T abajo de Fin de G ado
Mine ´ıa de p ocesos aplicada al es udio de
wikis
Ignacio Ga c´ıa S´anchez-Migall´on
Uni e sidad Complu ense de Mad id
Facul ad de In o m´a ica
Di ec o :
Ja ie A oyo Galla do
Mad id, Mayo, 2019
A Ja ie A oyo Galla do, po su es ue zo y dedicaci´on, po hace que es e p oyec o haya
sido posible.
A mi amilia, amigos, y a Helena, po su incansable apoyo.
Resumen
La c eaci´on colabo a i a de conocimien o siemp e ha sido uno de los pila es de in e ne
desde la web 2.0. A p io i, los in en os de c ea con enido median e la acci´on colec i a de
di e en es indi iduos sin coo dinaci´on ni luc aci´on pe sonal debe ´ıa se inu il pues se p oduce
un en´omeno conocido como la agedia de los comunes.La agedia de los comunes es una
si uaci´on donde un sis ema compues o po usua ios que ac ´uan independien emen e pa a lo-
g a su bene icio pe sonal ienden a ene compo amien os con a ios al in e ´es com´un. Sin
emba go, se ha demos ado que es o no iene po que se cie o: la colabo aci´on desin e esada
y sin o ganizaci´on en e los di e en es usua ios ha hecho posible la exis encia de comunidades
cuyo ´unico p op´osi o es la di usi´on del conocimien o: las wikis.
Las wikis, compues as po di e en es a ´ıculos, es ´an siendo ampliamen e es udiadas. Sin em-
ba go, los p ocesos que de e minan la e oluci´on de su con enido e inhe en es a su p opio
uncionamien o y aquelllos seguidos po los p opios usua ios en su ac i idad no son del odo
conocidos. En es e p oyec o se p opone y aplica una se ie de ´ecnicas conocidas como (i) mi-
ne ´ıa de p ocesos pa a descub i y analiza es os p ocesos exis en es en la labo de la esc i u a
colabo a i a an o a ni el a ´ıculo como a ni el usua io as´ı como (ii) ´ecnicas de mine ´ıa social
pa a isualiza las es uc u as de colabo aci´on exis en es en e los p opios usua ios. Pa a es o
se ha ´a uso de la Wikipedia Espa˜nola como e e encia.
Con el obje i o de ealiza es e es udio se ha ´a uso de los his o iales de e isi´on con el que
cuen a cada a ´ıculo de Wikipedia y una axonom´ıa de in enciones sem´an icas as cada e-
isi´on compues a de 13 ca ego ´ıas como con a andalismo, e ac o izaci´on o elabo aci´on.
Haciendo uso de un conjun o de da os do ado 5684 e isiones y sus in enciones sem´an icas se
desa olla un modelo p edic i o que alcanza un alo de F1 mic o de 0.64. Con es e modelo y
dichos his o iales de e isiones se gene a un co pus compues o de di e en es a ´ıculos des aca-
dos y las in enciones as cada una de sus e isiones. Con las e isiones en combinaci´on con
sus in enciones y el uso de mine ´ıa social y de p ocesos se obse a la es uc u a colabo a i a
de los usua ios, los p ocesos seguidos po los a ´ıculos as´ı como los p ocesos seguidos po los
p opios usua ios en sus sesiones de edici´on.
Los esul ados mues an que, aunque no exis e un p oceso uni icado en la e oluci´on de los
a ´ıculos, se puede e como las di e en es mane as de abaja de los edi o es en e apas em-
p anas del a ´ıculo iene in luencia en el desa ollo del mismo. Adem´as, los p ocesos seguidos
po los p opios usua ios siguen pa ones que pe mi en clasi ica los den o de una axonom´ıa
de oles de abajo, e i icando los hallazgos ob enidos en o os es udios. Po ´ul imo, aunque
gene almen e no exis e colabo aci´on expl´ıci a en e los usua ios, se obse an colabo aciones
o ganizadas en momen os pun uales.
Palab as cla e: Mine ´ıa de p ocesos, Mine ia social, Ap endizaje au om´a ico, P oM, Red
de pe i, Edici´on, P oducci´on colabo a i a de conocimien o
T abajo de Fin de G ado iii

Abs ac
Collabo a i e w i ing has always been one o he pilla s o he in e ne since he web 2.0.
Usually, he a emp s o c ea e con en collabo a i ely wi h indi iduals wi hou o ganiza ion
o bene i a e useless, esul ing in a phenomenon called he agedy o he commons.The
agedy o he commons, is a si ua ion whe e a sys em composed o independen use s ha
pu sue hei own goals beha e agains he common good. Howe e , he sel less collabo a ion
be ween di e en , uno ganized use s made possible he exis ence o communi ies whose only
pu pose is he di usion o knowledge: he wikis.
The wikis, o med by a co pus o di e en a icles, a e cu en ly unde ex ensi e s udy. Des-
pi e ha , he p ocesses ha de e mine he e olu ion o i s con en and he p ocesses ollowed
by he use s in i s ac i i y a e no o ally known. In his p ojec , a se ies o echniques a e
p oposed and applied: (i) p ocess mining o disco e and analyze he exis en p ocesses in he
ask o collabo a i e w i ing om an a icle and use poin o iew, and (ii) social mining o
isualize he collabo a ion s uc u es among he di e en use s. The objec o he s udy, will
be he Spanish Wikipedia.
E e y a icle in Wikipedia has a eco d o all he edi ions made o i . Those eco ds along
wi h a axonomy o 13 seman ic in en ion behind each e ision (e.g e- ac o ing, elabo a ion
o coun e andalism) will be used o mee he goals o his s udy. Wi h a da a se o 5684
e isions and i s seman ic in en ions, a p edic i e model wi h a F1 mic o o 0.64 is c ea ed.
Combining his model wi h he eco ds o e isions o some ea u ed a icles gene a es he
di e en seman ic in en ions behind each e ision. These p edic ed seman ic in en ions and
i s e isions cons i u e he inpu o he echniques o social mining and p ocess mining. Such
echniques allows he obse a ion o he p ocesses ollowed by he a icle, he p ocesses ollo-
wed by hei use s in hei ac i i y and he collabo a i e s uc u e be ween use s.
Resul s show ha , e en hough he e is no such hing as a uni ied p ocess in he e olu ion
o he a icles, he di e en beha iou s o he use s in he ini ial s ages o an a icle ha e an
in luence in i s de elopmen . Fu he mo e, he p ocesses ollowed by he use s in hei ac i i y
ollow pa e ns ha e i y he indings o p e ious s udies in his opic. Gene ally, he e is
no o ganized collabo a ion among he use s. Howe e , he esul s imply ha some imes he
collabo a ion be ween use s is explici ly o ganized.
