Tag: web mining

0

Knowledge Discovery in Database

Data Mining (minería de datos) es también conocida como Knowledge Discovery in database (KDD). Es comúnmente definida como el proceso para descubrir patrones útiles o conocimientos a partir de fuentes de datos tales como Bases de Datos, textos, imágenes, la web, etc.  Los patrones deben ser válidos, potencialmente útiles y entendibles. La minería de datos es un campo multidisciplinar que incluye: aprendizaje automático, estadísticas, sistemas de base de datos, inteligencia artificial, Information Retrieval, visualización de la información, … El objetivo general del proceso de minería de datos consiste en extraer información de un conjunto de datos y transformarla en una estructura comprensible para su uso posterior. Existen muchas técnica dentro de data mining. Existen muchas tareas de data mining. Algunos de los más comunes consisten en el aprendizaje supervisado, aprendizaje no supervisado, minería de asociación de reglas y minería de secuencia (1).

En resumen, la minería de datos es el conjunto de técnicas y tecnologías que permiten explorar grandes bases de datos, de manera automática o semiautomática, con el objetivo de encontrar patrones repetitivos, tendencias o reglas que expliquen el comportamiento de los datos en un determinado contexto.

10 VENTAJAS  DEL USO DE MINERÍA DE DATOS

  1. La minería de datos descubre información que no se esperaba obtener. Como muchos modelos diferentes son usados, algunos resultados inesperados tienden a aparecer. Las combinaciones de distintas técnicas otorgan efectos inesperados que se transforma en un valor añadido a la empresa.
  2. Enormes bases de datos pueden ser analizadas mediante la tecnología de data mining.
  3. Los resultados son fáciles de entender: personas sin un conocimiento previo en ingeniería informática pueden interpretar los resultados con sus propias ideas
  4. Contribuye a la toma de decisiones tácticas y estratégicas para detectar la información clave
  5. Te permite encontrar, atraer y retener a los clientes. Reduce el riesgo de perder clientes: ofrecer promociones especificas o productos especiales para retenerlos.
  6. Mejora la relación con el cliente: la empresa puede mejorar la atención al cliente a partir de la información obtenida.
  7. Permite ofrecer a tus clientes los productos o servicios que necesitan.
  8. Los modelos son confiables. Los modelos son probados y comprobados usando técnicas estadísticas antes de ser usado, para que las predicciones que se obtienen sean confiables y válidas.
  9. En su mayoría, los modelos se generan y construyen de manera rápida. El modelado a veces se torna más fácil puesto que muchos algoritmos han sido probados previamente.
  10. Abre nuevas oportunidades de negocios y ahorra costes a la empresa.

Sin embargo, también existen pequeños inconvenientes en el uso de técnicas de minería de datos, tales como:

  • La dificultad de recopilación de los datos. Dependiendo del tipo de datos que se quieran recopilar puede conllevar mucho trabajo.
  • Aunque cada vez menos, el requerimiento de una gran inversión también puede considerarse un inconveniente. En ocasiones, las tecnologías necesarias para llevar a cabo la recopilación de datos, no es tarea sencilla y consume muchos recursos que podrían suponer un coste elevado.

¿Quieres saber más sobre Data Mining o Minería Web?

Te recomendamos que eches un vistazo a estas dos publicaciones en nuestro blog:

O también, puedes leer este libro, como parte de la bibliografía consultada para este post: (1) LIU, BING (2007): WEB DATA MINING Exploring Hyperlinks, contents and usage data. Berlín: Ed. Springer Science & Business Media.

¿Qué es la Minería Web?

La minería web o web mining comprende una serie de técnicas encaminadas a obtener inteligencia a partir de datos procedentes de la web. Aunque las técnicas utilizadas tienen su raíz en las técnicas de data mining o minería de datos, presentan características propias debido a las particularidades que presentan las páginas webs. Algunas de estas particularidades son:

  • La mayor parte de los datos de la web tienen poca estructura (por ejemplo, tablas htmls) o casi ninguna (como pueden ser textos planos oPDFs).
  • Los volúmenes de datos son muy altos y en algunos casos crecen de forma exponencial, con la problemática asociada (big data).
  • Los datos (a nivel de páginas) están relacionados mediante links.
  • Los datos tienen formatos muy variados como htmls, PDFs, imágenes, video, etc.
  • Se mezclan datos fiables con otros de menor fiabilidad, dando lugar a inconsistencias.

Todo lo anterior ha provocado la adaptación y/o desarrollo de nuevas técnicas que permitan aprovechar el gran volumen de datos presente en internet.

¿Cómo clasificar la minería web en función de los datos que utiliza?

  • Minería de Contenidos: su objetivo es obtener “valor” de los datos que contienen las páginas web.  Esta minería presenta la mayor dificultad, debido entre otros: a la falta de estructura de los datos, a su diversidad (ej. imagenes, pdfs, etc.), a la dificultad de interpretar (ej. opiniones). El uso que se le da a los contenidos, una vez estructurados, pueden ser muy diversa: desde la detección de patrones de interés hasta la inteligencia comercial. Hasta el momento este tipo de minería se ha centrado principalmente en textos (algunas veces se habla de text mining), siendo muy utilizadas las técnicas de Procesamiento del Lenguaje Natural, aunque actualmente existe un gran interés en ampliar de una forma efectiva la minería de contenidos a otros formatos (principalmente videos e imágenes).
  • Minería de Estructuras: Internet, de forma implícita, presenta ciertas estructuras que pueden ser de interés para obtener información o inteligencia. Así, dentro de una web, las páginas se organizan de determinada forma -normalmente en una estructura jerárquica-, mientras que distintas web se relacionan entre ellas mediante links -normalmente formando grafos-. Además, las redes sociales han introducido nuevos elementos estructurales como por ejemplo los seguidores. Esta información “estructural” puede ser utilizada de diversas formas, desde ayudar a determinar la relevancia de una página en un buscador a la detección de líderes de opinión en redes sociales.
  • Minería de Uso: La forma en que un usuario interactúa con una página web, aporta datos de gran interés. Tradicionalmente se han utilizado los logs recopilados por los servidores para este tipo de minería (en estos casos se habla de log mining). Es posible, a partir de los datos de interacción, detectar patrones que puedan ser aprovechados con distinta finalidad, desde mejorar la compra en una web modificando la navegación, hasta la personalización de la publicidad.