Estadísticas de Tráfico de la Wikipedia

oct

noviembre de 2009

dic

Suscríbete a este Blog

Subscríbete a Sistemas Inteligentes por Email

¿Quiénes somos?

Este weblog está gestionado por José Carlos Cortizo Pérez y Luis Ignacio Díaz del Dedo.

José Carlos Cortizo es profesor e investigador en la Universidad Europea de Madrid, a la par que emprendedor y tecnólogo ya que, actualmente, es CTO en AINetSolutions y Social Gaming Platform, una spin-off del Consorcio MAVIR. Además de las aportaciones regulares de José Carlos, en este weblog se recogen aportaciones puntuales de otros miembros del grupo de investigación GSI de la UEM. Puedes también seguirme a través de mi blog personal, o a través de Twitter.

Luis Ignacio Díaz es Ingeniero en Informática y Licenciado en Administración de Empresas por la Universidad Europea de Madrid. Como proyecto fin de carrera en, diseñó y desarrollo R4P, un robot de cuatro patas de bajo coste y libre que fue premiado en varios concursos y eventos: recibe el primer premio a la Innovación en el Segundo Concurso Universitario de Software Libre, y el primer premio en la categoría de robótica en el Arduino Contest 2008. Obtiene como nota una Matrícula de Honor con Mención especial al mejor proyecto de la promoción de ingeniería de la Universidad Europea de Madrid.

Este weblog está bajo una licencia de Creative Commons

Academics Blogs - Blog Catalog Blog Directory

ÚLTIMOS COMENTARIOS

Archivos

Estadísticas de Tráfico de la Wikipedia

Enviado el sábado, 13 de junio de 2009 6:14

A través de la cuenta de Twitter de Gregory Piatetsky (KDnuggets, SIGKDD), nos enteramos de la liberación de un conjunto de datos que incluye 7 meses de estadísticas de tráfico horarias para más de 8 millones de artículos de la Wikipedia. Estas estadísticas pueden ser utilizadas para realizar Minería de Datos y extraer conocimiento interesante acerca de los temas de interés, etc., de hecho hasta ahora han sido utilizadas para alimentar la web trendingtopics.org.

El conjunto de datos ha sido enviado por Peter N. Skomoroch, como un subconjunto de la información que está utilizando para alimentar a la web trendingtopics.org. Este conjunto de datos contiene 7 meses de estadísticas horarias para más de 8 millones de artículos en la Wikipedia (aproximadamente 2.5 millones de la Wikipedia en inglés), junto con el contenido asociado de la wikipedia, el grafo de enlaces y los metadatos. Todo el contenido textual, enlaces y estadísticas de este conjunto de datos se han liberado bajo licencia GFDL (GNU Free Document License).

Para todos aquellos interesados en la Minería de Datos, el disponer de un conunto de datos como este es una gran oportunidad para hacer Minería de Datos a gran escala. Dentro del dataset se encuentran tanto las estadísticas horarias, como los enlaces entre artículos de la Wikipedia y los propios contenidos de la misma Wikipedia, por lo que se pueden aprovechar para una gran variedad de tareas.