Fællesskabsdetektion, et kraftfuldt værktøj til at afdække skjulte strukturer i netværk, mangler en universelt accepteret definition. Atefeh Moradans forskning adresserer centrale udfordringer i fællesskabsdetektion, især inden for komplekse netværk, og udforsker dens praktiske anvendelser i vidensgrafer. Ved at integrere grafteori og maskinlæring har hun udviklet en samlet model, der er i stand til at identificere forskellige typer af fællesskaber i komplekse netværk. Atefeh udvider sit arbejde til praktiske anvendelser som entitetssummering i vidensgrafer. Hendes forskning styrker den teoretiske forståelse, samtidig med at den tilbyder praktiske løsninger til grafbaseret dataanalyse, hvilket demonstrerer den brede anvendelighed af fællesskabsdetektionsteknikker på tværs af forskellige domæner.

Ph.d.-studiet er gennemført ved Institut for Datalogi, Faculty of Natural Sciences, Aarhus Universitet.

Dette resumé er udarbejdet af den ph.d.-studerende.

Tid: Fredag den 8 November 2024 kl. 13:00
Sted: Bygning 5342, lokale 333, Institut for Datalogi, Aarhus Universitet, Åbogade 34, 8200 Aarhus N, Denmark.
Afhandlingens titel: Om udtrykskraften af fællesskabsdetektion i komplekse netværk.
Kontaktinfo: Atefeh Moradan, e-mail: atefeh.moradan@cs.au.dk, tlf.: +4550242727.
Bedømmelsesudvalg:
Lektor Michael Mathioudakis, Institut for Datalogi, Helsingfors Universitet, Finland
Lektor Gianmaria Silvello, Institut for Informationsingeniørvidenskab, Universitetet i Padova, Italien
Lektor Chris Schwiegelshohn, (formand) Institut for Datalogi, Aarhus Universitet, Danmark
Hovedvejleder:
Professor Ira Assent, Institut for Datalogi, Aarhus Universitet, Danmark
Medvejleder:
Lektor Davide Mottin, Institut for Datalogi, Aarhus Universitet, Danmark
Sprog: Ph.d.-afhandlingen forsvares på engelsk

Forsvaret er offentligt.
Afhandlingen ligger til gennemsyn hos Graduate School of Natural Sciences (GSNS), Ny Munkegade 120, bygning 1521, 8000 Aarhus C