KAgent: Un agente de interfaz para el soporte al usuario de Data Mining

Autores
Nicoletti, Matías Alberto
Año de publicación
2010
Idioma
español castellano
Tipo de recurso
documento de conferencia
Estado
versión publicada
Descripción
Uno de los procesos de KDD (Knowledge Discovery in Databases), denominado Minería de Datos, puede ser conceptualizado como una secuencia de actividades, técnicas o algoritmos que tienen como propósito general la extracción de conocimiento interesante de un conjunto de datos triviales. La posibilidad de combinar aleatoriamente estas técnicas sin un adecuado entrenamiento o como mínimo, un esquema de asistencia, no permite aprovechar el potencial de las herramientas de Software disponibles. En este trabajo, se propone una solución con la utilización de: la tecnología de Agentes Inteligentes, Cadenas de Markov y el método AHP. En base a ello, se diseña un esquema de asistencia inteligente para usuarios que deseen practicar Minería de Datos, que permita recolectar y transferir el conocimiento de usuarios experimentados. Considerando la actual variedad de herramientas para KDD, se optó por el diseño de un framework con el fin de desarrollar una solución que sea aplicable a cierto rango de dichas herramientas. Finalmente, se implementó un esquema concreto para KNIME, el cual permitió llevar a cabo algunas pruebas para medir la utilidad efectiva del asistente.
Sociedad Argentina de Informática e Investigación Operativa
Materia
Ciencias Informáticas
minería de datos
asistencia inteligente
Nivel de accesibilidad
acceso abierto
Condiciones de uso
http://creativecommons.org/licenses/by-nc-sa/4.0/
Repositorio
SEDICI (UNLP)
Institución
Universidad Nacional de La Plata
OAI Identificador
oai:sedici.unlp.edu.ar:10915/153113
Acceder
id SEDICI_e8eb18dd64fb03f097105171d711c471
oai_identifier_str oai:sedici.unlp.edu.ar:10915/153113
network_acronym_str SEDICI
repository_id_str 1329
network_name_str SEDICI (UNLP)
spelling KAgent: Un agente de interfaz para el soporte al usuario de Data MiningNicoletti, Matías AlbertoCiencias Informáticasminería de datosasistencia inteligenteUno de los procesos de KDD (Knowledge Discovery in Databases), denominado Minería de Datos, puede ser conceptualizado como una secuencia de actividades, técnicas o algoritmos que tienen como propósito general la extracción de conocimiento interesante de un conjunto de datos triviales. La posibilidad de combinar aleatoriamente estas técnicas sin un adecuado entrenamiento o como mínimo, un esquema de asistencia, no permite aprovechar el potencial de las herramientas de Software disponibles. En este trabajo, se propone una solución con la utilización de: la tecnología de Agentes Inteligentes, Cadenas de Markov y el método AHP. En base a ello, se diseña un esquema de asistencia inteligente para usuarios que deseen practicar Minería de Datos, que permita recolectar y transferir el conocimiento de usuarios experimentados. Considerando la actual variedad de herramientas para KDD, se optó por el diseño de un framework con el fin de desarrollar una solución que sea aplicable a cierto rango de dichas herramientas. Finalmente, se implementó un esquema concreto para KNIME, el cual permitió llevar a cabo algunas pruebas para medir la utilidad efectiva del asistente.Sociedad Argentina de Informática e Investigación Operativa2010info:eu-repo/semantics/conferenceObjectinfo:eu-repo/semantics/publishedVersionObjeto de conferenciahttp://purl.org/coar/resource_type/c_5794info:ar-repo/semantics/documentoDeConferenciaapplication/pdf1003-1027http://sedici.unlp.edu.ar/handle/10915/153113spainfo:eu-repo/semantics/altIdentifier/url/http://39jaiio.sadio.org.ar/sites/default/files/39jaiio-est-16.pdfinfo:eu-repo/semantics/altIdentifier/issn/1850-2946info:eu-repo/semantics/openAccesshttp://creativecommons.org/licenses/by-nc-sa/4.0/Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0)reponame:SEDICI (UNLP)instname:Universidad Nacional de La Platainstacron:UNLP2025-09-29T11:39:27Zoai:sedici.unlp.edu.ar:10915/153113Institucionalhttp://sedici.unlp.edu.ar/Universidad públicaNo correspondehttp://sedici.unlp.edu.ar/oai/snrdalira@sedici.unlp.edu.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:13292025-09-29 11:39:27.208SEDICI (UNLP) - Universidad Nacional de La Platafalse
dc.title.none.fl_str_mv KAgent: Un agente de interfaz para el soporte al usuario de Data Mining
title KAgent: Un agente de interfaz para el soporte al usuario de Data Mining
spellingShingle KAgent: Un agente de interfaz para el soporte al usuario de Data Mining
Nicoletti, Matías Alberto
Ciencias Informáticas
minería de datos
asistencia inteligente
