geração (semi)automática de metadados - Universidad Autónoma ...

sesión Si se encuentra la distancia con su vecino más cercano, es decir, la menor distancia calculada con otras
sesiones.
dmin = min sj − si
,
donde s j − si
=
( si, si)
i
2 2
(( s )( s ))
∑
Se calcula el promedio de las menores distancias halladas.
∑ ∑
i i i i
1 n
d = ∑ d s
n =
Se construye la matriz de adyacencia A como sigue:
( )
prom min i
i 1
⎧1
Aij
= ⎨
⎩ 0
si S j − Si en otro caso
< d
donde d = u × d y u = seleccionado de forma empirica
prom
Encontrar los componentes conectados de la matriz. Cada componente es tomado como un cluster.
Etapa 2: Aplicación del Algoritmo Genético
Inicialización: se generan de forma aleatoria una población de N cadenas. El tamaño de las cadenas es
igual al número de grupos creados en la Etapa 1. Cada cadena representa un subconjunto de grupos. Si, por
ejemplo, el grupo 5 pertenece al subconjunto Ri, entonces la posición 5 de la cadena tendrá un valor de 1.
Para cada cadena, se calcula Ui y Ui´ así:
U i = { j La j − esim a posición de Ri si valor = 1}
U ′ i = { j La j − esim a posición de Ri si valor = 0}
Esto es, Ui es el conjunto de índices de las posiciones con valor 1 y Ui´ es el conjunto de índices de las
posiciones con valor de 0 en la cadena Ri.
Posteriormente se calcula las distancias inter e intra de los clusters. La distancia intra se usa para medir la
cercanía entre clusters que pertenecen a un mismo subconjunto, mientras que distancia inter es utilizada para
medir la separación entre un subconjunto y los demás clusters.
d ( R ) = max min k − j
int ra i
d ( R ) = min k − j
int er i
Conferência IADIS Ibero-Americana WWW/Internet 2007
Fase de Reproducción: se calcula la función objetivo o fitness para cada cadena de la siguiente forma:
j∈U i
j∈U i
k ∈ Ui′ k∈U i
k≠j fitness( R ) = d ( R ) ∗w−d( R )
i inter i intra i
donde w es un factor que determina cual de las distancias, la distancia intra o la distancia inter,
es más importante.
Fase de Cruce: se seleccionan dos puntos de forma aleatoria de 1 hasta n. Para cada una de las cadenas se
selecciona una cadena padre con la cual intercambia los valores presentes entre los dos puntos.
Fase de Mutación: para cada cadena o cromosoma, se selecciona de forma aleatoria un número de 1 hasta
N, el cual indica la posición del cromosoma que tendrá un cambio de valor. Si el valor es de 0, le asigna un 1
o viceversa. Se define un valor de probabilidad igual a 0.1 para la asignación de 1s.
Unión de grupos: este paso se aplica después del cálculo del fitness para cada cadena. Inicialmente, se
ordenan las cadenas de mayor a menor fitness. La cadena con mayor fitness es seleccionada con el fin de
unir los grupos que contiene. Luego se toma la siguiente cadena en la lista ordenada y se verifica que ninguno
de los grupos que se encuentran en ésta, hayan sido unidos en el paso anterior. Si algún grupo ya fue unido,
se descarta la cadena, de lo contrario, se unen los grupos. Este paso de unión de grupos finaliza cuando ha
sido recorrida toda la lista.
301