Estrategia de Recomendación por Similitud en Repositorios con Grandes Volúmenes de Datos de Medición y Evaluación

Autores/as

  • María Laura Sánchez Reynoso, Doctorando/a Data Science Research Group Facultad de Ciencias Económicas y Jurídicas Universidad Nacional de La Pampa - Argentina
  • Mario José Diván Director

DOI:

https://doi.org/10.33414/ajea.4.414.2019

Palabras clave:

Procesamiento de Datos en Tiempo Real, Mediciones, Entidades, Similitud, Grandes Volúmenes de Datos

Resumen

La Arquitectura de Procesamiento de Flujos de Datos es una estrategia de procesamiento basada en Apache Storm focalizada en proyectos de medición y evaluación. Los proyectos de medición y evaluación son definidos utilizando un marco forma de medición y evaluación que permite establecer previamente la entidad bajomonitoreo junto con sus conceptos asociados. Este acercamiento permite guiar el procesamiento y toma de decisiones basada en datos de múltiples proyectos concurrentes sustentado en la semántica de las etiquetas definidas en el alcance de cada proyecto. La estrategia incorpora un comportamiento activo, lo que implica que ante una situación tipificada es posible proveer recomendaciones y-o instruir cursos de acciones basado en la experiencia previa. Sin embargo, es posible que existan situaciones para las cuales una entidad bajo monitoreo no cuente con experiencia o conocimiento previo (por ejemplo, por que constituye una nueva situación), lo que imposibilitaría brindar sugerencias. Para abordar esta situación, la idea es detectar entidades bajo monitoreo similares estableciendo un puntaje de similitud que permita brindar experiencias y-o recomendaciones por analogía con otra entidad en caso de ausencia de estas en la entidad objeto de análisis. Aquí se presenta un avance parcial de esta línea de investigación. Así, se ha logrado establecer coeficientes de similitud estructurales y comportamentales, analizar el efecto de técnicas de descarte selectivo en el procesamiento de flujos, fomentar la interoperabilidad de proyectos de medición y evaluación y su efecto en la confiabilidad del sistema de medición y evaluación.

Descargas

Los datos de descargas todavía no están disponibles.

Descargas

Publicado

2019-11-05

Cómo citar

Sánchez Reynoso, M. L., & Diván, M. J. (2019). Estrategia de Recomendación por Similitud en Repositorios con Grandes Volúmenes de Datos de Medición y Evaluación. AJEA, (4). https://doi.org/10.33414/ajea.4.414.2019