Desarrollo e implementación del módulo de predicción de cambios de sitios web para un prototipo de Archivo Web.

Abstract

El patrimonio cultural es la herencia cultural propia del pasado y presente de los pueblos, el cual ha sido definido como tangible (objetos arqueológicos, artísticos, entre otros) e intangible (costumbres, conocimiento científico, entre otros). Cada vez más, parte de este patrimonio es publicado en Internet, el cual ha sido denominado patrimonio web siendo parte del patrimonio intangible. Esto hace necesario establecer formas de preservar este contenido, lo cual ha sido implementado con el desarrollo de sistemas que copien el contenido a preservar en ambientes seguros e independientes a los servidores originales, llamados Archivos Web. Una característica importante del patrimonio web es su naturaleza cambiante y dinámica, lo que presenta un reto a estos sistemas, el cual es disponer de un mecanismo que permita en cierto grado predecir los cambios en los contenidos que son preservados, de esta manera se estarán almacenando los cambios presentados en un momento dado, con lo que el Archivo sería de mayor utilidad a aquellos usuarios que necesiten ver estos cambios, evitando por otro lado almacenar una imagen repetida del mismo sitio, por lo que también se ahorra en recursos de almacenamiento. En este Trabajo Especial de Grado se desarrolló e implemento un módulo de predicción de cambios de sitios web, usando variables aleatorias, en base a las cuales se elaboró una serie de algoritmos de predicción. Cabe destacar, que los algoritmos se implementaron utilizando el método heurístico, donde se reconocen nuevos patrones de comportamiento en los sitios web, y se aplica una solución particular con un algoritmo que resuelve dicha problemática. Se probaron 50 páginas, obteniendo como resultado una mejora sustancial en el proceso de rastreo, almacenamiento de versiones y reducción en las versiones duplicadas.