@phdthesis{01JD2CTSWYWVFR3541W4NB3CFD,
  abstract     = {{Het doel van mijn promotieonderzoek is om kennis te halen uit gegevens die zijn weergegeven als grafieken (netwerken) en nauwkeurige voorspellingen te doen. Dit soort onderzoek heeft toepassingen in bijvoorbeeld sociale netwerkanalyse, biologische netwerken en aanbevelingssystemen. Traditionele methoden gebruiken vaak statische grafieken, maar hiermee missen we belangrijke informatie, zoals de gewichten van verbindingen (edges) of tijdstempels van interacties. In dit onderzoek stel ik methoden voor om complexe interactiepatronen op het niveau van de verbindingen in modellen te verwerken. Het onderzoek richt zich op het voorspellen van nieuwe verbindingen (Link Prediction), het kwantificeren van onzekerheid, en simulatie.

Een toepassing hiervan is het gebruik van gewogen grafiekmodellen voor het voorspellen van het volgende nummer in muziekspeellijsten. Daarnaast heb ik technieken ontwikkeld, geïnspireerd door Survival Analysis en Point Processes, om rekening te houden met de tijdsgebonden evolutie van netwerken. Tot slot heb ik de impact van Negative Sampling onderzocht en bekeken hoe dit de evaluatie van statistische modellen voor complexe netwerken beïnvloedt.}},
  author       = {{Romero, Raphaël}},
  isbn         = {{9789463559089}},
  language     = {{eng}},
  pages        = {{XXVI, 124}},
  publisher    = {{Ghent University. Faculty of Engineering and Architecture}},
  school       = {{Ghent University}},
  title        = {{Modeling weighted and temporal graphs : methods and evaluation}},
  year         = {{2024}},
}