Tendencia de Mineria de Datos

Tendencias en minería de datos de la Web

Observatorio
Tendencias en minería de datos de la Web
Por Ricardo Baeza-Yates
Resumen: Panorámica general y tendencias de diferentes aspectos y aplicaciones de la minería de datos
en internet, con referencia a la Web 2.0, el spam, análisis de búsquedas, redes sociales y la privacidad.
Palabras clave: Minería de datos, Minería Web,
Análisis, Logs,Web 2.0, Redes sociales, Spam, Redes
sociales, Privacidad.
Title: Web data mining trends
Abstract: Overview and trends of different aspects
and applications of data mining on the Internet, in
relation to Web 2.0, spam, analysis of searches, social
networks and privacy.
Keywords: Data mining, Web mining, Analysis, Logs,
Web 2.0, Social networking, Spam, Social networks,
Privacy.Baeza-Yates, Ricardo. “Tendencias en minería de
datos de la Web”. El profesional de la información,
2009, enero-febrero, v. 18, n. 1, pp. 5-10.
DOI: 10.3145/epi.2009.ene.01

Ricardo Baeza-Yates es Ph. D. en Computer Science (Univ. of Waterloo, Canadá,
1989), Magister en Ing. Eléctrica (1986) y
Cs. de la Computación (1985), e Ingeniero Eléctrico de la Univ. de Chile. Vicepresidente de Yahoo! Researchpara Europa,
Medio Oriente & Latinoamérica, basado
actualmente en Barcelona. Además es
profesor Icrea asociado a la Univ. Pompeu Fabra y director científico de la línea
de gestión de información de la Fundación
Barcelona Media. Sus áreas de investigación son recuperación de información, minería de la Web, algoritmos y visualización
de información. Es co-autor de un libro en
recuperación deinformación (AddisonWesley, 1999), de un manual de referencia
en algoritmos y estructuras de datos (Addison-Wesley, 1991) y co-editor
de un libro en recuperación de la información (Prentice-Hall, 1992). Fue
presidente del CLEI (Centro Latinoamericano de Estudios en Informática)
y Coordinador Internacional del Programa Iberoamericano en Ciencia y
Tecnología (Cyted) en las áreas de electrónicae informática aplicadas,
2000-04. En 2002 fundó en Chile el Centro de Investigación de la Web
(www.ciw.cl), del cual fue su primer director, y fue la primera persona de su
área científica en ser incorporada a la Academia de Ciencias de Chile en
2003. En el 2007 obtuvó la medalla J. W. Graham de la Univ. de Waterloo
que se otorga a ex-alumnos por innovación en computación.

IntroducciónESTE AÑO LA WEB CUMPLE VEINTE AÑOS
y casi parece que ha estado con nosotros desde siempre. Hace sólo 16 años comenzó a hacerse popular
y hoy hay más de 187 millones de servidores web
según el estudio mensual de Netcraft.
http://news.netcraft.com/
La Web inicial era eminentemente estática, es decir
ficheros que estaban en un servidor de un sitio web.
Hoy tenemos una Web completamente dinámicadonde
las páginas se generan dependiendo de las interacciones
que realizan las personas en todo el mundo, conectados
en muchos casos a través de teléfonos móviles.
Esta Web en la práctica es infinita, pues podemos
generar un número arbitrario de páginas en un calendario o distintas representaciones de todas las bases de
datos detrás de todos los sitios de comercio digital del
mundo. Hoy haymás 1.500 millones de personas que
usan internet, el 40% de ellas en Asia y con tasas de
penetración en la población cercanas al 75% en América del Norte. Todas ellas la usan para enviar mensajes,
buscar información o participar en redes sociales, entre
millares de otras aplicaciones disponibles.

La Web como tal no tendría mucho sentido sin los
buscadores que permiten acceder en formadirecta a los
distintos sitios y páginas. En una Web casi infinita lo
importante no es el volumen sino la calidad, y tiene varios submundos importantes, como la Web semántica,
o la Web 2.0 de contenido generado en forma cooperativa y directa por los usuarios.
El diagrama de la figura 1 intenta mostrar todo esto,
donde lo que cubren los buscadores son principalmente la Web estática y una parte...