“Υβριδικές Μέθοδοι για Εξαγωγή Συμπερασμάτων Αβέβαιης Γνώσης  – Αυτόματη Παραγωγή Κανόνων με Αβεβαιότητα από Δεδομένα”, Γκόλφω Σμανή, Υποψήφια Διδάκτορας, ΤΜΗΥΠ – Τμήμα Μηχανικών Η/Υ και Πληροφορικής

Την ερχόμενη Παρασκευή 4 Ιουλίου ομιλήτρια στα πλαίσια των εκδηλώσεων “Σεμινάριο CEID & Social Hour” και των ΔΠΜΣ ΥΔΑ και ΣΜΗΝ θα είναι η Υποψήφια Διδάκτορας του Τμήματος  κ. Γκόλφω Σμανή. Η παρουσίαση αποτελεί μέρος των υποχρεώσεων των ΥΔ του Τμήματος.

Please note the following interesting and highly topical talk that will be presented on Friday 4/7 in the context of the weekly event “CEID Seminar & Social Hour” organized by CEID, and the MS programs DDCDM and SMIN.

Τίτλος:  Υβριδικές Μέθοδοι για Εξαγωγή Συμπερασμάτων Αβέβαιης Γνώσης  – Αυτόματη Παραγωγή Κανόνων με Αβεβαιότητα από Δεδομένα (Title: Influence Maximization in Dynamic Social Networks and Graphs, Fully and Partially Observable)

Ομιλήτρια: Γκόλφω Σμανή, Υποψήφια Διδάκτορας, ΤΜΗΥΠ (Speaker: Ms. Golfo Smani, PhD candidate, CEID).

Ημερομηνία-χώρος: Παρασκευή 4 Ιουλίου,  3-5μμ, ΤΜΗΥΠ, αίθουσα Ε2 (Time & Place: room E2, Friday 4/7, 3-5 pm)

Περίληψη: Η μεγιστοποίηση επιρροής σε δυναμικά κοινωνικά δίκτυα αποτελεί ένα κρίσιμο πρόβλημα στη μελέτη των κοινωνικών γραφημάτων, με εφαρμογές στο μάρκετινγκ, τη διάδοση πληροφοριών και τη δημόσια πολιτική. Στην διατριβή στην οποία βασίζεται η παρουσίαση, αναλύεται η μεγιστοποίηση επιρροής σε δυναμικά κοινωνικά δίκτυα, λαμβάνοντας υπόψη τόσο πλήρως όσο και μερικώς παρατηρούμενα περιβάλλοντα. Αρχικά, παρουσιάζονται οι υπάρχουσες προσεγγίσεις, όπως οι Monte-Carlo simulation-based και heuristic-based μέθοδοι, καθώς και τεχνικές βασισμένες σε community detection για τη βελτίωση της απόδοσης των αλγορίθμων επιλογής seed κόμβων. Μέσω της μελέτης, προτείνονται νέες μεθοδολογίες που συνδυάζουν τη γνώση από στατικά και δυναμικά δίκτυα, αξιοποιώντας την πληροφόρηση από κοινότητες μέσα στο γράφημα. Επιπλέον, διερευνώνται προσεγγίσεις που βασίζονται σε μερικώς παρατηρούμενα περιβάλλοντα, όπου δεν είναι διαθέσιμη η πλήρης τοπολογία του δικτύου. Αναλύονται τα πλεονεκτήματα και οι περιορισμοί των προτεινόμενων αλγορίθμων, ενώ η απόδοσή τους συγκρίνεται με υφιστάμενες μεθόδους χρησιμοποιώντας προσομοιώσεις και πραγματικά δεδομένα κοινωνικών δικτύων. Τα πειραματικά αποτελέσματα αποδεικνύουν ότι η αξιοποίηση της δομής των κοινοτήτων και η στοχευμένη ανίχνευση της δυναμικής του δικτύου μπορούν να οδηγήσουν σε σημαντικά βελτιωμένη επιρροή με μικρότερο υπολογιστικό κόστος.

Σχετικά με την ομιλήτρια: Η Γκόλφω Σμάνη είναι πτυχιούχος του Τμήματος Μαθηματικών του Πανεπιστημίου Πατρών και κάτοχος του Δ.Μ.Π.Σ. «Μαθηματικά των Υπολογιστών και των Αποφάσεων», ένα διατμηματικό πρόγραμμα των Τμημάτων Μαθηματικών και Μηχανικών Η/Υ & Πληροφορικής του Πανεπιστημίου Πατρών. Εκπονεί τη διδακτορική της διατριβή με τίτλο «Μεγιστοποίηση Επιρροής σε Δυναμικά Κοινωνικά Δίκτυα και Γράφους, πλήρως και μερικώς παρατηρούμενα» υπό την επίβλεψη του Καθηγητή Βασιλείου Μεγαλοοικονόμου, ως ενεργό μέλος της ερευνητικής ομάδας MDAKM. Τα ερευνητικά της ενδιαφέροντα περιλαμβάνουν graph mining & analysis, data mining, data analysis, optimization και υπολογιστικά μαθηματικά. Εργασία της έχει διακριθεί με το Outstanding Achievement in Social Network Analysis Award σε συνέδριο του WASET, για τη συνεισφορά της στη μεγιστοποίηση επιρροής σε δυναμικά δίκτυα.