Key points are not available for this paper at this time.
L'accès à des ensembles de données de graphes réalistes et complexes est essentiel pour la recherche sur les systèmes et applications de réseaux sociaux. Les simulations sur les données de graphes offrent une évaluation critique des nouveaux systèmes et applications, allant de la détection de communautés au filtrage de spam et à la recherche sur le web social. En raison des coûts élevés en temps et en ressources pour rassembler de véritables ensembles de données de graphes par des mesures directes, les chercheurs anonymisent et partagent un petit nombre d'ensembles de données précieux avec la communauté. Cependant, la réalisation d'expériences utilisant des ensembles de données réelles partagés présente trois inconvénients majeurs : des préoccupations selon lesquelles les graphes peuvent être désanonymisés pour révéler des informations privées, l'augmentation des coûts de distribution des grands ensembles de données, et le fait qu'un petit nombre de graphes sociaux disponibles limite la confiance statistique dans les résultats.
Sala et al. (Mon,) ont étudié cette question.