Studio della generazione di dataset sintetici per classificazione di grafi

Benchmarking graph neural networks for graph classification currently relies on a restricted set of public datasets, limiting a full understanding of how architectures generalize to real-world scenarios. This thesis proposes an interpretable framework to generate novel datasets with controllable characteristics. The methodology segments the generation process into graph generators, feature assigners, and embedding strategies. Using an incremental approach to isolate topological factors, the study reveals that constraining both local neighborhoods and global distances effectively achieves a realistic topological structure. This structural realism is directly complemented by assigning node features based on neighborhood connectivity, which proved to produce realistic learning dynamics. Overall, the proposed framework provides both a topological mapping of graph datasets and a way to sample new coherent graph spaces, showing that classical statistics can support the analysis and exploration of complex graph learning models.

L'attività di benchmarking delle graph neural networks per la classificazione dei grafi si affida attualmente a un insieme limitato di dataset pubblici, il che riduce la piena comprensione di come queste architetture si generalizzino a scenari del mondo reale. Questa tesi propone un framework interpretabile per generare nuovi dataset dotati di caratteristiche controllabili. La metodologia suddivide il processo di generazione in generatori di grafi, assegnatori di feature e strategie di embedding. Utilizzando un approccio incrementale per isolare i fattori topologici, lo studio rivela che fissare simultaneamente i vicinati dei nodi e le distanze globali consente di ottenere una struttura topologica realistica. Questo realismo strutturale è integrato dall'assegnazione di feature ai nodi basata sulla connettività del vicinato, una strategia che ha dimostrato di produrre dinamiche di apprendimento realistiche. Nel complesso, il framework proposto fornisce sia una mappatura topologica di dataset di grafi, sia un metodo per campionare nuovi spazi di grafi, dimostrando come la statistica classica possa supportare l'analisi e l'esplorazione di modelli complessi di graph learning.