Mineria de datos y su aplicación en web mining data Redes de computadores I ELO 322

Tamaño: px

Comenzar la demostración a partir de la página:

Download "Mineria de datos y su aplicación en web mining data Redes de computadores I ELO 322"

1 Mineria de datos y su aplicación en web mining data Redes de computadores I ELO 322 Nicole García Gómez Diego Riquelme Adriasola

2 RESUMEN.- La minería de datos corresponde a la extracción de información no trivial de una base de datos, inicialmente desconocida, pero potencialmente útil, mediante herramientas estadísticas. Una de sus aplicaciones la Web Mining, donde se estudian distintos comportamientos y factores dentro de una página web. Un correcto uso de esta información, permite entre otras cosas, comprender el hábito de los usuarios, como también mejorar el diseño de la página.

desconocida, pero potencialmente útil, mediante herramientas estadísticas.

3 INTRODUCCIÓN.- La minería de datos corresponde a la extracción de información en una base de datos, con el objetivo de encontrar patrones, tendencias o ciertos comportamientos que eran desconocidos en un principio, pero que son potencialmente útiles. Para ello, se cuenta con distintos algoritmos de búsqueda y procesamientos, ya que la extracción de la información no trivial de estos datos depende de muchos factores y variables. Las aplicaciones de la minería de datos son bastante amplias, ya que se puede ver su uso en distintas áreas, tales como Inteligencia Artificial, negocios, terrorismo, informática, y comportamiento en internet. Este último caso de estudio, también llamado Web Mining (minería de datos web), en el cual se estudia la actividad de una página web, como por ejemplo, su tráfico, contenidos más accedidos, tipos de usuario y su procedencia, navegadores, sistemas operativos, etc.

principio, pero que son potencialmente útiles.

4 MINERÍA DE DATOS.- La minería de datos consiste en la extracción de información desconocida de una base de datos, para luego ser estudiada y analizada. Estas extracciones son inicialmente definidas por funciones estadísticas, las cuales definen las variables a buscar (objetivos), como también variables dependientes (que ayudan para realizar el cálculo). La recolección de dichos datos, se realiza a través de los siguientes pasos: Selección y pre-procesado de datos: inicialmente, los datos de la fuente o base de datos están en bruto, por lo que mediante el pre-procesado se filtran los datos (de forma que se eliminan valores incorrectos, no válidos, etc), y se puede obtener muestras de los mismos (volver a filtrar), o reducir el número de valores posibles (por ejemplo, redondeando). Selección de variables: aún después de haber sido pre-procesados, en la mayoría de los casos se tiene una gran cantidad de datos. Para ello, se escogen las variables más influyentes en el problema. Los métodos para la selección de características son básicamente dos: 1. Los basados en la elección de los mejores atributos del problema 2. Los que buscan variables independientes mediante tests de sensibilidad, algoritmos de dista ncia o heurísticos, Extracción de conocimiento: mediante una técnica de minería de datos, se obtiene un modelo de conocimiento, que representa patrones de comportamiento observados en los valores de las variables del problema o relaciones de asociación entre dichas variables. Interpretación y evaluación: una vez obtenido el modelo, se debe proceder a su validación comprobando que las conclusiones que arroja son válidas y suficientemente satisfactorias. En el caso de haber obtenido varios modelos mediante el uso de distintas

5 técnicas, se deben comparar los modelos en busca de aquel que se ajuste mejor al problema. WEB MINING.- Una aplicación de la minería de datos, es la Web Mining, la cual recupera información de las páginas webs, tanto como su contenido, estructura de enlaces y registro de navegación de los usuarios. Por tanto, existen tres divisiones de la Web Mining: minería de estructura, minería de contenido y minería de utilización. MINERÍA DE ESTRUCTURA.- Esta parte pretende revelar la estructura real de un sitio web, a través de la recolección de datos referentes a su estructura y, principalmente a su conectividad. Típicamente tiene en cuenta dos tipos de enlaces: estáticos y dinámicos. MINERÍA DE CONTENIDO.- Su objetivo es la recogida de datos e identificación de patrones relativos a los contenidos de la web y a las búsquedas que se realizan sobre los mismos. Hay dos estrategias principales: 1. Minería de páginas web, que extraen patrones directamente de los contenidos existentes en las páginas. Los datos que se utilizan en este caso son: texto libre, páginas escritas en HTML o XML, elementos multimedia y cualquier otro tipo de contenido. 2. Minería de resultados de búsqueda, que intenta identificar patrones en los resultados de los motores de búsqueda. MINERIA DE UTILIZACIÓN.- Su objetivo es la búsqueda de patrones de comportamientos en base a los registros de los servidores (logs). Existen dos tipos de patrones:

Por tanto, existen tres divisiones de la Web Mining: minería de estructura, minería de contenido y minería de utilización. MINERÍA DE ESTRUCTURA.

