 6 per far fronte al calcolo incrementale dell’accettazione scettica di un argomento in accordo alla semantica preferred (ovvero stabilire se un argomento è contenuto in tutte le estensioni preferred), sfruttando la relazione tra le semantiche preferred e ideal. L’idea e le motivazioni alla base della tecnica incrementale proposta nel Capitolo 4 sono state sfruttate nel Capitolo 7 per affrontare il problema del ricalcolo incrementale dello stato dei letterali di un programma DeLP a seguito dell’aggiunta o rimozione di regole. Infatti, dopo aver mostrato che il problema risulta essere NP-hard, viene presentato un algoritmo incrementale basato su un ipergrafo che codifica le relazioni di dipendenza tra letterali sulla base delle regole che formano il programma DeLP, al fine di individuare la porzione del programma influenzata dalla modifica che necessita del ricalcolo. Tutti gli algoritmi proposti sono stati analizzati sperimentalmente, mostrando miglioramenti significativi rispetto al corrispondente calcolo da zero.Item Mining and learning problems in complex graph data(Università della Calabria, 2021-05-10) Mandaglio, Domenico; Crupi, Felice; Greco, Sergio; Tagarelli, AndreaI grafi sono modelli matematici che rappresentano oggetti, chiamati nodi o vertici, coinvolti in relazioni a coppia, detti archi. Tali modelli vengono impiegati per descrivere sistemi interconnessi tra cui reti tecnologiche (es. il World Wide Web), reti sociali e biologiche. A partire dal modello originario dei grafi, diverse estensioni del modello sono state proposte in letteratura: grafi pesati, multidimensionali, temporali e probabilistici permettono di esprimere, rispettivamente, l’intensità associata a ogni arco, rappresentare diverse tipologie di relazioni tra vertici, includere informazioni su quando le interazioni tra nodi avvengono, e assegnare a ogni possibile peso sugli archi la probabilità di osservare quello specifico peso. Lo scopo di questa tesi è definire modelli e metodi per problemi di mining e learning di relazioni forti e nascoste tra nodi su grafi complessi. In particolare, il focus di questo progetto di ricerca è la scoperta di relazioni a coppia come associazioni di gruppo e relazioni di trust. Il primo obiettivo consiste nel partizionare l’insieme dei nodi di un grafo in gruppi (detti cluster o community) tali che i nodi appartenenti allo stesso gruppo siano collegati più fortemente tra di loro rispetto che con il resto della rete. Questo obiettivo è anche noto in letteratura come graph clustering o community detection. Le community (o cluster) sono gruppi di entità che probabilmente condividono delle proprietà e/o hanno un ruolo simile all’interno del sistema a cui appartengono. Le relazioni di trust vengono tipicamente modellate attraverso un grafo pesato, detto rete di trust, che si riferisce a un grafo di individui collegati da relazioni di coppia asimmetriche corrispondenti a espressioni soggettive di fiducia, dove il peso associato a ogni arco viene interpretato come il grado di fiducia che un utente ha nei confronti di un altro individuo. Ogni modello di rappresentazione a grafo, indipendentemente dalla sua natura, permette di descrivere in diversi modi l’intrinseca natura multiforme dei sistemi reali che deve essere tenuta in considerazione quando si intende identificare relazioni tra i nodi come quelle di gruppo o di trust. Questo implica la necessità di un processo di aggregazione di informazioni che permette di considerare simultaneamente i diversi aspetti del sistema rappresentato. Tuttavia, l’aggregazione dei diversi aspetti di un sistema pone alcune problematiche aggiuntive al task considerato poiché le diverse dimensioni dei dati potrebbero essere inconsistenti tra di loro o l’informazione relativa a un qualche aspetto potrebbe rappresentare rumore per il raggiungimento dell’obiettivo prefissato. L’abbondanza e diversità di dati rappresentabili attraverso grafi che può essere estratta da sistemi online (es. il Web) o offline (es. interazioni sociali) favorisce la necessità di nuovi modelli e metodi che siano capaci di tenere in considerazione efficacemente l’eterogeneità nella tipologia di informazioni nella scoperta di pattern nel comportamento di entità appartenenti a un sistema complesso. Più specificatamente, quattro sono i temi di ricerca che possono essere indentificati in questa tesi. Primo, è stato studiato il problema di consensus community detection su reti multidimensionali: dato un insieme di partizionamenti dei nodi di una rete, ciascuno calcolato considerando separatamente una dimensione del grafo multidimensionale, trovare un nuovo partizionamento dei nodi (detto consensus clustering) che sia rappresentativo e, allo stesso tempo, filtri l’eventuale rumore dei vari partizionamenti in input. Come seconda linea di ricerca, è stato trattato il problema di consensus community detection dinamico su grafi temporali che consiste nel calcolare, per ogni stato di evoluzione di una rete, un consensus clustering che sia rappresentativo degli stati precedentemente osservati sulla rete e, quindi, rispecchi la sequenza delle strutture a community nei vari istanti di tempo. Chiaramente, la natura temporale di questo secondo problema pone alcune sfide aggiuntive nella sua risoluzione poiché i vari partizionamenti sono disponibili e devono essere processati in modo incrementale; inoltre, vi è il requisito che bisogna opportunamente pesare le informazioni sugli stati nella rete in modo da dare maggior rilievo agli stati più recenti piuttosto che quelli più remoti. Inoltre, la dimensione temporale delle interazioni tra utenti di una rete sociale può aiutare a inferire una rete di trust. Quest’ultimo obiettivo corrisponde alla terza linea di ricerca di questa tesi che ha come obiettivo la risoluzione del seguente problema: data una sequenza di grafi pesati corrispondenti agli stati di una rete in diversi istanti di tempo, derivare un grafo pesato e orientato, i cui nodi corrispondono alle entità del grafo temporale e gli archi rappresentano le relazioni di trust con associato grado di fiducia. Come quarta linea di ricerca è stato studiato un nuovo problema di clustering su grafi probabilistici in cui le interazioni tra i nodi sono caratterizzate da distribuzioni di probabilità e condizionate da fattori esterni ai nodi ma caratteristici dell’ambiente in cui interagiscono. Questo contesto include ogni scenario in cui una serie di azioni possono alterare le interazioni tra entità tra cui, ad esempio, i sistemi di raccomandazione su piattaforme di social media e task di team formation. In particolare, è stato considerato il caso in cui i fattori condizionanti le interazioni possono essere modellati attraverso un clustering dei nodi del grafo e l’obiettivo è trovare il clustering che massimizza l’interazione totale nel grafo. Per ciascuna linea di ricerca sono stati proposti degli algoritmi che sono stati confrontati, su dati reali e/o generati artificialmente, con lo stato dell’arte dei rispettivi problemi al fine di valutarne sia l’efficacia che l’efficienza.