GENERAZIONE DI DATI SINTETICI PRIVATI MEDIANTE MODELLI LINGUISTICI DI GRANDI DIMENSIONI E IDENTIFICATORI SEMANTICI

Nel panorama tecnologico attuale, la disponibilità di dataset estesi e dettagliati costituisce il motore fondamentale per lo sviluppo di algoritmi di intelligenza artificiale. Tuttavia, l'utilizzo di dati reali provenienti da percorsi d'acquisto o flussi logistici si scontra frequentemente con le criticità legate alla protezione della privacy e alla scarsità di dati. Questo lavoro di tesi propone e valida una metodologia per la generazione di dati sintetici – intesi come repliche generate artificialmente tramite LLM, in grado di imitare fedelmente le proprietà statistiche dei dati originali – focalizzandosi sul passaggio da identificativi tradizionali e opachi a identificativi semantici gerarchici.