L’analisi delle reti
Le reti influenzano gran parte della vita moderna e di fatto tutta la vita. Le reti sono molto studiate in molti contesti, ma spesso con metodi parametrici bayesiani piuttosto limitati. Il progetto BNPNET (Bayesian nonparametric methods for networks and recommender systems), finanziato dall’UE, ha sviluppato e applicato nuovi metodi non parametrici bayesiani all’argomento. In particolare, il lavoro ha affrontato l’e-commerce, dove la maggior parte degli acquirenti compra solo alcuni dei molti articoli disponibili. I nuovi modelli scalabili sono stati applicati alla modellazione probabilistica di grandi reti e sistemi di raccomandazione e-commerce. Tuttavia, il lavoro si applica anche a tutti gli aspetti di networking, comprese le scienze biologiche e sociali e le tecnologie dell’informazione. I ricercatori hanno sviluppato nuove classi di modelli statistici per le reti. I modelli illustrano l’aspetto potenza-legge delle reti reali, per cui la maggior parte dei compratori acquista solo alcuni elementi. I modelli includono anche i parametri interpretabili, fornendo una migliore comprensione della struttura della rete. I modelli di BNPNET hanno proprietà ben comprese su larga scala. Sono inoltre disponibili algoritmi per l’apprendimento dei parametri del modello. Il risultato principale ha coinvolto la classe associata di modelli che producono grafici “carenti”. Il termine significa che il numero di connessioni di rete è inferiore al numero di possibili connessioni, come in situazioni reali. I test hanno dimostrato che i nuovi modelli erano in grado di apprendere e valutare il livello di carenza in una vasta gamma di contesti di rete reali. I modelli sono stati anche in grado di fare previsioni più accurate per tali grafici. BNPNET ha sviluppato nuovi modelli di rete scalabili, che sono stati sviluppati per rendere più efficaci le applicazioni dei prodotti di raccomandazione di e-commerce.
Parole chiave
Reti, e-commerce, sistemi di raccomandazione, bayesiano, metodi parametrici, BNPNET
