Prototipo de búsqueda en Internet basado en algoritmos genéticos

Abstract

La actual cantidad de información disponible en Internet es muy grande y diversa, esta es la razón por lo que se hace necesario hoy en día investigar sobre herramientas de software que permitan encontrar información relevante en forma personalizada. Esta tesis presenta el diseño e implementación de un prototipo de agente inteligente para extracción de información sobre una plataforma Linux, basado en el método de algoritmos genéticos que optimiza el proceso de búsqueda sobre tópicos específicos de una manera personalizada basándose en un perfil que provee el usuario. Con el fin de lograr estos objetivos se ha diseñado e implementado un motor de meta búsqueda que ofrece una interfase de consulta a múltiples motores de búsqueda tales como: Google, Altavista y Yahoo y un extractor de texto que permite, haciendo uso del modelo de espacio vectorial para procesamiento de texto, extraer texto relevante de documentos HTML para posteriormente evaluar su similitud con el perfil provisto por el usuario. Un incremento de la similitud con el incremento del número de generaciones se ha observado, no dependiendo del contexto de búsqueda a ser analizado. Esto sugiere una mejora en la información recuperada con el incremento del número de generaciones. Bajo un esquema de realimentación por el usuario se ha podido observar que el sistema se ajusta mejor al contexto del usuario.

The present amount of information available in Internet is huge and diverse, that is the reason why, nowadays, it is necessary to make a research about software tools that will allow to find relevant information in a customized form. This thesis presents the design and implementation of a prototype of an intelligent agent for extraction of information over a Linux platform, based on the genetic algorithm's methods which optimizes the searching process about speciíic topics in a customized way based on a profile provided by the user. With these goals in mind it has been designed and implemented a metasearch engine that oífers a querying inteiface to múltiple websearching machines such as: Google, Altavista and Yahoo, and a text extractor that allows, by the use of a model of vectorial space for word processing, to extract relevant text of documents in HTML to further evalúate its similarity with the profile provided by the user. An increase of the similarity with the increase of the number of generations has been observed, not depending on the context search to being analyzed. This suggests an improvement in the information recovered with the increase of the number of generations. Under a scheme of refeeding by the user it has been possible to observe that the system adjusts better to the context of the user.