Networks represent an important tool to describe problems and applications in various fields, such as science, technology and economics. Statistics can play a role in a network framework, for example using some clustering techniques to detect clusters of nodes. This work focuses on reviewing the existing algorithms designed specifically for this aim and on suggesting the application of other clustering techniques that require a matrix of distances or dissimilarities between units: a description of how to get such matrix is also provided. A comparison between the aforementioned algorithms is given, by applying them to a benchmark network.

I network (o grafi) sono uno strumento importante per rappresentare problemi e applicazioni in vari campi, come quello scientifico, tecnologico e economico. La statistica pu`o giocare un ruolo importante in questo contesto, per esampio applicando alcune tecniche di clustering per identificare clusters di nodi. Tale lavoro passa in rassegna gli algoritmi appositamente costruiti per raggiungere questo scopo e suggerisce anche l’applicazione di altri algoritmi che prendono in input una matrice di distanze o dissimilarit`a tra le unit`a: viene fornita anche una descrizione su come ottenere questa matrice. Gli algoritmi suddetti vengono confrontati, applicandoli ad un network di riferimento (benchmark).

Graph nodes clustering: a comparison between algorithms / Bombelli, Ilaria. - (2021), pp. 1257-1262. ((Intervento presentato al convegno 50th edition of the Scientific Meeting of the Italian Statistical Society. tenutosi a Pisa; Italy.

Graph nodes clustering: a comparison between algorithms

Ilaria Bombelli
2021

Abstract

I network (o grafi) sono uno strumento importante per rappresentare problemi e applicazioni in vari campi, come quello scientifico, tecnologico e economico. La statistica pu`o giocare un ruolo importante in questo contesto, per esampio applicando alcune tecniche di clustering per identificare clusters di nodi. Tale lavoro passa in rassegna gli algoritmi appositamente costruiti per raggiungere questo scopo e suggerisce anche l’applicazione di altri algoritmi che prendono in input una matrice di distanze o dissimilarit`a tra le unit`a: viene fornita anche una descrizione su come ottenere questa matrice. Gli algoritmi suddetti vengono confrontati, applicandoli ad un network di riferimento (benchmark).
9788891927361
Networks represent an important tool to describe problems and applications in various fields, such as science, technology and economics. Statistics can play a role in a network framework, for example using some clustering techniques to detect clusters of nodes. This work focuses on reviewing the existing algorithms designed specifically for this aim and on suggesting the application of other clustering techniques that require a matrix of distances or dissimilarities between units: a description of how to get such matrix is also provided. A comparison between the aforementioned algorithms is given, by applying them to a benchmark network.
File allegati a questo prodotto
File Dimensione Formato  
Bombelli_Graph-nodes-clustering_indice_2021.pdf

accesso aperto

Tipologia: Versione editoriale (versione pubblicata con il layout dell'editore)
Licenza: Tutti i diritti riservati (All rights reserved)
Dimensione 175.31 kB
Formato Adobe PDF
175.31 kB Adobe PDF Visualizza/Apri PDF
Bombelli_Graph-nodes-clustering_quarta_2021.pdf

accesso aperto

Tipologia: Versione editoriale (versione pubblicata con il layout dell'editore)
Licenza: Tutti i diritti riservati (All rights reserved)
Dimensione 7.15 kB
Formato Adobe PDF
7.15 kB Adobe PDF Visualizza/Apri PDF
Bombelli_Graph-nodes-clustering_frontespizio_2021.pdf

accesso aperto

Tipologia: Versione editoriale (versione pubblicata con il layout dell'editore)
Licenza: Tutti i diritti riservati (All rights reserved)
Dimensione 115.56 kB
Formato Adobe PDF
115.56 kB Adobe PDF Visualizza/Apri PDF
Bombelli_Graph-nodes-clustering_2021.pdf

accesso aperto

Tipologia: Documento in Post-print (versione successiva alla peer review e accettata per la pubblicazione)
Licenza: Tutti i diritti riservati (All rights reserved)
Dimensione 274.62 kB
Formato Adobe PDF
274.62 kB Adobe PDF Visualizza/Apri PDF

I documenti in IRIS sono protetti da copyright e tutti i diritti sono riservati, salvo diversa indicazione.

Utilizza questo identificativo per citare o creare un link a questo documento: https://hdl.handle.net/11573/1577171
Citazioni
  • ???jsp.display-item.citation.pmc??? ND
  • Scopus ND
  • ???jsp.display-item.citation.isi??? ND
social impact