Use este identificador para citar ou linkar para este item: http://hdl.handle.net/1843/RVMR-7P8NTM
Tipo: Tese de Doutorado
Título: Um modelo para prototipagem rápida de aplicações de mineração na web
Autor(es): Alvaro Rodrigues Pereira Junior
Primeiro Orientador: Ricardo Baeza-yates
Primeiro Coorientador: Nivio Ziviani
Primeiro membro da banca : Carlos Alberto Heuser
Segundo membro da banca: Mariano P Consens
Terceiro membro da banca: Alberto Henrique Frade Laender
Quarto membro da banca: Clodoveu Augusto Davis Junior
Resumo: Mineração Web pode ser vista como o processo de encontrarpadrões na Web por meio de técnicas de mineração de dados.Mineração Web é uma tarefa computacionalmente intensiva, e amaioria dos softwares de mineração são desenvolvidosisoladamente, o que torna escalabilidade e reusabilidadedifícil para outras tarefas de mineração. Mineração Web é umprocesso iterativo onde prototipagem tem um papel essencialpara experimentar com diferentes alternativas, bem como paraincorporar o conhecimento adquirido em iterações anteriores doprocesso. O objetivo desta tese é o desenvolvimento de ummodelo para prototipagem rápida em mineração Web, chamado WIM -Web Information Mining. A principal motivação para desenvolvero WIM é o fato de que seu modelo conceitual provê os seususuários com um nível de abstração apropriado para prototipageme experimentação durante a tarefa de mineração.WIM é composto de um modelo de dados e de uma álgebra. O modelode dados WIM é uma visão relacional dos dados Web. Os trêstipos de dados existentes na Web, chamados de conteúdo, deestrutura e dados de uso, são representados por relações. Osprincipais componentes de entrada do modelo de dados WIM são aspáginas Web, a estrutura de hiperlinks que interliga as páginasWeb, e os históricos (logs) de consultas obtidos de máquinas debusca da Web. A programação WIM é baseada em fluxos de dados(dataflows), onde sequências de operações são aplicadas àsrelações. As operações são definidas pela álgebra WIM, quecontém operadores para manipulação de dados e para mineração dedados. WIM está implementado contendo uma linguagem deprogramação declarativa provida por sua álgebra. A arquiteturado software WIM é apresentada, juntamente com suas questões deimplementação, e projetos de arquiteturas alternativas sãodiscutidos, sobre o qual uma versão futura do software WIM paraescala industrial poderia ser implementada.WIM é aplicado a um conjunto de cinco casos de uso reais emmineração Web, como uma maneira de demonstrar os recursos doWIM. O principal caso de uso, chamado Árvores Genealógicas naWeb, é um estudo de como o conteúdo da Web evolui com o tempo.Esse caso de uso foi escolhido para realização de uma análisecompleta dos resultados, os quais apresentam evidências de queparte dos usuários editores de conteúdo na Web realizamconsultas em máquinas de busca para encontrar conteúdo e entãorepublicar o que foi encontrado como resultado de consulta. Aconclusão é que máquinas de busca influenciam o conteúdo daWeb. A experimentação do WIM nos cinco casos de uso mostrou queo seu uso facilita significantemente a prototipagem rápida emmineração Web. O uso experimental da linguagem de programaçãoWIM mostrou que ela reduz o tamanho do código escrito para umaaplicação em ordens de magnitude, quando comparada comimplementações isoladas.
Abstract: Web mining can be seen as the process of discovering patterns from the Web by means of data mining techniques. Web mining is a computation-intensive task and most mining software is developed ad-hoc, which makes scalability and reusability difficult for other mining tasks. Web mining is an iterative process and prototyping plays an essential role in experimenting with different alternatives, as well as in incorporating knowledge acquired in previous iterations of the process. The objective of this thesis is the development of a model for fast Web mining prototyping, referred to as WIM -- Web Information Mining. The main motivation for developing the WIM model is the fact that its underlying conceptual model provides its users with a level of abstraction appropriate for prototyping and experimentation during the Web mining task. WIM is composed of a data model and an algebra. The WIM data model is a relational view of Web data. The three types of existing Web data, namely Web content, Web structure and Web usage, are represented by relations. The main input components for the WIM data model are the Web pages, the hyperlink structure linking Web pages and the query logs obtained from Web search engines. WIM is implemented with a declarative programming language provided by its algebra. The WIM programming language is based on dataflows, where sequences of operations are applied to relations. The operations are defined by the WIM algebra, which contains operators for data manipulation and for data mining. We present the WIM softwarearchitecture, its implementation issues, and discuss alternative architecture designs on which a forthcomingindustrial-scale WIM software version could be implemented.We have applied WIM to a set of five real Web mining use cases, as a means to demonstrate the WIM features. The main use case,called Genealogical Trees on the Web, is a study of how Web content evolves in time. We have elected this use case to perform a complete analysis of its results, which present evidence that some Web publishers actually performed queries using search engines in order to find content and then republish what was found as answer to the query. The conclusion is that search engines bias the content of the Web. Theexperimentation of WIM in five real use cases has been shown to significantly facilitate fast Web mining prototyping.Experimental use of the WIM programming language has shown thatit reduces the code size written for an application by orders of magnitude when compared with ad-hoc implementations.
Assunto: World Wide Web (Sistema de recuperação da informação)
Computação
Mineração de dados (Computação)
Banco de dados da Web
Idioma: Português
Editor: Universidade Federal de Minas Gerais
Sigla da Instituição: UFMG
Tipo de Acesso: Acesso Aberto
URI: http://hdl.handle.net/1843/RVMR-7P8NTM
Data do documento: 31-Out-2008
Aparece nas coleções:Teses de Doutorado

Arquivos associados a este item:
Arquivo Descrição TamanhoFormato 
alvarorodriguespereirajunior.pdf4.52 MBAdobe PDFVisualizar/Abrir


Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.