Keywo ds: P ocess mining, Social mining, Machine lea ning, P oM, Pe i Ne , Collabo-
a i e p oduc ion o knowledge, Edi ion
i T abajo de Fin de G ado
´
Indice gene al
´
Indice gene al V
´
Indice de igu as VIII
´
Indice de ablas 1
1. In oducci´on 2
1.1. Mo i aci´on ..................................... 3
1.2. Obje i os ...................................... 4
1.3. Me odolog´ıa ..................................... 4
1.4. Es uc u a ...................................... 5
2. In oduc ion 7
2.1. Mo i a ion ..................................... 8
2.2. Objec i es ...................................... 9
2.3. Me hodology .................................... 9
2.4. S uc u e ...................................... 10
3. Fundamen os e´o icos 11
3.1. T abajo elacionado ................................ 11
3.1.1. Iden i icando in enciones sem´an icas de las e isiones de Wikipedia . . 11
3.1.2. Es abilidad u bulen a de los oles eme gen es .............. 13
3.2. Ap endizaje au om´a ico .............................. 14
3.2.1. Ap endizaje supe isado .......................... 14
3.2.2. M´e icas ................................... 14
3.2.3. Validaci´on c uzada de la clasi icaci´on ................... 15
3.2.4. Algo i mos de clasi icaci´on ......................... 16
3.2.5. Ingenie ´ıa de ca ac e ´ıs icas ........................ 17
3.2.6. Sob emues eo ............................... 17
3.3. ¿Qu´e es la mine ´ıa de p ocesos? .......................... 18
3.3.1. Pun o de comienzo: el o ma o XES ................... 19
3.3.2. Descub iendo los p ocesos ......................... 21
3.3.3. Redes de Pe i ............................... 22
3.3.4. De la mine ´ıa de p ocesos a la mine ´ıa social .............. 23
T abajo de Fin de G ado
´
INDICE GENERAL
4. Tecnolog´ıas y he amien as 25
4.1. Tecnolog´ıas ..................................... 25
4.2. He amien as .................................... 27
4.2.1. P oM ools ................................. 27
5. P ocesamien o de los his o iales de e isi´on 29
5.1. Desca ga de da os ................................. 30
5.2. Ex acci´on de in o maci´on ............................. 31
5.3. Ob enci´on de ca ac e ´ıs icas ............................ 31
5.4. Cambio de o ma o ................................. 32
5.5. Gene aci´on y an´alisis de modelos p edic i os .................. 32
5.5.1. Da os iniciales ............................... 33
5.5.2. M´e icas de e aluaci´on ........................... 35
5.5.3. Clasi icaci´on bina ia ............................ 35
5.5.4. Clasi icaci´on mul i-e ique a ........................ 43
5.5.5. Conclusiones ................................ 47
6. An´alisis con mine ´ıa de p ocesos 49
6.1. Ob enci´on de da os ................................. 50
6.2. T ans o maci´on a XES ............................... 53
6.3. An´alisis explo a o io de los da os ......................... 53
6.4. An´alisis a ni el a ´ıculo .............................. 58
6.4.1. An´alisis de la ed de Pe i descompues a 1 ................ 61
6.4.2. An´alisis de la ed de Pe i descompues a 2 ................ 63
6.4.3. An´alisis del conjun o de mini edes de Pe i descompues as 3 ..... 63
6.5. An´alisis a ni el edi o ............................... 71
6.5.1. Edi o es de ac i idad baja ......................... 71
6.5.2. Edi o es de ac i idad in e media ..................... 75
6.5.3. Edi o es de ac i idad al a ......................... 80
7. An´alisis con mine ´ıa social 86
7.1. Ob enci´on de da os ................................. 88
7.2. Hando e o Wo k ................................. 88
7.2.1. A ´ıculo Tie a ............................... 89
7.2.2. A ´ıculo ´
Acido desoxi ibonucleico .................... 90
7.3. Subcon ac ing ................................... 92
7.3.1. A ´ıculo Tie a ............................... 92
7.3.2. A ´ıculo ´
Acido desoxi ibonucleico .................... 94
8. Conclusiones 96
8.1. Conclusiones mine ´ıa de p ocesos a ni el a ´ıculo ................ 96
8.2. Conclusiones mine ´ıa de p ocesos a ni el edi o ................. 96
8.3. Conclusiones mine ´ıa social ............................ 97
8.4. Conclusiones globales ................................ 98
i T abajo de Fin de G ado
´
Indice de ablas
3.1. In enciones seg´un la axonom´ıa usada y su desc ipci´on ( uen e: [24]) ..... 12
3.2. Taxonom´ıa de oles seg´un ac i idades ealizadas en cada e isi´on ....... 13
5.1. Vis azo gene al de los da os ............................ 33
5.2. Mic o media de los esul ados de los es algo i mos .............. 38
5.3. Mic o-media de los esul ados de los di e en es bosques alea o ios c eados . . 43
5.4. Bosque alea o io inal mul i-e ique a ....................... 46
5.5. Mic o media de los esul ados de los modelos inales de cada en oque . . . . . 47
T abajo de Fin de G ado 1

Cap´ı ulo 1
In oducci´on
La colabo aci´on es uno de los pila es de in e ne desde la web 2.0. Desde su inicio, su ob-
je i o e a pode elimina las ba e as exis en es en la comunicaci´on. As´ı, en cues i´on de unas
decadas, el olumen de da os exis en e en la ed ha aumen ado exponencialmen e, llegando a
in lui en nume osos aspec os de nues as idas dia ias. Uno de sus log os m´as des acables es
la acilidad de la di usi´on de la in o maci´on, haciendola m´as accesible y abundan e que nunca.
Un en´omeno conocido como la agedia de los comunes desc ibe como en un sis ema com-
pues o po usua ios que ac ´uan independien emen e, es os buscan el bene icio pe sonal dando
luga a compo amien os con a ios al bien com´un. So p enden emen e, en in e ne es o no
siemp e se cumple. P ueba de ello es la c eaci´on y ´exi o de las wikis: p´aginas de conocimien o
basadas en la esc i u a colabo a i a. En las wikis los usua ios son o almen e olun a ios y no
exis e bene icio alguno de i ado de sus ac i idades [21]. A d´ıa de hoy exis en miles de wikis
di e en es pe o de en e odas, des aca Wikipedia. Wikipedia es la enciclopedia lib e m´as
g ande del mundo con 5.853.387 a ´ıculos, 36.262.835 edi o es y m´as de 18 mil millones de
isi as anuales poniendo el conocimien o a disponibilidad del mundo en e o. Adem´as, Wiki-
pedia cuen a con uno ipo de a ´ıculos denominados a ´ıculos des acados. Es os a ´ıculos han
sido ca alogados como e e en e de calidad, es deci , de ’los mejo es a ´ıculos de Wikipedia’.
En la Wikipedia Espa˜nola, es o supone s´olo 1127 a ´ıculos, el 0.07 % del o al.
Cada uno de es os a ´ıculos cuen a con un his o ial de e isiones p´ublico al que cualquie a
puede accede acilmen e. G acias a es o las wikis pueden se y es ´an siendo ampliamen e
es udiadas (especialmen e Wikipedia).
