Implementación de algoritmo para la extracción de datos estructurados de perfiles en Google Académico

Este trabajo muestra el desarrollo e implementación de un algoritmo para extraer datos de perfiles y publicaciones de Google Académico (GA) utilizando Web Scraping, técnica no estructurada de minería de datos que escanea los datos de una página web. El código del algoritmo se crea utilizando el leng...

Descripción completa

Detalles Bibliográficos
Autores principales:	Murillo, Danny, Saavedra, Dalys, Calderón, Huriviades
Formato:	Objeto de conferencia
Lenguaje:	Español
Publicado:	2018
Materias:	Ciencias Informáticas Bibliotecología Google Académico Análisis de Datos escaneado web minería web lenguaje R Google Scholar Web Scraping Web Mining R Lenguage data analysis
Acceso en línea:	http://sedici.unlp.edu.ar/handle/10915/71442 http://repositorio.pucp.edu.pe/index/handle/123456789/133795
Aporte de:	SEDICI (UNLP) de Universidad Nacional de La Plata

id	I19-R120-10915-71442
record_format	dspace
institution	Universidad Nacional de La Plata
institution_str	I-19
repository_str	R-120
collection	SEDICI (UNLP)
language	Español
topic	Ciencias Informáticas Bibliotecología Google Académico Análisis de Datos escaneado web minería web lenguaje R Google Scholar Web Scraping Web Mining R Lenguage data analysis
spellingShingle	Ciencias Informáticas Bibliotecología Google Académico Análisis de Datos escaneado web minería web lenguaje R Google Scholar Web Scraping Web Mining R Lenguage data analysis Murillo, Danny Saavedra, Dalys Calderón, Huriviades Implementación de algoritmo para la extracción de datos estructurados de perfiles en Google Académico
topic_facet	Ciencias Informáticas Bibliotecología Google Académico Análisis de Datos escaneado web minería web lenguaje R Google Scholar Web Scraping Web Mining R Lenguage data analysis
description	Este trabajo muestra el desarrollo e implementación de un algoritmo para extraer datos de perfiles y publicaciones de Google Académico (GA) utilizando Web Scraping, técnica no estructurada de minería de datos que escanea los datos de una página web. El código del algoritmo se crea utilizando el lenguaje R el cual nos permite personalizar la extracción de datos implementando funciones de extracción de perfiles y publicaciones de una universidad. En las pruebas de extracción de datos realizadas con las herramientas web y online se logró un promedio de 2 a 8 horas para extraer un promedio de 55 perfiles y 1400 publicaciones, mientras que con el algoritmo se logra extraer la misma cantidad de perfiles y publicaciones en 4 minutos con datos estructurados en formato de tabla que pueden ser exportadas para su posterior uso. Estas pruebas fueron realizadas en un periodo de 1 año, depurando errores y mejorando tanto el tiempo de extracción de los datos de salida. Una de las limitantes del algoritmo es que en universidades con más de 2,000 perfiles, este, es bloqueado por GA debido a que el tiempo de extracción aumenta y considera que es un robot o araña quien escanea los datos, es por ello que se trabaja en mejorar el proceso de extracción. El trabajo realizado permite que este algoritmo sea una herramienta para quienes realizan análisis de datos de indicadores científicos o para quienes realizan análisis bibliométricos de revistas académicas y científicas con perfiles en GA.
format	Objeto de conferencia Objeto de conferencia
author	Murillo, Danny Saavedra, Dalys Calderón, Huriviades
author_facet	Murillo, Danny Saavedra, Dalys Calderón, Huriviades
author_sort	Murillo, Danny
title	Implementación de algoritmo para la extracción de datos estructurados de perfiles en Google Académico
title_short	Implementación de algoritmo para la extracción de datos estructurados de perfiles en Google Académico
title_full	Implementación de algoritmo para la extracción de datos estructurados de perfiles en Google Académico
title_fullStr	Implementación de algoritmo para la extracción de datos estructurados de perfiles en Google Académico
title_full_unstemmed	Implementación de algoritmo para la extracción de datos estructurados de perfiles en Google Académico
title_sort	implementación de algoritmo para la extracción de datos estructurados de perfiles en google académico
publishDate	2018
url	http://sedici.unlp.edu.ar/handle/10915/71442 http://repositorio.pucp.edu.pe/index/handle/123456789/133795
work_keys_str_mv	AT murillodanny implementaciondealgoritmoparalaextracciondedatosestructuradosdeperfilesengoogleacademico AT saavedradalys implementaciondealgoritmoparalaextracciondedatosestructuradosdeperfilesengoogleacademico AT calderonhuriviades implementaciondealgoritmoparalaextracciondedatosestructuradosdeperfilesengoogleacademico
bdutipo_str	Repositorios
_version_	1764820482663645185

Implementación de algoritmo para la extracción de datos estructurados de perfiles en Google Académico

Ejemplares similares