¿Cómo trabajar en el grafo web? José Luis Alonso Berrocal Dpto. de Informática y Automática.

¿Cómo trabajar en el grafo web? 2 Cibermetría aplicada: posicionamiento en el web. Actividad paralela. FESABID Estructura de enlaces en el web

¿Cómo trabajar en el grafo web? 3 Cibermetría aplicada: posicionamiento en el web. Actividad paralela. FESABID Recorrido del grafo web. Básicamente lo podemos recorrer: Recorrido en anchura (breadth-first). Recorrido en profundidad (depth-first). El mejor posible (best-first).

¿Cómo trabajar en el grafo web? 4 Cibermetría aplicada: posicionamiento en el web. Actividad paralela. FESABID Recorrido del grafo (II) Recorrido en anchura: Recorrido en profundidad:

¿Cómo trabajar en el grafo web? 5 Cibermetría aplicada: posicionamiento en el web. Actividad paralela. FESABID Procedimiento básico WEB Urls a seguirUrls visitados Base de datos Ficheros ascii URL inicial Se carga la página Se carga la página Se extraen los URL Se extraen los URL Almacenar la información Almacenar la información Seguir el siguiente URL Seguir el siguiente URL Operaciones de normalización: - convertir URL a minúscula - Eliminar anclas - Emplear igual codificación - Heurística para pag. Defecto - Resolver URL relativo

¿Cómo trabajar en el grafo web? 6 Cibermetría aplicada: posicionamiento en el web. Actividad paralela. FESABID Recorrido avanzado

¿Cómo trabajar en el grafo web? 7 Cibermetría aplicada: posicionamiento en el web. Actividad paralela. FESABID Recorrido avanzado (II)

¿Cómo trabajar en el grafo web? 8 Cibermetría aplicada: posicionamiento en el web. Actividad paralela. FESABID WebBot Harvest-NG Webvac Spider SocSciBot 3 y SocSciBot_Tools SacarinoBot y EloisaBot Tools Web crawlers para captura de datos

¿Cómo trabajar en el grafo web? 9 Cibermetría aplicada: posicionamiento en el web. Actividad paralela. FESABID Sacarino (Sonda AutomatiCA para la Recuperación de INformaciÓn en el web)

¿Cómo trabajar en el grafo web? 10 Cibermetría aplicada: posicionamiento en el web. Actividad paralela. FESABID Sacarino (Clasificación)

¿Cómo trabajar en el grafo web? 11 Cibermetría aplicada: posicionamiento en el web. Actividad paralela. FESABID Sacarino (Clasificación II)

¿Cómo trabajar en el grafo web? 12 Cibermetría aplicada: posicionamiento en el web. Actividad paralela. FESABID Sacarino (Clasificación III)

¿Cómo trabajar en el grafo web? 13 Cibermetría aplicada: posicionamiento en el web. Actividad paralela. FESABID Creación de matrices

¿Cómo trabajar en el grafo web? 14 Cibermetría aplicada: posicionamiento en el web. Actividad paralela. FESABID Operaciones con matrices

¿Cómo trabajar en el grafo web? 15 Cibermetría aplicada: posicionamiento en el web. Actividad paralela. FESABID Matriz de distancia.

¿Cómo trabajar en el grafo web? 16 Cibermetría aplicada: posicionamiento en el web. Actividad paralela. FESABID Se pueden resumir los datos de la siguiente forma: Resumen de los datos

¿Cómo trabajar en el grafo web? 17 Cibermetría aplicada: posicionamiento en el web. Actividad paralela. FESABID Tratamiento de los datos

¿Cómo trabajar en el grafo web? 18 Cibermetría aplicada: posicionamiento en el web. Actividad paralela. FESABID Herramienta de cálculo

¿Cómo trabajar en el grafo web? 19 Cibermetría aplicada: posicionamiento en el web. Actividad paralela. FESABID Matriz sparse

¿Cómo trabajar en el grafo web? 20 Cibermetría aplicada: posicionamiento en el web. Actividad paralela. FESABID PageRank importancia pagina i paginas j que enlazan a pagina i Nº enlaces salientes desde página j importancia pagina j

¿Cómo trabajar en el grafo web? 21 Cibermetría aplicada: posicionamiento en el web. Actividad paralela. FESABID Estructura de enlaces en el web ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? 01/ /500 1/ /411/ /201/4001/ /401/ /401/

¿Cómo trabajar en el grafo web? 22 Cibermetría aplicada: posicionamiento en el web. Actividad paralela. FESABID Resultado final ---- Iteraci ó n NORM es Residual es Iterati ó n NORM es Residual es Iteraci ó n NORM es Residual es Iteraci ó n NORM es Residual es El “ eigen vector ” principal (contiene los valores del PageRank)

¿Cómo trabajar en el grafo web? 23 Cibermetría aplicada: posicionamiento en el web. Actividad paralela. FESABID Pajek

¿Cómo trabajar en el grafo web? 24 Cibermetría aplicada: posicionamiento en el web. Actividad paralela. FESABID Conversión a formato Pajek

¿Cómo trabajar en el grafo web? 25 Cibermetría aplicada: posicionamiento en el web. Actividad paralela. FESABID Representación del grafo

¿Cómo trabajar en el grafo web? 26 Cibermetría aplicada: posicionamiento en el web. Actividad paralela. FESABID Representación del grafo (II)

¿Cómo trabajar en el grafo web? 27 Cibermetría aplicada: posicionamiento en el web. Actividad paralela. FESABID Representación del grafo (III)

José Luis Alonso Berrocal