Un ejemplo de in es igaciones ya ealizadas, es el es udio de los di e en es oles que pueden
adqui i los usua ios en unci´on de su mane a de abaja en ’Es abilidad u bulen a de los
oles eme gen es’ ([5]). En la in es igaci´on, se de e mina un conjun o de oles en unci´on de las
ac i idades que ealizan los edi o es (po ejemplo: igilan es, que supe isan el la in eg idad
del a ´ıculo; edi o es odo e eno que hacen un poco de odo; ´andalos que gene an p ejuicios
a los a ´ıculos in encionadamen e)
O o caso, es el es udio de la supe i encia de los usua ios en unci´on de las in enciones
encon adas as sus ediciones en ’Iden i icando in enciones sem´an icas en las e isiones de
Wikipedia’ ([24]). Aqu´ı se desa olla una axonom´ıa de 13 in enciones sem´an icas como wi-
ki icaci´on, elacionada con mo i os de o ma o de Wikipedia; elabo aci´on, cuyo obje i o es
a˜nadi con enido, e c... y en base a ella se es udia la supe i encia de los usua ios as sus
2 T abajo de Fin de G ado
CAP´
ITULO 1. INTRODUCCI ´
ON
p ime as e isiones, de e minando que exis e una elaci´on.
Sin emba go, los lujos de abajo en Wikipedia inhe en es a su p opio uncionamien o
en los a ´ıculos y en los p opios edi o es no son an conocidos. Es e lujo de abajo puede
se denominado p oceso. Un ejemplo de p oceso se ´ıa el conjun o de pasos seguido po un
a ´ıculo desde su c eaci´on has a la ac ualidad. Pa iendo de las in es igaciones an e io es y
los his o iales de e isiones de los a ´ıculos de Wikipedia se plan ea el es udio de los p ocesos
que siguen los a ´ıculos en caso de que es os exis an, as´ı como los seguidos po los usua ios
du an e sus ediciones y las elaciones de colabo aci´on exis en es en e los mismos. Pa a es o
se ha ´a uso de la mine ´ıa de p ocesos y la mine ´ıa social.
La mine ´ıa de p ocesos se compone po un conjun o de ´ecnicas de mine ´ıa que pe mi en
ex ae in o maci´on pa a descub i , moni o iza y mejo a p ocesos [4]. Es a in o maci´on pue-
de se analizada pa a oma o ma de decisiones de negocio o es a ´egicas pa a op imiza los
p ocesos o simplemen e pa a conoce el p opio uncionamien o de los mismos. Sin emba go,
sus aplicaciones pa a inc emen a la e iciencia de un p oceso no es lo que lo hace in e esan e
de ca a al es udio obje o de es e p oyec o, sino el p opio descub imien o de los p ocesos in-
he en es a la edici´on y e oluci´on de los a ´ıculos des acados y de los edi o es en comunidades
de conocimien o colabo a i o abie as como la Wikipedia espa˜nola.
Po o o lado, la mine ´ıa social hace uso de ´ecnicas de sociome ´ıa y an´alisis de edes so-
ciales [3] pa a obse a y conoce las posibles elaciones exis en es en e los usua ios. Es deci ,
se a a una ama de la mine ´ıa de p ocesos donde el oco se pone en las in e acciones en e
los usua ios p esen es en el p oceso. De es a mane a, se ealiza ´a un es udio de las elaciones
exis en es en e los edi o es de un a ´ıculo de Wikipedia.
Aunque es as ´ecnicas de mine ´ıa de p ocesos y mine ´ıa social son ela i amen e nue as,
ya han sido applicadas con ´exi o en ´ambi os como la educaci´on ([6]) pa a es udia los p ocesos
seguidos po escuelas o academias o en la esc i u a de conocimien o colabo a i a den o de
abajos ealizados po es udian es en un con ex o simila al de es e p oyec o ([19]).
1.1. Mo i aci´on
La mo i aci´on de es e p oyec o es la al a de espues a an e las siguien es p egun as:
¿Exis en p ocesos de e minados que siguan los a ´ıculos du an e su desa ollo?
¿Qu´e p ocesos, en caso de exis i , siguen los usua ios du an e su his o ial de ediciones?
¿De qu´e mane a colabo an en e s´ı los usua ios?
Tan o la p ime a como la segunda p egun a no cons a que hayan sido esuel as. Pa a e-
sol e las se ha ´a uso de la mine ´ıa de p ocesos. Un en oque o almen e no edoso, pues adem´as
de se un ´a ea de conocimien o ela i amen e nue a, nunca ha sido aplicada en es e con ex o.
Es e en oque seleccionado adem´as de no edoso es p ome edo pues es udia la es uc u a o
es uc u as que puedan segui se en Wikipedia apo a una pe spec i a comple amen e nue a
T abajo de Fin de G ado 3
CAP´
ITULO 1. INTRODUCCI ´
ON
y m´as gene al que p e ende e si ealmen e Wikipedia sigue un p oceso an´a quico de e olu-
ci´on en sus a ´ıculos o si exis e cie a o ganizaci´on. Del mismo modo, es udia los p ocesos
de los usua ios desde la pe spec i a del conjun o de sus acciones, puede pe mi i e o za los
esul ados de los oles de usua io de es udios como el p e iamen e mencionado ’Es abilidad
u bulen a de los oles eme gen es’ ([5]).
Po o o lado, la e ce a p egun a aunque s´ı es udiada nunca se ha es udiado median e la
mine ´ıa social de i ada de la pe spec i a de p oceso. Adem´as, pe mi e complemen a los
esul ados ob enidos pa a esponde la segunda p egun a.
1.2. Obje i os
Los obje i os de es e p oyec o son b´asicamen e las p egun as p e iamen e o muladas.
Median e el no edoso en oque de la mine ´ıa de p ocesos, se a a ´a de descub i los p ocesos
in e nos seguidos po un conjun o alea o io seleccionado de a ´ıculos des acados de la Wiki-
pedia espa˜nola. Adem´as se descub i ´an ambi´en los p ocesos seguidos po los p opios usua ios
en su compo amien o habi ual de edici´on den o de esos mismos a ´ıculos y las es uc u as
de colabo aci´on que puedan o ma se en e los usua ios.
1.3. Me odolog´ıa
El pun o de pa ida del p oyec o es el his o ial de e isiones de cada a ´ıculo, la Wikipedia
Espa˜nola y las in es igaciones p e iamen e mencionadas ( ’Es abilidad u bulen a de los oles
eme gen es’ [24] e ’Inden i icando in enciones sem´an icas en las e isiones de Wikipedia’ [5]).
En p ime luga se selecciona ´a un conjun o de a ´ıculos des acados alea o ios pe o cada
uno de di e en e em´a ica. Los his o iales de edici´on de cada a ´ıculo se ´an desca gados y se
ex ae ´a in o maci´on ´u il de los mismos como el nomb e del edi o y la echa en la que se
ealiz´o la e isi´on.
