Analisi della geometria dello spazio latente di modelli di Graph Machine Learning

Marco Santambrogio (marco DOT santambrogio AT polimi DOT it)

Graph machine learning, Grafi, Pytorch geometric

I modelli di Graph Machine Learning elaborano le informazioni proiettandole in spazi latenti ad alta dimensionalità, la cui interpretazione rappresenta una sfida complessa. Questo progetto si propone di confrontare la geometria delle informazioni contenute negli embedding generati da diversi modelli, sia supervisionati che non supervisionati, applicati a grafi biologici. In particolare, si analizza l’allineamento tra le rappresentazioni ottenute utilizzando metriche come il Centered Kernel Alignment e il mutual k-nearest neighbors, valutando inoltre l’impatto delle scelte degli iperparametri sulla qualità degli embedding.