Representación Compacta de Datos La necesidad de desarrollar nuevos almacenamientos de datos que circulan en la Web
¿Cómo se procesan todos los datos que podemos obtener en la Web? ¿Cómo llegamos a poder estudiarlos y comprobar que no se producen copias ilegales de textos?.
La proliferación de datos de todo tipo en la web hace cada vez más necesario pensar en formas de representación que sean más compactas, pero al mismo tiempo es necesario que esas formas de representación no sólo no dificulten el procesamiento de los datos, sino que por el contrario, lo agilicen.
“Esta necesidad de procesamiento más eficiente no se debe sólo a que la cantidad de datos a procesar crece exponencialmente sino también a que las modernas aplicaciones requieren una mayor elaboración de los datos y procedimientos más complejos”, explicó la doctora Nieves Brisaboa, investigadora de la Universidad de La Coruña, España, quién el jueves 16 de septiembre dictó una conferencia sobre Representación Compacta de Datos en la Sala de Posgrado del Departamento de Informática de la Facultad de Ciencias Físico Matemáticas y Naturales.
Durante la disertación se realizó un repaso sobre algunas estrategias de representación de datos estructurados (bases de datos relacionales), semiestructurados (textos XML) y no estructurados (textos planos y ficheros multimedia).
En la actualidad es un problema de primera magnitud procesar la cantidad ingente de datos textuales que cada día se publican en la Web y en otras colecciones digitales de documentos (accesibles o no vía Web) como el caso de bibliotecas digitales, hemerotecas, entre otros. Además el manejo que hay que hacer de esos textos es cada vez más complejo porque no se trata sólo de que puedan ser recuperados, esto es localizados y traídos al ordenador desde su ubicación remota, sino que también queremos procesarlos automáticamente con diferentes fines, por ejemplo para traducirlos, clasificarlos o buscar el trozo del documento en el que aparecen ciertas palabras.
En resumen, cada vez hay más documentos de texto y el procesamiento que queremos hacer de ellos, de modo automático mediante diferentes programas de ordenador, es cada vez más complejo.
Dra. Nieves Brisaboa, investigadora de la Universidad de La Coruña
Es por esto que es fundamental que los investigadores de ingeniería informática desarrollen nuevas estructuras de almacenamiento de los datos y nuevos algoritmos de procesamiento que permitan lograr una representación más compacta de los textos que incluya índices de acceso a los mismos de modo que se pueda lograr no sólo ahorrar espacio de almacenamiento sino también tiempo de procesado y de transmisión de los documentos.
“Pero además de documentos hay otros tipos de datos que también proliferan en la Web y que necesitamos procesar. Por ejemplo las relaciones existentes entre autores de artículos científicos, esto es quién cita a quién y quién publica con quién”, explicó la investigadora.
En la charla se presentó el modelo de las Bases de Datos orientadas a Grafos. Este nuevo e interesante modelo es más adecuado que el clásico modelo de bases de datos relacional para representar la información de redes sociales, enlaces entre páginas Web, entre otros. Además se presentaron algunos de los trabajos existentes sobre compresión de grafos. Con respecto a los textos, se presentó una estrategia para representar de modo comprimido y auto indexado documentos y ficheros XML.
Portada