De es os his o iales, que emos ob ene las in enciones as cada una de sus e isiones. En
es e pun o, en a en juego la in es igaci´on que desa olla una axonom´ıa de 13 ca ego ´ıas
que ep esen an las dis in as in enciones sem´an icas as cada e isi´on ([24]) elacionadas con
mo i os de edici´on de ex o o o ma o, supe isi´on de la in eg idad del a ´ıculo o co ecci´on de
e o es. Siguiendo es a axonom´ıa desa ollamos un modelo p edic i o que alcanza alo es de
mic o F1 de 0.64 capaz de e ique a las in enciones de los his o iales de e isi´on desca gados.
Una ez que con amos con los his o iales de e isi´on e ique ados en base a su in encio-
nalidad, se puede comenza el es udio pa a esponde a las p egun as obje i o de es e abajo.
La p egun a ¿Exis en p ocesos de e minados que siguan los a ´ıculos du an e su desa o-
llo? se ´a con es ada median e la aplicaci´on de la mine ´ıa de p ocesos bajo la pe spec i a de
a ´ıculo. Es deci , se analiza ´a el conjun o de a ´ıculos en base al lujo de in enciones seguido
en cada una de las e isiones ealizadas en los mismos.
En cuan o a la siguien e p egun a u obje i o, ¿Qu´e p ocesos, en caso de exis i , siguen los
usua ios du an e su his o ial de ediciones?, se ha ´a uso ambi´en de la mine ´ıa de p ocesos.
Sin emba go, la pe spec i a se ´a o a: el oco se pond ´a en el usua io. De es a mane a, lo
4 T abajo de Fin de G ado
CAP´
ITULO 1. INTRODUCCI ´
ON
que se ha ´a se ´a es udia el conjun o de usua ios y sus acciones en cada e isi´on de e minada
po su in encionalidad en luga de cada a ´ıculo. Pa a ob ene una pe spec i a mas compa -
imen alizada, los usua ios se ´an ag upados en unci´on de di e en es ni eles de ac i idad y
cada ni el se es udia ´a po sepa ado. As´ı, los esul ados ob enidos se in e p e a ´an jun o con
la axonom´ıa de oles de edi o mencionada p e iamen e ([5]).
Po ´ul imo la cues i´on ¿De qu´e mane a colabo an en e s´ı los usua ios? se ´a con es ada
g acias a la aplicaci´on de la mine ´ıa social. Se es udia ´an las elaciones en e los usua ios en
base a dis in as m´e icas como hando e o wo k, que mide el ele o de unos usua ios a o os
en las labo es de edici´on o subcon ac ing que mide la can idad de eces que un usua io edi a
en e dos e isiones de o o. Es e an´alisis equie e un ni el de de alle mayo po lo que en
luga de aplica es as ´ecnicas al conjun o de his o iales de e isi´on p e iamen e desca gados,
se aplica ´an indi idualmen e a solamen e dos a ´ıculos del conjun o.
1.4. Es uc u a
La es uc u a del documen o es la siguien e:
1. In oducci´on: La in oducci´on plan ea el p oblema inicial, la mo i aci´on pa a esol e lo
y el p oceso seguido pa a ello. Es e cap´ı ulo adem´as se encuen a an o en ingl´es como
en espa˜nol.
2. Fundamen os e´o icos: In oduce los undamen os e´o icos necesa ios pa a la co ec a
comp ensi´on del ex o. Desa olla los pila es e´o icos de in es igaciones p e ias en los
que se apoya el p oyec o y explica en de alle en qu´e consis e la mine ´ıa de p ocesos y
qu´e u ilidad iene. Adem´as, se explica en qu´e consis e la mine ´ıa social y su elaci´on
con la mine ´ıa de p ocesos.
3. Tecnolog´ıas y he amien as: Es e cap´ı ulo se cen a en la explicaci´on de las di e en es
ecnolog´ıas usadas a lo la go del p oyec o.
4. P ocesamien o de los his o iales de e isi´on: Su obje i o es explica odo el p oceso
seguido desde la desca ga de los da os iniciales has a la ob enci´on de un conjun o de
da os lis o pa a se analizado median e la mine ´ıa de p ocesos. Incluyendo po an o
la elabo aci´on y uso de un modelo p edic i o basando en la axonom´ıa de in enciones
sem´an icas desa ollada en ’Iden i icando in enciones sem´an icas as las e isiones de
Wikipedia’ [24].
5. An´alisis con mine ´ıa de p ocesos: Explica en de alle odo el abajo ealizado con ´ecnicas
de mine ´ıa de p ocesos desde dos pe spec i as di e en es: usua io y a ´ıculo pa a ob ene
in o maci´on ace ca del p oceso seguido po los a ´ıculos en su e oluci´on y el seguido po
los edi o es en sus sesiones de edici´on.
6. An´alisis con mine ´ıa social: En es e cap´ı ulo comen amos en de alle los esul ados de
aplica un an´alisis de mine ´ıa social pa a descub i las posibles colabo aciones en e los
edi o es de Wikipedia usando un a iado conjun o de da os y di e en es m´e icas.
7. Conclusiones: Cla a y b e e desc ipci´on de odos los hallazgos hechos a lo la go del
p oyec o con la aplicaci´on de la mine ´ıa social y de p ocesos.
T abajo de Fin de G ado 5

CAP´
ITULO 1. INTRODUCCI ´
ON
8. T abajo u u o: Cap´ı ulo que habla del abajo que a´un no ha sido ealizado, los mo i os
de es o y posibles mejo as que se puedan a˜nadi .
9. C´odigo: Qu´e sc ip s han sido u ilizados du an e el p oyec o as´ı como d´onde se encuen an
localizados y su au o ´ıa.
6 T abajo de Fin de G ado
Cap´ı ulo 2
In oduc ion
Collabo a i e w i ing is one o he pilla s o he In e ne since he 2.0 web. In he be-
ginning o he in e ne i s objec i e was o elimina e he exis ing communica ion ba ie s.
In jus a couple o decades he olume o da a exis ing on he ne has g own exponen ially,
eaching a poin o di ec in luence on ou daily li es. One o In e ne ’s bigges achie emen
is i s di usion powe making knowledge mo e a ailable and ee han e e be o e.
A phenomenon known as he agedy o he commons desc ibe a sys em composed o inde-
penden use s ha pu sue hei own goals beha e agains he common goal. Howe e , his is
no always ue. The sel less collabo a ion be ween di e en , uno ganized use s made possible
he exis ence o communi ies whose only pu pose is he di usion o knowledge: he wikis. In
a wiki, he use s a e comple ely olun a y and he e is no bene i wha soe e [21]. Nowadays,
he e is housands o di e en wikis bu among all o hem he e is an special case called
Wikipedia. Wikipedia is he bigges ee encyclopedia in he wo ld wi h 5.853.387 o a icles,
36.262.835 edi o s and mo e han 18 billions o annual isi s. Fu he mo e, Wikipedia has
di e en ca ego ies o a icles based on hei quali y. The op quali y ones a e called ea u ed
a icles and hey a e sca ce. As an example, in he Spanish Wikipedia he ea u ed a icles
only ep esen he 0.07 % o a icles: only 1127 a icles.