6 Patrones generales: se reestructura la el sitio web con el fin de mejorar el acceso a los usuarios. Patrones personalizados: se estudian los perfiles de cada usuario, con el objetivo de entregarle un servicio individualizado. TÉCNICAS EMPLEADAS EN LA MINERÍA DE USO WEB.- Entre las técnicas utilizadas para la minería en el uso de la Web se encuentran: Agrupamiento y clasificación: las técnicas de agrupamiento se basan en la separación de ciertos comportamientos similares en grupos homogéneos, existiendo así grupos con características diferentes entre sí. Dado que la información depende de los log, es posible detectar algunos los siguientes grupos de usuarios: 1. Aquellos que visitan gran cantidad de páginas con un intervalo de tiempo similar en todas ellas. 2. Los que visitan un número pequeño de páginas en intervalos cortos. 3. Aquellos que visitan un número pequeño-mediano de páginas con tiempo variable en cada una de ellas. Las técnicas de clasificación en la minera Web permite desarrollar un perfil cliente/servidor en función de los patrones de acceso al servidor. El agrupamiento de estos perfiles entrega facilidades en el desarrollo de estrategias para futuros mercados. Reglas de asociación: estas permiten determinar patrones en los datos mientras ocurren transacciones de más datos. Así, se encontraran ciertos patrones y relaciones que permitirán clasificar más fácilmente sin la necesidad de un operador. Las reglas de asociación se dividen en dos fases: 1. Extracción de los conjuntos de elementos que cumplen con la información requerida a partir de los datos. 2. Generación de las reglas a partir de estos documentos.

- Entre las técnicas utilizadas para la minería en el uso de la Web se encuentran: Agrupamiento y clasificación: las técnicas de agrupamiento se basan en la separación de ciertos comportamientos

7 Secuencias frecuentes: esta técnica utiliza los datos de transacciones realizados en un período de tiempo. De esta forma, se pueden predecir futuras visitas y ordenar de mejor forma, los accesos y publicidades de determinados productos. HERRAMIENTAS PARA EL ANÁLISIS DE LOG Las herramientas utilizadas para el análisis de log, pueden dividirse en dos: Herramientas incorporadas al servidor: son los programas que procesan, en tiempo real, los datos almacenados en un servidor. Mediante una interfase en línea, se puede acceder a la estadística como también a gráficas. Herramientas incorporadas en máquinas personales: son softwares instalados en computadores personales, que permiten la descarga de log para su procesamiento. Su ventaja está en que no es necesario procesarlo en tiempo real ni con conexión a Internet, pero su desventaja está en que es necesario tener acceso a los registros.

HERRAMIENTAS PARA EL ANÁLISIS DE LOG Las herramientas utilizadas para el análisis de log, pueden dividirse en dos: Herramientas incorporadas al servidor: son los programas que procesan, en tiempo

8 CONCLUSIÓN.- La minería de datos entrega información útil, oculta en una base de datos. Estos procesos de extracción tienen una amplia gama de aplicaciones, siendo una de ellas la Web Mining. La Web Mining representa una útil herramienta para el estudio de páginas web. Con diversas técnicas y procedimientos, la cantidad de información es inmensa, pudiendo generarse una avalancha de datos. Es por ello que es importante establecer bien los parámetros de búsqueda, evitando así datos innecesarios. Por otro lado, ha de existir una ética sobre el uso de la información recolectada. Pueden existir problemas cuando una empresa busca datos con cierto fin y luego los utiliza para otro totalmente distinto. La venta de datos también es un tema de suma importancia, ya que este mercado ha crecido bastante en el último tiempo. La empresa que compre la información, han de hacerse responsables de mantener el anonimato de las personas, como también de posibles fugas. Otro aspecto importante del anonimato de los datos recolectados, es la posible creación de perfiles y asociación a grupos, por motivos raciales, sexuales o religiosos, ya que podrían llegar a generar polémica, al fomentar la discriminación. Sin embargo, la minería de datos y la Web Minig presentan muchísimas ventajas, ya que con la información recolectada, tanto el mercado como el gobierno pueden generar diversas situaciones benéficas para la sociedad. En el caso del mercado, existe mayor posibilidad de individualizar las necesidades de cada usuario. Esto permite que las empresas les entreguen un mejor servicio, como también predecir cuando un abonado decida retirarse y poder ofrecerle una nueva oferta, generando así competencia de mercado. Estas características en general, aumentarían el volumen de mercado. En cuanto al gobierno, podría predecir amenazas y ataques delictuales, lo que obviamente entregaría mayor seguridad a la ciudadanía.

Es por ello que es importante establecer bien los parámetros de búsqueda, evitando así datos innecesarios. Por otro lado, ha de existir una ética sobre el uso de la información recolectada.

9 BIBLIOGRAFÍA

infovis.net/printmag.php?num=172&lang=1 http://www.lsi.us.

Documentos relacionados

SAQQARA. Correlación avanzada y seguridad colaborativa_

SAQQARA. Correlación avanzada y seguridad colaborativa_ SAQQARA Correlación avanzada y seguridad colaborativa_ Tiene su seguridad 100% garantizada con su SIEM?_ Los SIEMs nos ayudan, pero su dependencia de los eventos y tecnologías, su reducida ﬂexibilidad