Questa tesi affronta il problema della Node Classification, ovvero la predizione della classe di appartenenza per i nodi non etichettati all'interno di un grafo, sfruttando sia le feature locali che le relazioni topologiche. L'elaborato ripercorre l'evoluzione delle metodologie, dai primi approcci di esplorazione del grafo fino al paradigma del message passing alla base delle Graph Neural Networks (GNN). A questa analisi teorica si affianca infine una valutazione sperimentale su molteplici dataset, volta a confrontare le prestazioni di tali architetture.

Node Classification: Formulazione, Metodologie, e Applicazioni.

PANIZZOLO, LORENZO
2025/2026

Abstract

Questa tesi affronta il problema della Node Classification, ovvero la predizione della classe di appartenenza per i nodi non etichettati all'interno di un grafo, sfruttando sia le feature locali che le relazioni topologiche. L'elaborato ripercorre l'evoluzione delle metodologie, dai primi approcci di esplorazione del grafo fino al paradigma del message passing alla base delle Graph Neural Networks (GNN). A questa analisi teorica si affianca infine una valutazione sperimentale su molteplici dataset, volta a confrontare le prestazioni di tali architetture.
2025
Node Classification: Formulation, Methodologies, and Applications.
Node Classification
Graph Neural Network
Deep Learning
File in questo prodotto:
File Dimensione Formato  
Panizzolo_Lorenzo.pdf

accesso aperto

Dimensione 1.35 MB
Formato Adobe PDF
1.35 MB Adobe PDF Visualizza/Apri

The text of this website © Università degli studi di Padova. Full Text are published under a non-exclusive license. Metadata are under a CC0 License

Utilizza questo identificativo per citare o creare un link a questo documento: https://hdl.handle.net/20.500.12608/114279