Each and e e y o he a ailable a icles in Wikipedia has i s own public his o ic o e i-
sions. Thanks o his, he wikis a e cu en ly being unde ex ensi e s udy.
One o he esea ches al eady published c ea es a p o iling o he edi o s based on hei
ac i i ies (’Tu bulen s abili y o eme gen oles’ [5]). A axonomy o oles is c ea ed (e.g
wa chdogs ha ensu es he in eg i y o he a icle, all- ound-con ibu o s who do e e y kind
o ask, andals who damage he a icle on pu pose...) in o de o pe o m his p o iling.
Ano he case o s udy is he su i al o he new edi o s based on he in en ions behind hei
e isions in ’Iden i ying seman ic edi in en ions om e isions in Wikipedia’ ([24]). In his
pape a axonomy o 13 ca ego ies o seman ic in en ions behind each e ision is c ea ed (e.g
wiki ica ion, ela ed wi h o ma ing o Wikipedia; elabo a ion, based on he addi ion o con-
en ...). Based on his axonomy, he su i al o he new use s is s udied du ing hei i s
session o edi ions. Findings show ha he e is a ela ion be ween he in en ions done and
hei su i al, implying ha some edi ions a e no sui ed o beginne s.
Howe e , he wo k lows in Wikipedia inhe en o i s own ac i i y in he a icles and in he
T abajo de Fin de G ado 7
CAP´
ITULO 2. INTRODUCTION
edi o s a e no known. These wo k lows a e also known as p ocesses. An example o p ocess
would be he o de ly combina ion o s eps since he c ea ion o an a icle o he p esen day.
Using he esul s ob ained in he he p e ious esea ches and he his o ic o e isions om
he Wikipedia a icles, his p ojec p oposes he s udy o he p ocesses ollowed by a icles, in
case hey exis s, and he p ocesses o he use s in hei edi ion sessions. Also, he ela ionships
be ween he use s will be s udied. In o de o a ain hose goals, a new app oach is p oposed:
p ocess mining and social mining.
P ocess mining is composed by di e en mining echniques wi h he pu pose o ex ac ing
in o ma ion, disco e ing p ocesses and imp o ing hem [4]. This in o ma ion is analyzed o
ans o m i in o business o s a egic decisions o imp o e pe o mance. Howe e , i s applica-
ions o imp o e pe o mance a e no use ul in he con ex o his s udy. In his documen he
disco e y o he p ocesses hemsel es is he goal. Using p ocess mining he p ocesses ollowed
by he a icles and he use s in hei edi sessions will be un eiled.
On he o he hand social mining use a combina ion o sociome y echniques wi h social
ne wo k analysis [3] o obse e and disco e he exis ing ela ionship among he use s. Social
mining de i es om p ocess mining. Howe e he e he ocus is he in e ac ions in he use s
p esen in he p ocesses. Wi h such echniques an s udy o he social aspec s o he use s will
be pe o med o ob ain a clea pic u e o he ela ionship o med be ween he edi o s in a
Wikipedia a icle.
Despi e his echniques being ela i ely new, hey ha e al eady been applied wi h success
in di e en ields like educa ion o s udy he p ocesses ollowed by schools o academies ([6])
and also in he collabo a i e w i ing ying o disco e he p ocesses ollowed by s uden s
w i ing a p ojec in g oups ([19]).
2.1. Mo i a ion
The mo i a ion behind his p ojec is he lack o answe o he ollowing ques ions:
Is he e any p ocess ollowed by an a icle in i s e olu ion?
Which p ocesses do a use s ollow du ing i s ac i i y?
How do he di e en edi o s collabo a e wi h each o he ?
The i s and he second answe ha e no been answe ed p e iously. In o de o answe
hem, p ocess mining will be used. This app oach is comple ely new in his con ex and
p o ides new ools o b oaden ou knowledge o Wikipedia. Such echniques enable us o
s udy he inne p ocesses o Wikipedia’s a icles and use s o de e mine i he e is a ’pa h’ in
he e olu ion o a icles and use s o i i is an ana chic e olu ion.
On he o he hand, he hi d ques ion has al eady been s udied. Howe e , i has no been
s udied ye wi h he social mining app oach gi en by he p ocess mining. Fu he mo e, his
in o ma ion could po en ially complemen he esul s om he p e ious ques ion.
8 T abajo de Fin de G ado
CAP´
ITULO 3. FUNDAMENTOS TE ´
ORICOS
3.2. Ap endizaje au om´a ico
El ap endizaje au om´a ico es un campo de la in o m´a ica cuyo obje i o es la soluci´on de
p oblemas median e la ob enci´on de un conjun o de da os y un modelo es ad´ıs ico basado
en es os da os [8]. Es deci , se dedica al es udio de los algo i mos y modelos es ad´ıs icos que
hacen posible que un compu ado ealize una a ea espec´ı ica sin ins ucciones expl´ıci as sob e
c´omo hace lo.
Es e ap endizaje puede se supe isado, sin supe isi´on, e o zado o semi-supe isado. En
es e p oyec o espec´ı icamen e el in e ´es es ´a en el ap endizaje supe isado.
3.2.1. Ap endizaje supe isado
El ap endizaje supe isado se basa en el modelado de la elaci´on en e un conjun o de
a ibu os y una e ique a asociada a los mismos [20].
El conjun o de da os de en ada se compone de ejemplos e ique ados en base a di e en es
ca ego ´ıas como pod ´ıa se V e dade o oF also.
De es a mane a, los algo i mos de ap endizaje au om´a ico hacen uso de unos da os e i-
que ados pa a in e i una unci´on que sea capaz de dis ingui en e las di e en es e ique as
posibles y pode e ique a au om´a icamen e nue os casos en el u u o con la necesidad, sola-
men e, de los a ibu os.
Un ejemplo pod ´ıa se un algo i mo que de ec e spam en la bandeja de en ada del co eo
elec ´onico, ca alogando cada co eo en e {spam, no spam}.
El ap endizaje supe isado, puede subdi idi se en a eas de clasi icaci´on o eg esi´on. La
di e encia se basa en el ipo de e ique a: en la eg esi´on la e ique a es una can idad con inua
como [0,10] mien as que en la clasi icaci´on se a a de una ca ego ´ıa disc e a como {spam,
no spam}[20]. En es e p oyec o, las a eas ealizadas en ap endizaje au om´a ico supe isado
son de clasi icaci´on.
Pa a pode e alua es as clasi icaciones, se han desa ollado di e en es m´e icas.
3.2.2. M´e icas
Pa a e alua el endimien o de un modelo clasi icado , exis en di e en es m´e icas calcu-
ladas en base a las siguien es a iables:
Posi i os e dade os (PV) : ejemplos clasi icados como e dade os co ec amen e.
Posi i os alsos (PF) : ejemplos clasi icados como e dade os inco ec amen e.
Nega i os e dade os (NV) : ejemplos clasi icados como nega i os co ec amen e.
