Metodi Avanzati di Graph Machine Learning per Sistemi Socio-Economici Complessi

Il lavoro riguarderà lo sviluppo di metodi AI per analisi di dati complessi,strutturati,con focus sui grafi.Si investigheranno miglioramenti metodologici alle Graph Neural Network e modelli correlati, basandosi su NetworkScience e proprietà strutturali dei grafi in input,quali ruoli dei nodi e pattern di connettività.Il progetto toccherà anche la generazione di graph data sintetici a partire da reti real-world,per ampliare le possibilità sperimentali,mitigando i vincoli legati a accessibilità,riservatezza e riproducibilità. I principali domini saranno reti economiche e finanziarie e altri sistemi socioeconomici.Il progetto prevederà l'estrazione di dati strutturati da tali domini mediante modelli di reti neurali per la computer vision in grado di analizzare documenti digitalizzati, archivi storici e documenti manoscritti.Tali strumenti saranno poi applicati alle fonti del progetto FIS3 WeInIt per la creazione di un database intergenerazionale della ricchezza in Italia.