Arquitecto

WEBMINING Y DATAMINING REALIZADO AL LOG DE UNA LA EMPRESA DE TRANSPORTE DE BUSES -TATSA DE ARGENTINA

MARIA ALBERTO ARIAS ACEVEDO
JOSE GABRIEL MEJIA MARTINEZ

JAVIER HERNANDEZ
Especialista

UNIVERSIDAD DEL MAGDALENA
PROGRAMA DE INGENIERIA DE SISTEMAS
INGENIERIA DEL CONOCIMIENTO
WEBMINING-DATAMAINIG
SANTA MARTA
2012-I

INTRODUCCIÓN

En la actualidad, las organizaciones dependenen grande manera de la información, más que de cualquier otro activo, se ha convertido en el bien más relevante e importante para dicha empresa. La información es la parte fundamental de toda empresa para tener un alto nivel de competitividad y posibilidades de desarrollo, pero debido al gran porcentaje de información que posee, se pueden encontrar irrelevancias o contradicciones en la misma; espor tal motivo que se debe buscar continuamente mecanismos o técnicas para el manejo selectivo y/o relevante de datos, es decir, poder extraer datos significativos, convertirlos en información preciada y desechar lo que no sirve.

OBJETIVOS
OBJETIVO GENERAL:
Obtener información importante, a partir del análisis del log generado por el servidor web de una página que presta servicio deconsultoría.

OBJETIVOS ESPECIFICOS:

* Generar reportes y analizarlos a través de la herramienta Analog acerca de la información consignada en el log.

* Determinar los campos relevantes en el log, para análisis posteriores.

* Realizar limpieza de los datos consignados en el log.

* Aplicar el método A priori y de reglas de asociación, con la herramienta de análisis WEKA.

*Analizar los resultados obtenidos, con el fin de generar nuevo conocimiento con respecto al log.

VOCABULARIO

* Algoritmo a priori
El algoritmo Apriori se usa en minería de datos para encontrar Reglas de asociación en un conjunto de datos. Este algoritmo se basa en el conocimiento previo o “a priori” de los conjuntos frecuentes, esto sirve para reducir el espacio de búsqueda y aumentar laeficiencia.
* Log:

Es un registro oficial de eventos que son llevados a cabo durante un periodo de tiempo en particular.

* Log de Servidores:

Consiste en uno o más ficheros de texto automáticamente creados y administrados por un servidor, en donde se almacena toda la actividad que se hace sobre éste. Cada servidor, dependiendo de su implementación y/o configuración, podrá o no creardeterminados logs.

* Log de acceso:

En un servidor web, un log de accesos es un archivo o grupo de archivos que contiene una lista de cada archivo que fue accedido en el servidor. Es un tipo de log de servidor.
En general, se almacena la dirección IP, la fecha y hora de acceso, el archivo accedido, el navegador o agente usado, el sistema operativo y versión, la URL de referencia, bytesservidos, etc.
Existen múltiples formas en que se puede almacenar esta información, y depende del software que se utilice para correr el servidor. Entre estas formas, la más popular es el formato estándar recomendado por la W3C.

El log de accesos puede servir, entre otras cosas, para crear las estadísticas de acceso a un sitio web. El análisis del log de accesos puede servir para determinar,por ejemplo, cuándo un servidor web se sobrecarga.

* Log de error:

El archivo de registro de error registra cualquier error que el servidor encuentra en la tramitación de las solicitudes es decir, cuando su sitio no es capaz de responder a sus visitantes.

* Analog:

Es un analizador de los ficheros log generados por los servidores web. Genera automáticamente una página web XHTMLcon el resultado del análisis, que puede configurarse con todo detalle. La documentación está en inglés, pero el programa crea informes en más de 30 idiomas, incluido el castellano. El programa no necesita instalación: hay que descomprimir el archivo zip en una carpeta y ejecutar el programa Analog.exe.

* Weka:
(Waikato Environment for Knowledge Analysis) - Entorno para Análisis del...