Nega i os alsos (NF): ejemplos clasi icados como nega i os co ec amen e.
Es as a iables pe mi en el c´alculo de las siguien es m´e icas:
14 T abajo de Fin de G ado

CAP´
ITULO 3. FUNDAMENTOS TE ´
ORICOS
P ecisi´on: Rep esen a el n´ume o de ejemplos posi i os asignados co ec amen e clasi-
icados di idido po el o al de ejemplos posi i os asignados clasi icados con ese alo
[18]. P=P V
P V +P F
Sensibilidad: Rep esen a el n´ume o de ejemplos posi i os co ec amen e clasi icados di-
idido en e el n´ume o de posi i os en el conjun o de da os [18]. S=P V
P V +NF
F1: Se a a de una combinaci´on de p ecisi´on y sensibilidad. F1 = 2·p ecisi´on·sensibilidad
p ecisi´on+sensibilidad
Ma iz de con usi´on: Si e pa a desc ibi el endimien o de un modelo p edic i o mos-
ando isualmen e los PV, PF, NV y NF al y como se obse a en la igu a 3.1. En la
igu a de ejemplo, se e como odas las ins ancias de se osa y i ginica han sido clasi i-
cadas co ec amen e, mien as que 6 ins ancias de e sicolo han sido clasi icadas como
i ginica inco ec amen e.
Figu a 3.1: Ejemplo de ma iz de con usi´on ( uen e: h ps://sciki -lea n.o g/s able/
au o_examples/model_selec ion/plo _con usion_ma ix.h ml)
3.2.3. Validaci´on c uzada de la clasi icaci´on
La alidaci´on de un modelo es sencilla: as escoge un modelo y sus pa ´ame os, es ima-
mos con las m´e icas an e io es su e ec i idad median e da os de en enamien o, compa ando
la p edicci´on con los da os conocidos [20].
Si el conjun o de da os del que se dispone no es pa icula men e g ande, la po ci´on de los
da os que se u ilizan pa a en ena el modelo puede no con ene odos los casos necesa ios
pa a una adecuada clasi icaci´on. Pa a e i a es o, exis e la alidaci´on c uzada.
La alidaci´on c uzada se basa, po an o, en ealiza una secuencia de en enamien os del
modelo con di e en es sub-g upos del conjun o de da os que ac ´uan an o como en enamien o
como de alidaci´on [20]. Su uncionamien o puede se obse ado en la igu a 3.2 donde se
ealizan 4 i e aciones.
T abajo de Fin de G ado 15
CAP´
ITULO 3. FUNDAMENTOS TE ´
ORICOS
Figu a 3.2: Validaci´on c uzada de 4 i e aciones ( uen e: h ps://en.wikipedia.o g/wiki/
C oss- alida ion_(s a is ics))
3.2.4. Algo i mos de clasi icaci´on
´
A boles de decisi´on
Un ´a bol de decisi´on es un g a o ac´ıclico que puede se u ilizado pa a oma decisiones [8].
En nodo ama del g a o, un a ibu o espec´ı ico se e al´ua. Si el alo del a ibu o se encuen a
debajo de un alo espec´ı ico, se sigue la ama izquie da; en el caso con a io, se sigue la ama
de echa. La decisi´on a oma se encuen a alojada en los nodos hoja, po lo que al llega al
inal del ´a bol, hemos ob enido la e ique a.
Figu a 3.3: ´
A bol de decisi´on
La en aja de los ´a boles de decisi´on es que son ex emadamen e in ui i os y e icien es
pues cada decisi´on omada educe las posibilidades a la mi ad. Sin emba go, son muy p o-
pensos al o e i ing o sob e-ajus amien o [20]. Es e en´onemo sucede cuando los algo i mos
se ajus an a las pa icula idades espec´ı icas de los da os de en enamien o en luga de las
peculia idades gene ales que pe mi an gene aliza esos da os.
Bosques alea o ios
Una de las soluciones pa a educi el sob e-ajus amien o de los ´a boles de decisi´on es apli-
ca una ´ecnica llamada embolsado (bagging).
El embolsado, se basa en combina modelos que sob e-ajus en pa a educi los p opios e ec os
del sob e-ajus amien o. Con los esul ados de cada modelo se hace una media pa a encon a
16 T abajo de Fin de G ado
CAP´
ITULO 3. FUNDAMENTOS TE ´
ORICOS
la mejo clasi icaci´on posible [20].
De es a mane a, su gen los bosques alea o ios. Es deci , un bosque alea o io, no es m´as es
un conjun o de ´a boles de decisi´on alea o ios de modo que el p oblema del sob e-ajus amien o
se soluciona en cie a medida.
M´aquina de sopo e ec o ial
Las m´aquinas de sopo e ec o ial son algo i mos l´exibles que pe mi en an o hace a eas
de clasi icaci´on como de eg esi´on.
Su uncionamien o es simple, en luga de modela cada posible e ique a, se busca una l´ınea
o cu a (en espacios 2-Dimensionales) o planos e hipe planos (en espacios N-dimensionales)
que sepa e a las di e en es e ique as en secciones [20].
En e sus en ajas, des acan la apidez en la p edicci´on y su buen endimien o con da os
de al a dimensionalidad como es el caso de los da os de es e p oyec o [20].
Sin emba go, ambi´en exis en des en ajas: el iempo de en enamien o suele se al o y son
modelos muy dependien es de un minucioso ajus e de pa ´ame os [20].
k- ecinos m´as p ´oximos
El algo i mo k- ecinos m´as p oximos es un algo i mo simple.
Pa a gene a una p edicci´on en un nue o da o, encuen a kejemplos que engan a ibu os
simila es y busca cual es la e ique a que m´as apa ece en los ejemplos seleccionados. Una ez
que encuen a la e ique a, se la asigna al nue o da o [12].
De es a mane a es e algo i mo es uno de los m´as simples y ´apidos que hay. Sin emba go,
es a simpleza iene sus consecuencias: se le conside a un ap endiz ago (lazy lea ne ), es deci ,
no ap ende nada de los da os de en enamien o, solamen e los u iliza pa a clasi ica [12].
3.2.5. Ingenie ´ıa de ca ac e ´ıs icas
La ingenie ´ıa de ca ac e ´ıs icas se compone de un conjun o de ´ecnicas cuyo obje i o es
mejo a el endimien o de los modelos p edic i os [20]. En es e caso, las ´ecnicas de ingenie ´ıa
de ca ac e ´ıs icas que se u ilizan en el documen o ienen un en oque basado en el modelo.
El uncionamien o es simple, en base a un umb al de impo ancia dado, el p opio modelo
p edic i o decide la impo ancia de cada a ibu o y desca a odos aquellos con un ni el de
impo ancia meno . As´ı, odos aquellos a ibu os que solo a˜naden ince idumb e o uido pa a
la a ea de clasi icaci´on son eliminados.
3.2.6. Sob emues eo
En algunas ocasiones, las da os se encuen an dis ibuidas de mane a poco equi a i a.
