Models and Algorithms for Graph centrality grounded on Nonlinear Eigenvalues Techniques

Informations projet

MAGNET

N° de convention de subvention: 744014

DOI

10.3030/744014

Projet clôturé

Date de signature de la CE 20 Mars 2017

Date de début 1 Juillet 2017

Date de fin 30 Juin 2019

Financé au titre de

• EXCELLENT SCIENCE - Marie Skłodowska-Curie Actions

Coût total

€ 183 454,80

Contribution de l’UE

€ 183 454,80

Coordonné par

UNIVERSITY OF STRATHCLYDE
United Kingdom

CORDIS fournit des liens vers les livrables publics et les publications des projets HORIZON.

Les liens vers les livrables et les publications des projets du 7e PC, ainsi que les liens vers certains types de résultats spécifiques tels que les jeux de données et les logiciels, sont récupérés dynamiquement sur OpenAIRE .

Publications

Book chapters (3)

Multi-Dimensional, Multilayer, Nonlinear and Dynamic HITS

Auteurs: Francesca Arrigo, Francesco Tudisco
Publié dans: Proceedings of the 2019 SIAM International Conference on Data Mining, 2019, Page(s) 369-377, ISBN 978-1-61197-567-3
Éditeur: Society for Industrial and Applied Mathematics
DOI: 10.1137/1.9781611975673.42

The Power Mean Laplacian for Multilayer Graph Clustering

Auteurs: Mercado, Pedro; Gautier, Antoine; Tudisco, Francesco; Hein, Matthias
Publié dans: Proceedings of the Twenty-First International Conference on Artificial Intelligence and Statistics; Proceedings of Machine Learning Research, 2018, Page(s) PMLR 84:1828-1838
Éditeur: PMLR

Spectral Clustering of Signed Graphs via Matrix Power Means

Auteurs: Pedro Mercado, Francesco Tudisco, Matthias Hein
Publié dans: Proceedings of the 36th International Conference on Machine Learning; Proceedings of Machine Learning Research, 2019
Éditeur: PMLR

Other (4)

The Perron-Frobenius theorem for multi-homogeneous mappings

Auteurs: Gautier, Antoine; Tudisco, Francesco; Hein, Matthias
Publié dans: SIAM Journal on Matrix Analysis and Applications, 2019
Éditeur: Society for Industrial and Applied Mathematics

A unifying Perron-Frobenius theorem for nonnegative tensors via multi-homogeneous maps

Auteurs: Gautier, Antoine; Tudisco, Francesco; Hein, Matthias
Publié dans: SIAM Journal on Matrix Analysis and Applications, 2019
Éditeur: Society for Industrial and Applied Mathematics

The contractivity of cone-preserving multilinear mappings

Auteurs: Gautier, Antoine; Tudisco, Francesco
Publié dans: Nonlinearity, 2019
Éditeur: IOP Publishing Ltd & London Mathematical Society

A fast and robust kernel optimization method for core--periphery detection in directed and weighted graphs

Auteurs: Francesco Tudisco, Desmond J. Higham
Publié dans: Applied Network Science, 2019
Éditeur: Springer Open

Peer reviewed articles (5)

Community Detection in Networks via Nonlinear Modularity Eigenvectors

Auteurs: Francesco Tudisco, Pedro Mercado, Matthias Hein
Publié dans: SIAM Journal on Applied Mathematics, Numéro 78/5, 2018, Page(s) 2393-2419, ISSN 0036-1399
Éditeur: Society for Industrial and Applied Mathematics
DOI: 10.1137/17m1144143

The expected adjacency and modularity matrices in the degree corrected stochastic block model

Auteurs: Dario Fasino, Francesco Tudisco
Publié dans: Special Matrices, Numéro 6/1, 2018, Page(s) 110-121, ISSN 2300-7451
Éditeur: De Gruyter
DOI: 10.1515/spma-2018-0010

On the Stability of Network Indices Defined by Means of Matrix Functions

Auteurs: Stefano Pozza, Francesco Tudisco
Publié dans: SIAM Journal on Matrix Analysis and Applications, Numéro 39/4, 2018, Page(s) 1521-1546, ISSN 0895-4798
Éditeur: Society for Industrial and Applied Mathematics
DOI: 10.1137/17m1133920

Node and Layer Eigenvector Centralities for Multiplex Networks

Auteurs: Francesco Tudisco, Francesca Arrigo, Antoine Gautier
Publié dans: SIAM Journal on Applied Mathematics, Numéro 78/2, 2018, Page(s) 853-876, ISSN 0036-1399
Éditeur: Society for Industrial and Applied Mathematics
DOI: 10.1137/17m1137668

A Nonlinear Spectral Method for Core--Periphery Detection in Networks

Auteurs: Francesco Tudisco, Desmond J. Higham
Publié dans: SIAM Journal on Mathematics of Data Science, Numéro 1/2, 2019, Page(s) 269-292, ISSN 2577-0187
Éditeur: Society for Industrial and Applied Mathematics
DOI: 10.1137/18m1183558