Universidad Nacional de Luján
Catálogo Bibliográfico
08.004/Cj. Sist. 13
Tesina presentada para aplicar al título de Licenciado en Sistemas de Información.
Incluye resguardo digital.
Millones de consultas son realizadas diariamente a los motores de búsqueda web, donde la utilización de memoria caché es crucial para reducir el tiempo de respuesta y aumentar el rendimiento. En la literatura, diversos autores han propuesto la utilización de técnica de aprendizajes de máquina para aumentar la eficiencia de la caché. Hasta el momento, los trabajos en el aréa consistieron en la utilización de alogaritmos con funcionamiento por lote para gestionar las políticas de admisión y/o reemplazo en diferentes niveles de caché. Estos alogaritmos construyen modelos estáticos que reducen su efectividad ante cambios en el comportamiento de los usuarios. Por otro lado, la investigación en el área de minería de flujos de datos ha aportado nuevos alogaritmos, sistemas y plataformas para hacer frente a ambientes con generación continua de datos, altas tasas de arribo y elevados niveles de fluctuación en ellas, características que a su vez definen a la resolución de consulta en motores de búsqueda web. Basado en lo anterior, en este trabajo se propone la utilización del alogaritmo Hoeffding Adaptive Tree, especificamente desarrollado para el aprendizaje adaptativo, para generar reglas que permitan predecir futuras apariciones de las consultas. El rendimiento del mismo es comparado contra C4.5, un alogaritmo clásico con funcionamiento por lote. En los experimentos realizados, Hoeffding Adaptative Tree permite duplicar los aciertos de la caché que obtiene C4.5. Complementariamente, se diseña una solución cobre el motor de procesamiento de streaming Apache Storm, que proporciona al árbol de decisión adaptativo con los ejemplos necesarios para mantenerse actualizado.
1.
(1) Inv.: 13.11714 S.T.: 08.004/Cj. Sist. 13
Tonin Monzón, Francisco
Políticas de admisión a caché gestionadas mediante árboles de decisión adaptativos.
[TESIS]. -- , 2018. --Tesina presentada para aplicar al título de Licenciado en Sistemas de Información.
Incluye resguardo digital.
Millones de consultas son realizadas diariamente a los motores de búsqueda web, donde la utilización de memoria caché es crucial para reducir el tiempo de respuesta y aumentar el rendimiento. En la literatura, diversos autores han propuesto la utilización de técnica de aprendizajes de máquina para aumentar la eficiencia de la caché. Hasta el momento, los trabajos en el aréa consistieron en la utilización de alogaritmos con funcionamiento por lote para gestionar las políticas de admisión y/o reemplazo en diferentes niveles de caché. Estos alogaritmos construyen modelos estáticos que reducen su efectividad ante cambios en el comportamiento de los usuarios. Por otro lado, la investigación en el área de minería de flujos de datos ha aportado nuevos alogaritmos, sistemas y plataformas para hacer frente a ambientes con generación continua de datos, altas tasas de arribo y elevados niveles de fluctuación en ellas, características que a su vez definen a la resolución de consulta en motores de búsqueda web. Basado en lo anterior, en este trabajo se propone la utilización del alogaritmo Hoeffding Adaptive Tree, especificamente desarrollado para el aprendizaje adaptativo, para generar reglas que permitan predecir futuras apariciones de las consultas. El rendimiento del mismo es comparado contra C4.5, un alogaritmo clásico con funcionamiento por lote. En los experimentos realizados, Hoeffding Adaptative Tree permite duplicar los aciertos de la caché que obtiene C4.5. Complementariamente, se diseña una solución cobre el motor de procesamiento de streaming Apache Storm, que proporciona al árbol de decisión adaptativo con los ejemplos necesarios para mantenerse actualizado.
1.
SISTEMAS DE INFORMACION
; 2.MOTORES DE BUSQUEDA
; 3.RECUPERACION DE LA INFORMACION
I.Banchero, Santiago
II.Tolosa, Gabriel Hernán
(1) Inv.: 13.11714 S.T.: 08.004/Cj. Sist. 13
Elementos Multimedia
Visualización de Monografía
U. Info.
(1) [Cent]
Tipo de Material
(T) TESIS
Título
Políticas de admisión a caché gestionadas mediante árboles de decisión adaptativos.
Responsables Principales
Lugar
Luján
Editorial
Fecha de Publicación
2018
Notas
Tesina presentada para aplicar al título de Licenciado en Sistemas de Información.
Incluye resguardo digital.
Incluye resguardo digital.
Resumen
Millones de consultas son realizadas diariamente a los motores de búsqueda web, donde la utilización de memoria caché es crucial para reducir el tiempo de respuesta y aumentar el rendimiento. En la literatura, diversos autores han propuesto la utilización de técnica de aprendizajes de máquina para aumentar la eficiencia de la caché. Hasta el momento, los trabajos en el aréa consistieron en la utilización de alogaritmos con funcionamiento por lote para gestionar las políticas de admisión y/o reemplazo en diferentes niveles de caché. Estos alogaritmos construyen modelos estáticos que reducen su efectividad ante cambios en el comportamiento de los usuarios. Por otro lado, la investigación en el área de minería de flujos de datos ha aportado nuevos alogaritmos, sistemas y plataformas para hacer frente a ambientes con generación continua de datos, altas tasas de arribo y elevados niveles de fluctuación en ellas, características que a su vez definen a la resolución de consulta en motores de búsqueda web. Basado en lo anterior, en este trabajo se propone la utilización del alogaritmo Hoeffding Adaptive Tree, especificamente desarrollado para el aprendizaje adaptativo, para generar reglas que permitan predecir futuras apariciones de las consultas. El rendimiento del mismo es comparado contra C4.5, un alogaritmo clásico con funcionamiento por lote. En los experimentos realizados, Hoeffding Adaptative Tree permite duplicar los aciertos de la caché que obtiene C4.5. Complementariamente, se diseña una solución cobre el motor de procesamiento de streaming Apache Storm, que proporciona al árbol de decisión adaptativo con los ejemplos necesarios para mantenerse actualizado.
Materias
Fecha de Alta
18/03/2019 04:32:18
Número de Registro
46790
Elementos Multimedia
Pérgamo OPAC Web