Es o p o oca que la p opo ci´on en la cual se encuen an las di e en es e ique as sea muy
desigual. Un ejemplo de da os poco balanceados: un conjun o de 1000 da os o mado po las
T abajo de Fin de G ado 17
CAP´
ITULO 3. FUNDAMENTOS TE ´
ORICOS
isi as a una ienda on-line donde s´olo 10 casos han ealizado una comp a. De es a mane a,
el modelo iene muy pocos ejemplos pa a ap ende a clasi ica co ec amen e aquellos casos
en los cuales se ealiz´o la comp a.
Una soluci´on a es e p oblema es el sob emues eo, aplicado en es e p oyec o. En el sob e-
mues eo se gene an casos de la clase en mino ´ıa pa a educi la desigualdad.
Es a gene aci´on de casos se ealiza median e la ’pe u baci´on’ de casos ya exis en es. C ean-
do nue os casos que son simila es pe o no iguales, el modelo iene m´as opo unidades pa a
ap ende a clasi ica los co ec amen e [12]. Hay di e en es ´ecnicas pa a ello, la aplicada en
es e p oyec o se denomina ADASYN.
ADASYN hace uso de una dis ibuci´on con pesos pa a cada e ique a en mino ´ıa, as´ı, gene a
ejemplos de esa clase mejo ando los esul ados en la clas icaci´on educiendo la pa cialidad [11].
3.3. ¿Qu´e es la mine ´ıa de p ocesos?
La mine ´ıa de p ocesos se compone po un conjun o de ´ecnicas de mine ´ıa de da os que
pe mi en ex ae in o maci´on de logs de e en os pa a descub i , moni o iza y mejo a p o-
cesos [4]. Es a in o maci´on puede se analizada pa a oma o ma de decisiones de negocio o
es a ´egicas pa a op imiza los p ocesos o simplemen e pa a conoce el p opio uncionamien o
de los mismos. Sin emba go es o gene a las siguien es p egun as ¿qu´e es un p oceso y en qu´e
consis e la mine ´ıa de da os?
Figu a 3.4: Es uc u a de la mine ´ıa de p ocesos ( uen e: [4])
Po un lado, un p oceso es un conjun o es uc u ado de ac i idades o a eas ealizados po
un ac o con un obje i o pa icula . Un ejemplo de p oceso, se ´ıa el lujo de abajo seguido
du an e la esc i u a colabo a i a de un a ´ıculo en Wikipedia o la cadena de a eas ealizadas
en un es au an e desde que se sien a el usua io has a que su comida ha sido se ida.
Po o o lado, la mine ´ıa de da os consis e en un conjun o de ap endizaje au om´a ico y es-
18 T abajo de Fin de G ado
CAP´
ITULO 3. FUNDAMENTOS TE ´
ORICOS
ad´ıs ica cuyo obje i o es el descub imien o de pa ones en g andes can idades de da os [9].
Po lo que en es e caso, la mine ´ıa de p ocesos se basa en los mismos p incipios pe o aplicado
a un ni el o ganiza i o mayo : el p oceso en s´ı mismo.
As´ı, la mine ´ıa de p ocesos iene mul i ud de aplicaciones en di e en es ´a eas, pe o p in-
cipalmen e si e pa a uni la b echa en e la mine ´ıa de da os y el Business In elligence [4].
Algunos ejemplos de emp esas que han aplicado la mine ´ıa de p ocesos con no able ´exi o son
Walma o Voda one al y como expone Michal Rosik en [15]. Walma aplic´o la mine ´ıa de
p ocesos pa a descub i y halla ine iciencias en el p oceso de comp a, hallando que el check-
ou no e a lo e icien e que debe ´ıa lo que les lle ´o a pode halla es a egias pa a educi el
iempo que los usua ios pe d´ıan en el p oceso. Voda one po o o lado ha conseguido aumen a
el n´ume o de p ocesos que uncionan sa is ac o iamen e sin in e enci´on humana en un 20 %
en an solo dos a˜nos median e el uso de mine ´ıa de p ocesos seg´un expone el a ´ıculo de Rosik.
Adem´as de en la indus ia, la mine ´ıa de p ocesos se ha aplicado en di e en es in es i-
gaciones con ´exi o en ´ambi os como la educaci´on ([6]) pa a es udia los p ocesos seguidos
po escuelas o academias o en la esc i u a de conocimien o colabo a i a den o de abajos
ealizados po es udian es en un con ex o muy simila al de es e p oyec o ([19]).
Los equisi os de ca a a pode ealiza mine ´ıa de p ocesos son pocos, s´olo necesi amos
un log de e en os. Un log de e en os no es m´as que un iche o de ex o donde almacenamos
in o maci´on p o enien e de bases de da os, ansacciones... Es deci , son colecciones de se-
cuencias de e en os.
Figu a 3.5: Ejemplo de log de e en os
Un ejemplo de un conjun o de da os que pod ´ıa se conside ado un log de e en os pue-
de se obse ado en la igu a 3.5. Como emos se compone de di e sos a ibu os habi uales
en iche os de da os: id, imes amp, ´ı ulo... Sin emba go, pa a pode aplica ´ecnicas de mi-
ne ´ıa de p ocesos es necesa io un o ma o espec´ı ico pa a almacena los da os: el o ma o XES.
3.3.1. Pun o de comienzo: el o ma o XES
XES es el o ma o es ´anda de la IEEE Task Fo ce en mine ´ıa de p ocesos [4]. El nomb e
p o iene de eX ensible E en S eam y se a a de un es ´anda que de ine una g am´a ica
pa a un lenguaje de ma cado cuyo obje i o es p o ee a los dise˜nado es de los sis emas de
in o maci´on de una me odolog´ıa uni icada pa a cap u a el compo amien o de un sis ema
median e log de e en os y o en es de e en os [23]. Es e lenguaje de ma cado sob e el que se
basa es el XML.
T abajo de Fin de G ado 19

CAP´
ITULO 3. FUNDAMENTOS TE ´
ORICOS
Figu a 3.6: Diag ama de la es ´uc u a del o ma o XES ( uen e: h p://www.xes-s anda d.
o g/_media/xes/xes_s anda d_p oposal.pd )
El XML o lenguaje de ma cado ex ensible no es m´as que un conjun o de eglas de codi-
icaci´on pa a hace un documen o legible an o pa a un humano como pa a una m´aquina.
Fue desa ollado po el Wo ld Wide Web Conso ium (W3C) con oco en la simplicidad y la
gene alidad [7].
Algunas de las aplicaciones que hacen uso de es e ipo de a chi os son po ejemplo P oM,
de allada en el cap´ı ulo 4, Disco desa ollada po Fluxicon con el oco en la c eaci´on de i-
sualizaciones muy cuidadas de los p ocesos encon ados en los da os o QPR P ocessAnalyze
un p og ama de ni el emp esa ial pa a aplica ´ecnicas de mine ´ıa de p ocesos de mane a
sencilla y ´apida.
