Introducción a Web Mining
Descargar como PPTX, PDF1 recomendación357 vistas
Este documento trata sobre la historia del hipertexto y la web. Explica que el concepto de Memex de Vannevar Bush en 1945 influyó en el desarrollo de sistemas hipertexto y bases de conocimiento personal. Luego describe sistemas pioneros como Xanadu de Ted Nelson y Hypercard de Apple, y detalla los orígenes y crecimiento exponencial de la World Wide Web desde su creación por Tim Berners-Lee en el CERN en 1990. Finalmente, analiza el uso actual de la web, su estructura a gran escala y el impacto del aná
![Historia del hipertexto
Memex [Vannevar Bush, 1945]
extension de memoria (“memory extension”)
dispositivo de almacenamiento y
computación (fotoeléctrico y mecánico)
objetivo: crear y ayudar a seguir
hiperenlaces a través de documentos.
El concepto de Memex influenció el desarrollo de
sistemas de hipertexto (liderando la creación de la
World Wide Web) y bases de software para
conocimiento personal.](https://image.slidesharecdn.com/webmining-introduccin-160725192928/85/Introduccion-a-Web-Mining-2-320.jpg)
![La hipótesis de la web
estructurada
La información de la web es suficientemente
estructurada como para que sea posible la
minería de la Web [Etzioni, 1996].](https://image.slidesharecdn.com/webmining-introduccin-160725192928/85/Introduccion-a-Web-Mining-5-320.jpg)
Introducción a Web Mining
- 2. Historia del hipertexto Memex [Vannevar Bush, 1945] extension de memoria (“memory extension”) dispositivo de almacenamiento y computación (fotoeléctrico y mecánico) objetivo: crear y ayudar a seguir hiperenlaces a través de documentos. El concepto de Memex influenció el desarrollo de sistemas de hipertexto (liderando la creación de la World Wide Web) y bases de software para conocimiento personal.
- 3. Historia del hipertexto Memex
- 4. Historia del hipertexto El término fue acuñado por el profesor Ted Nelson en los 60s. Sistema de hipertexto Xanadu: Hiperenlances, Manejo de versiones, Manejo de controversias, Manejo de anotaciones, Manejo de derecho de auditorias
- 5. La hipótesis de la web estructurada La información de la web es suficientemente estructurada como para que sea posible la minería de la Web [Etzioni, 1996].
- 6. Hipertexto Hipertexto Texto Enlaces (links) Permite al usuario el fácil manejo de información de fuentes diversas Crear Agregar Enlazar Compartir
- 7. Hypercard Creado por Bill Atkinson y disponible en 1987 en los sistemas Macintosh. Sistema programable de tarjetas que podían ser organizadas en pilas. Perdió popularidad con el crecimiento de la WWW.
- 8. Historia de la Web Tim Berners-Lee, consultor del laboratorio CERN es conocido como el inventor de la WWW. Sistemas en red para publicar reportes científicos (1980). GUI para hipertexto llamado World Wide Web (1990).
- 9. Historia de la Web El tráfico HTTP en CERN se multiplica por un factor de mil entre 1991 y 1994.
- 10. Historia de la Web Un millón entre 1991 y 1997.
- 11. Tamaño de la Web 698.823.509 dominios (Jul ‘13)
- 12. La web es un grafo Páginas = nodo, hyperlinks = arcos Ignora contenido Grafo dirigido Alta vinculación 8-10 links/páginas en promedio Grado de distribución según ley de potencia
- 13. Buscando en la Web Agregadores de contenido La Web Consumidores de contenido
- 15. Historia de la Web El año 1994 fue clave para la WWW Fundación de Mosaic Communications Corp. Primera conferencia World Wide Web MIT y CERN acuerdan establecer el World Wide Web Consortium (W3C)
- 16. Historia de la Web Sucesores del browser World Wide Web Erwise (1992) Viola (1992) Midas (1993) Mosaic (1993) Fácil de usar Soporta imágenes
- 17. Historia de la Web Netspace (1994) Soporte de múltiples conexiones TCP-IP Cookies <CENTER> tag Distribución gratuita para ciertos grupos Netscape 2 (1996) Frames Javascript Netscape 3 (1996) Mouseovers Estándar de oro
- 18. Historia de la Web Microsoft Explorer 1 y 2 (1995) Microsoft Explorer 3 (1996) Casi comparable a Netscape CSS: autores y lectores pueden asignar estilos a las páginas Distribución gratuita (con SO)
- 19. Uso actual
- 20. Web: Medio participativo y accesible Número de escritores no tan lejanos al número de lectores La revolución de los MEMEX Richard Dawkins (1976) propuso que las ideas, teorías, expresiones artísticas, etc. se replican y propagan de persona a persona por imitación. La Web fue una meme en sí misma. Ahora facilita la propagación de otras memes.
- 21. Crisis de abundancia y autoridad Cultura liberal e informal para generar y diseminar contenido. Acceso uniforme (no existe autoridad que defina calidad de contenidos). Contenidos no estandarizados y redundancia. Millones de páginas para una consulta general Ejemplo: Java, Google, USA
- 22. Partes de la Web
- 23. Partes de la Web Para conocer que páginas apuntan a otras es necesario recorrer la Web, algo que los buscadores hacen a diario.
- 24. Ley de Zipf Sea P(i) la probabilidad del i- ésimo evento más frecuente: P(i) es proporcional a Se caracteriza por tener muchos eventos muy frecuentes y pocos eventos muy infrecuentes Genera una recta al graficarse en escala log-log George Zipf (1902-1950)
- 25. Ley de Zipf Ejemplos: Tamaño de las páginas (u otro tipo de archivos) Número de enlaces que salen de una página Número de enlaces que llegan a una página Fechas de actualización Número de componentes conexos de distintos tamaños Uso de las palabras en las interrogaciones a los buscadores
- 26. Ley de Zipf
- 27. Web Mining El proceso de descubrir relaciones o patrones interesantes en un conjunto de datos es llamado data mining y en el caso de la web web mining.
- 28. Ejemplos de Web Mining Buscadores: Google, Yahoo, Bing, Ask, … Buscadores especializados: Froogle, Flipdog, … E-Commerce Recomendaciones: Amazon, Netflix, … Up Selling: siguiente mejor producto a ofrecer Publicidad: Google Adsende Fraude: Análisis de clicks Mejora de diseño Web y performance
- 29. Categorias de Web Mining Web Content Mining Minería del contenido de la Web Web Structure Mining Minería de la estructura de la Web Web Usage Mining Minería del uso de la Web
- 30. Web Content Mining Extracción de elementos del texto para: Crear índices. Instanciar estructura de datos (ej. representación por medio de vectores). Incorporación a base de datos. Algoritmos de minería de texto: Aprendizaje automático de texto. Categorización. Clustering. LSA (Análisis de Semántica Latente).
- 31. Web Structure Mining Análisis de la Web como un grafo: Las páginas se representan como nodos. Los hiperenlaces se representan como arcos. Permiten análisis de conectividad: Premisa: buscar prestigio en las páginas además de relevancia. Page Rank (Brin y Page 1998) y HITS (Kleinberg 1999).
- 32. Estructura macroscópica de la Web
- 33. Estructura macroscópica de la Web
- 34. Impacto en el diseño de sitios Web