Prototipo para un archivo de documentos digitales provenientes de la Web. panel de control, virtualización y programación en la nube

Abstract

Resumen Es muy conocido que la Web es una fuente de datos con gran cantidad de información que es utilizada por la mayoría de las personas, contenido que es necesario mantener integrado por diversas razones. Basado en esto, se propone un proyecto compuesto por una serie de herramientas que apoyen el intercambio de datos, con la nalidad de contar con una base de datos hipertextual así como patrimonial orientada a Venezuela o con información relacionada con el país. El proyecto consta de los siguientes componentes: Portal, Panel de Control (Cpanel), el Modulo de Control, Manejador de Trabajos en Background (Robot); Analizador de Documentos, Generación de Vistas Previas en varios formatos y Spiders,estos tres últimos soportados por una plataforma de Cloud Computing. Finalmente los componentes para el almacenamiento y gestión de datos soportado por un repositorio de documentos siguiendo el enfoque No-Sql, y un Datawarehouse para la consulta y gestión de versiones históricas. Particularmente, el desarrollo del Panel de Control es con el fi n de gestionar las direcciones web a incluir en el repositorio,manejo de usuarios, confi guraciones, grupos entre otras funcionalidades. Además se realizaron las siguientes actividades: instalación y gestión de ambientes de virtualización para una plataforma de Cloud Computing, procesamiento de tareas en segundo plano, así como también un filtro bayesiano para clasi ficación semiautomática de documentos. El resultado fue el de una aplicación con las funcionalidades mencionadas anteriormente. Este enfoque es un prototipo como paso inicial para la construcción de un Archivo de Documentos Digitales provenientes de la Web como patrimonio nacional mediante la preservación de la información,algo que sería de gran utilidad y brindaría bene ficios tanto a las generaciones actuales como a las futuras, sobre todo el de mantener y esparcir el conocimiento. Palabras Clave Cloud Computing, Web Archiving, Datawarehouse, Virtualización, Aplicaciones Web