Minería Web utilizando lógica difusa

Abstract

La informacióon hoy en día es materia prima muy valiosa, tanto para empresas u organizaciones como para las personas, es por eso que en una sociedad como la actual, se destina gran cantidad de recursos para la conservación y procesamiento de las mismas. Ya con el internet la búusqueda de información útil se ha convertido en uno de los mayores problemas que hay, por que aunque parezca que tuviéramos un problema de sobre información es todo lo contrario, que padezcamos una crónica falta de información, debido a que tenemos toneladas de datos pero no tenemos los elementos para producir conocimiento de estos datos. La presente tesis intenta resolver el problema de la falta de información con respecto a las preferencias de los usuarios que visitan un sitio web. El objetivo principal es el desarrollo de un prototipo capaz de obtener conocimiento agrupando a los usuarios de un sitio web según las páginas que haya visitado utilizando como fuente los datos que guardan los servidores web. El prototipo es desarrollado bajo la metodología de la programación extrema, bajo estándares para minería de datos y la norma ISO 9126 para la funcionalidad en general. Los datos necesarios para su análisis son archivos Access log, que es donde los servidores de páginas web registran las peticiones realizadas al servidor, pero antes estos datos son procesados para eliminar las entradas que no corresponden a las acciones realizadas por los usuarios. Entre los métodos usados se encuentran el time out para identificar sesiones; para realizar las agrupaciones se utiliza dos algoritmos: fuzzy c mean y fuzzy c medioid, los cuales son modificados para utilizar sesiones como datos de entrada. Para la validación de los agrupamientos se utiliza dos métodos los cuales son el índice de realización difusa (propia de los conjuntos difusos) y entropía de la clasificación normalizada (utilizada para medir cuan óptimo son los grupos obtenidos). Se realizaron dos experimentos con datos reales y uno con datos ficticios este último para ver cuán óptimo es el prototipo.