Um modelo para prototipagem rápida de aplicações de mineração na web

• Autor(a) principal: Alvaro Rodrigues Pereira Junior
• Data de Publicação: 2008
• Tipo de documento: Tese
• Idioma: por
• Título da fonte: Repositório Institucional da UFMG
• Texto Completo: http://hdl.handle.net/1843/RVMR-7P8NTM
• topic: web; mineração de dados; World Wide Web (Sistema de recuperação da informação); Computação; Mineração de dados (Computação); Banco de dados da Web

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.