title_short KAgent: Un agente de interfaz para el soporte al usuario de Data Mining
title_full KAgent: Un agente de interfaz para el soporte al usuario de Data Mining
title_fullStr KAgent: Un agente de interfaz para el soporte al usuario de Data Mining
title_full_unstemmed KAgent: Un agente de interfaz para el soporte al usuario de Data Mining
title_sort KAgent: Un agente de interfaz para el soporte al usuario de Data Mining
dc.creator.none.fl_str_mv Nicoletti, Matías Alberto
author Nicoletti, Matías Alberto
author_facet Nicoletti, Matías Alberto
author_role author
dc.subject.none.fl_str_mv Ciencias Informáticas
minería de datos
asistencia inteligente
topic Ciencias Informáticas
minería de datos
asistencia inteligente
dc.description.none.fl_txt_mv Uno de los procesos de KDD (Knowledge Discovery in Databases), denominado Minería de Datos, puede ser conceptualizado como una secuencia de actividades, técnicas o algoritmos que tienen como propósito general la extracción de conocimiento interesante de un conjunto de datos triviales. La posibilidad de combinar aleatoriamente estas técnicas sin un adecuado entrenamiento o como mínimo, un esquema de asistencia, no permite aprovechar el potencial de las herramientas de Software disponibles. En este trabajo, se propone una solución con la utilización de: la tecnología de Agentes Inteligentes, Cadenas de Markov y el método AHP. En base a ello, se diseña un esquema de asistencia inteligente para usuarios que deseen practicar Minería de Datos, que permita recolectar y transferir el conocimiento de usuarios experimentados. Considerando la actual variedad de herramientas para KDD, se optó por el diseño de un framework con el fin de desarrollar una solución que sea aplicable a cierto rango de dichas herramientas. Finalmente, se implementó un esquema concreto para KNIME, el cual permitió llevar a cabo algunas pruebas para medir la utilidad efectiva del asistente.
Sociedad Argentina de Informática e Investigación Operativa
description Uno de los procesos de KDD (Knowledge Discovery in Databases), denominado Minería de Datos, puede ser conceptualizado como una secuencia de actividades, técnicas o algoritmos que tienen como propósito general la extracción de conocimiento interesante de un conjunto de datos triviales. La posibilidad de combinar aleatoriamente estas técnicas sin un adecuado entrenamiento o como mínimo, un esquema de asistencia, no permite aprovechar el potencial de las herramientas de Software disponibles. En este trabajo, se propone una solución con la utilización de: la tecnología de Agentes Inteligentes, Cadenas de Markov y el método AHP. En base a ello, se diseña un esquema de asistencia inteligente para usuarios que deseen practicar Minería de Datos, que permita recolectar y transferir el conocimiento de usuarios experimentados. Considerando la actual variedad de herramientas para KDD, se optó por el diseño de un framework con el fin de desarrollar una solución que sea aplicable a cierto rango de dichas herramientas. Finalmente, se implementó un esquema concreto para KNIME, el cual permitió llevar a cabo algunas pruebas para medir la utilidad efectiva del asistente.
publishDate 2010
dc.date.none.fl_str_mv 2010
dc.type.none.fl_str_mv info:eu-repo/semantics/conferenceObject
info:eu-repo/semantics/publishedVersion
Objeto de conferencia
http://purl.org/coar/resource_type/c_5794
info:ar-repo/semantics/documentoDeConferencia
format conferenceObject
status_str publishedVersion
dc.identifier.none.fl_str_mv http://sedici.unlp.edu.ar/handle/10915/153113
url http://sedici.unlp.edu.ar/handle/10915/153113
dc.language.none.fl_str_mv spa
language spa
dc.relation.none.fl_str_mv info:eu-repo/semantics/altIdentifier/url/http://39jaiio.sadio.org.ar/sites/default/files/39jaiio-est-16.pdf
info:eu-repo/semantics/altIdentifier/issn/1850-2946
dc.rights.none.fl_str_mv info:eu-repo/semantics/openAccess
http://creativecommons.org/licenses/by-nc-sa/4.0/
Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0)
eu_rights_str_mv openAccess
rights_invalid_str_mv http://creativecommons.org/licenses/by-nc-sa/4.0/
Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0)
dc.format.none.fl_str_mv application/pdf
1003-1027
dc.source.none.fl_str_mv reponame:SEDICI (UNLP)
instname:Universidad Nacional de La Plata
instacron:UNLP
reponame_str SEDICI (UNLP)
collection SEDICI (UNLP)
instname_str Universidad Nacional de La Plata
instacron_str UNLP
institution UNLP
repository.name.fl_str_mv SEDICI (UNLP) - Universidad Nacional de La Plata
repository.mail.fl_str_mv alira@sedici.unlp.edu.ar
_version_ 1844616268212076544
score 13.070432

Publicaciones similares