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

datos fue dividido en conjunto de entrenamiento y en conjunto de prueba con el 70 y 30 % de los datos,
respectivamente.
Tabla 2. Valores de Recall y Precisión para K-Means y Agrupamiento Genético
RECALL PRECISION
k u w
5 10 15 20 5 10 15 20
30 - - 0.3819 0.4084 0.4240 0.4315 0.5566 0.5487 0.5436 0.5391
- 15 3 0.3685 0.4152 0.4284 0.4459 0.3963 0.3747 0.3734 0.3741
La tabla 2 muestra los valores de recall y precisión para el algoritmo k-Means y agrupamiento genético
cuando se varían el número de elementos o páginas a recomendar. Los valores presentados hacen referencia
a los mejores resultados obtenidos con los dos métodos. Se puede observar que los valores de recall tanto
para el agrupamiento genético como para k-Means, mejoran a medida que el número de elementos a
recomendar crece, en contraste con los valores de precisión, los cuales disminuyen. Aunque los valores de
recall para el agrupamiento genético mejoran levemente con respecto a k-Means, se puede determinar que el
algoritmo de agrupamiento genético ofrece mejores resultados reflejados en la buena definición de perfiles,
como consecuencia de un número apropiado de grupos generados que contienen sesiones con alto grado de
similitud.
6. CONCLUSIONES
A pesar que el tiempo de ejecución del algoritmo de Agrupamiento Genético es mayor con respecto al
utilizado por el método k-Means, los resultados que se obtienen con el primero, en cuanto a definición de
perfiles, son mejores. Esto se debe a que el algoritmo encuentra de forma automática el número apropiado de
grupos y los construye basándose en una fuerte similitud entre sesiones y no, como en el caso de k-Means,
basándose en el centro.
El preprocesamiento de los datos es una etapa fundamental en las tareas de minería por cuanto de una
adecuada limpieza y representación de los datos depende la calidad del conocimiento que se obtenga en
etapas posteriores. No en vano, esta etapa generalmente abarca entre un 60 y 80% del proceso de minería.
REFERENCIAS BIBILIOGRÁFICAS
Conferência IADIS Ibero-Americana WWW/Internet 2007
[Coo99] COOLEY Robert, et al. Data Preparation for Mining World Wide Web Browsing Patterns. Knowledge and
Information Systems, Volumen 1 , pp 5-32.
[Eir03] EIRINAKI Magdalini, et al, 2003, Web Mining for web personalization. ACM Transactions on Internet
Technology. New Cork, USA.
[Lab03] LABROCHE Nicolas, et al, 2003. Web sessions Clustering with artificial ants colonies. The Twelfth
International World Wide Web Conference, Budapest, Hungría.
[ [Sar00] SARWAR Badrul, et al, 2000. Analysis of Recommendation Algorithms for E-Commerce. Proceedings of the
2nd ACM conference on Electronic comerce, Minneapolis, Minnesota, USA.
[Sha05] SHANKAR Bhushan , et al, 2005. Incremental Relational Fuzzy Subtractive Clustering for Dynamic Web
Usage Profiling. Proceedings of the WEBKDD Workshop on Taming Evolving, Expanding and Multi-faceted Web
Clickstreams, Chicago, USA.
[Tse99] TSENG Lin Yu, et al, 1999. A genetic clustering algorithm for data with non-spherical-shape clusters. Pattern
Recognition, Vol. 33, No.7, pp 1251-1259.
303