Los investigadores informáticos Mohammad Pourzaferani y Mohammad Ali Nematbakhsh, Ingenieros en Computación de la Universidad de Isfahan, Irán, han desarrollado un software que puede reparar el 90% de los enlaces rotos en la web de datos, asumiendo que los recursos aún están en el servidor del sitio.



Todos hemos experimentado la frustración de haber seguido un enlace a un sitio web interesante para descubrir que la página buscada ya no existe y se nos muestra un mensaje de error. Sin embargo, es aún más frustrante y con graves implicaciones para la ciencia, la salud, la industria y otras áreas en las que las máquinas necesitan comunicarse para encontrar recursos específicos que resultan faltantes o desarticulados de su identificador, con la consiguiente alteración del proceso involucrado.

Esto puede causar problemas cuando una computadora está procesando una gran cantidad de datos en un análisis científico o financiero, por ejemplo. Si el recurso esta aún en los servidores, entonces podrán ser recuperados utilizando un algoritmo lo suficientemente efectivo que pueda recrear los enlaces perdidos.

La técnica: Monitorear un gráfico de datos

Los investigadores explican que la mayoría de los esfuerzos para resolver el problema se ha centrado hasta ahora en el intento de reparar los enlaces rotos en el punto de destino. Este enfoque tiene dos limitaciones inherentes: primera, se dirige a un único punto de fallo, mientras que a través de una base de datos se pueden encontrar más resultados; segunda, está basada en el conocimiento del destino de la fuente de datos, que no siempre es asequible.

El equipo de investigadores ha introducido ahora un método para reparar los enlaces rotos, que se basa en el punto de origen de los vínculos y en un ingenioso procedimiento para descubrir la nueva dirección de la entidad digital que se ha desvinculado. Su método crea un conjunto de datos superior e inferior, que permite crear un gráfico de datos exclusivo que puede ser monitoreado en función del tiempo, con el fín de identificar los cambios y retener los enlaces perdidos como recursos para ser separados.

La eficiencia del algoritmo

“El algoritmo propuesto utiliza el hecho que las entidades del enlace preservan la estructura del evento, aún después de ser desplazadas a otra ubicación. Por lo tanto, el algoritmo crea una estructura gráfica exclusiva para cada entidad”, explica Pourzaferani. Este gráfico consiste de dos tipos de entidades llamadas ‘Superior’ e ‘Inferior’, que son las entidades que señalan hacia la entidad separada y la señalada por ella misma, respectivamente.

Cuando se detecta un enlace roto, se ejecuta el algoritmo iniciando la tarea para encontrar la nueva ubicación, separando la entidad o el mejor candidato similar a ésta. Con este fin se acciona el módulo rastreador, que busca el ‘Superior’ de cada entidad en la base de datos ‘Inferior’ y viceversa. Después de algunos pasos se estrecha el espacio de búsqueda y se elige el mejor candidato”.

Los investigadores probaron el algoritmo en dos instantáneas de DBpedis, en el cual están contenidas alrededor de 300,000 entidades personales. Los algoritmos identificaron casi 5,000 entidades que cambiaron entre la primera y segunda registrada, un instante después. Los algoritmos han demostrado su proeza en la relocalización de 9 recuperados de 10 enlaces rotos.

La investigación ha sido publicada en la Revista Internacional de Ingeniería Web y Tecnología, IJWET (International Journal Web Engineering and Technology).

Fuentes: Science Daily