Profesores Guias:
- Adin Ramirez
- Franscico Claude
Tema: Comportamiento predictivo de Usuarios en la Web.
Keywords:
Access Web log
Machine Learning
Prediction thecniques
Web Usage Minning (WUM)
web usage mining processes.
Data Mining
Log files
Sequential pattern mining
frequent pattern mining
Data clustering
Trace clustering
Process mining
Web Access Sequence (WAS)
WAP-Mine
(Conditional Sequence Mining)
Áreas de relación:
*Compression Algorith
LZ 78
Suffix tree
*Machine Learning
Clustering supervisado
*Recommender System
Contexto:
* Para una web "w", se tiene un gran interés por parte de la industria de tener herramientas que permitan determinar la predicción mas exacta de lo que podrían reaizar sus usuarios, esto permitiría a los Developers,Diseñadores crear experiencias de uso y/o proveer información relevante de los hotpoints y temas que aborda la web.
* Para acotar el escenario se parte de la base que la entrada (WAP) son data ya preprocesada. (Pre-processed)
* Para una cierta web w, mediante sus logs de accesos predecir el comportamiento de los usuarios, realizar una comparación entre distintas técnicas y determinar cual para el conteto es la metodología/técnica mas eficiente para un dataset D.
* Para acotar el escenario de estudio, la temporalidad se excluirá, ya que esta en ambos enfoques daría una dimensionalidad extra de la cual aún no se tiene la expertiz para manejar.
Objetivos Propuestos:
- Demostrar que técnica es la más indicada para determinar WAP, enfoque Machine Learning o uso de LZ78.
- Ver que punto ambas areas pueden converger en un solución optima. (Acotar idea de esta frase.)
Benchmarking:
Compress Algorithm vs Machine Learning
- Performance
- Data Volume
- Accuracy
Aplicaciones:
@TODO.