La es uc u a de de los a chi os XES puede e se en el esquema 3.6. La base del o ma o
XES y de los logs de e en os es asumi que es posible gua da secuencialmen e e en os de
modo que cada e en o se e ie a a una ac i idad y es ´e asociado a un caso pa icula ( aza)
[4]. Adem´as, los logs de e en os pueden gua da o a in o maci´on ex a en o ma de a ibu os
como el ac o del e en o iniciando o inalizando la ac i idad, la ma ca de iempo o imes amp
o da os ela i os al e en o.
Las azas ep esen an cada caso del p oceso a analiza . Po ejemplo, en un log de
20 T abajo de Fin de G ado
CAP´
ITULO 3. FUNDAMENTOS TE ´
ORICOS
e en os compues o po las e isiones ealizadas en di e en es a ´ıculos de Wikipedia,
cada aza pod ´ıa se ep esen ada po cada a ´ıculo.
Los e en os e lejan cada acci´on/ac i idad den o de cada caso del p oceso ( aza). Con-
inuando con el ejemplo an e io , los e en os es a ´ıan ep esen ados po cada e isi´on
ealizada a cada a ´ıculo. Den o de un log de e en os, el a ibu o que de e mina cada
e en o oma el nomb e de concep :name.
De en e los posibles a ibu os que puedan ene una aza o e en o es impo an e la
exis encia de una ma ca de iempo o imes amp pa a cada e en o. En el caso del ejemplo
an e io , el imes amp se ´ıa la ho a a la que se ealiz´o una e isi´on. En un log de e en os
el a ibu o que ep esen a el imes amp es llamado ime: imes amp.
O o de los posibles a ibu os exis en es en cada aza o e en o es el ac o que ealiza
el e en o. Siguiendo la misma linea que an e io men e, es o es a ´ıa ep esen ado po el
nomb e o id del edi o que ealiza una e isi´on. En un log de e en os es o es denominado
o g: esou ce.
Figu a 3.7: Ejemplo de e en o en XML
La igu a 3.7 ep esen a en XML el aspec o que end ´ıa un e en o den o de un log de e en-
os. Como emos, nos encon amos con o g: esou ce, concep :name y ime: imes amp adem´as
de o os a ibu os adicionales. Li ecycle: ansi ion ep esen a si el e en o es ´a comenzando o
inalizando, en el caso del ejemplo, inalizando pues indica que ha sido comple ado.
3.3.2. Descub iendo los p ocesos
Figu a 3.8: Descub imien o de los p ocesos den o de un log de e en os
La p incipal ´ecnica y la m´as u ilizada den o de la mine ´ıa p ocesos es el descub imien o.
El descub imien o consis e en la gene aci´on de un modelo que ep esen e los p ocesos exis en-
es den o del log de e en os. Las ´ecnicas de descub imien o pa en de un log de e en os pa a
gene a un modelo sin ninguna in o maci´on a pio i [4]. Es as ´ecnicas se basan en di e en es
T abajo de Fin de G ado 21
CAP´
ITULO 3. FUNDAMENTOS TE ´
ORICOS
algo i mos de mine ´ıa que hacen uso de es ad´ıs ica y ap endizaje au om´a ico pa a busca
es os pa ones exis en es en los da os que ep esen an un p oceso y gene a una salida que
ep esen a los p ocesos exis en es en el log de e en os median e una ed de pe i.
Den o de la mul i ud de algo i mos de mine ´ıa exis en es den o de la mine ´ıa de p ocesos
des acan:
Alpha Mine : Fue el p ime algo i mo de mine ´ıa de p ocesos en desa olla se y como
al iene cie os p oblemas g a es. El p incipal p oblema es que es demasiado simple
pa a ep esen a p ocesos seguidos en log eales po lo que su in e ´es es p incipalmen e
e´o ico. Examina las elaciones en e los di e en es e en os gene ando un modelo donde
cada ansici´on ep esen a una a ea obse ada.
Mine o heu ´ıs ico: Se a a de una mejo a espec o al algo i mo Alpha Mine . El mine-
o heu ´ıs ico se cen a en el lujo de con ol conside ando solo el o den de los e en os
den o de cada e en o [22]. Po lo cual un log de e en os con imes amp es necesa io
de ca a a hace uso de es e algo i mo. Adem´as, iene en cuen a las ecuencias de apa-
ici´on pudiendo il a compo amien o in equen e y pe mi e sal a se las ac i idades
indi iduales.
Mine o induc i o: El mine o induc i o ga an iza la gene aci´on de modelos ’sound’ que
aducido de modo li e al implica modelos ’buenos’. ’Soundness’ es una ca ac e ´ıs ica
que implica que odo el compo amien o obse ado en el log de e en os puede se ep o-
ducido po el modelo gene ado. Pa a es o, el algo i mo gene a un a bol que ep esen a
el p oceso, lo cual log a di iendo en log del modo m´as op imo posible has a gene a el
´a bol/es. Sin emba go, es o puede da luga a modelos di iciles de in e p e a . Al a a
de gene a modelos que ep esen en odo el compo amien o obse able en el log de
e en os como m´ınimo, el mine o induc i o puede ecu i a modelos en o ma de lo .
Un modelo en o ma de lo es aquel que pe mi e cualquie ipo de compo amien o en
base a un ipo dado de ac i idades.
3.3.3. Redes de Pe i
Las edes de pe i son un modelo abs ac o y o mal de mos a un lujo de in o maci´on
[13]. Pe mi en mos a el lujo que sige un p oceso de p incipio a in ep esen ando as´ı los
p oceso descubie os en un log de e en os.
De inici´on de una ed de pe i: Una ed de pe i es una upla N = (P, T, F) donde
P es el conjun o de luga es, T de ansiciones, P∩T= 0 yF⊆(P xT )∪(T xP )la elaci´on
del lujo [1]
Con es o en cuen a, en la imagen 3.9 podemos e una ed de pe i (P, T, F) donde P
={S a , P1, end}, T = {T1, T2, T3}y F = {(S a , T1), (S a , T2), (T2, P1), (P1,
T3), (T3, End), (T1, end)}. As´ı, la ed comienza en el luga S a y inaliza en End pasando
po las di e en es ansiciones. El lujo pod ´ıa se o bien de S a a T1 y de ah´ı a End o
bien de S a a T2 y has a llega a End pa a inaliza el p oceso. Es o se ´ıa aducido en
que el p oceso ep esen ado po la ed de la igu a esceni ica dos posibles caminos, o bien el
p oceso sigue el camino de la acci´on de e minada en la ansici´on T1 o bien sigue el camino
22 T abajo de Fin de G ado
CAP´
ITULO 3. FUNDAMENTOS TE ´
ORICOS
Figu a 3.9: Ejemplo de una ed de pe i
compues o po las ansiciones T2 y T3 pe o en ning´un caso ambos caminos simul aneamen e.
No obs an e, las edes de pe i gene adas no suelen ep esen a el posible p oceso exis en e
al 100 % incluso en el caso del mine o induc i o. Es po es o que exis e una m´e ica llamada
i ness la cual mide en que medida el log de e en os puede se ep oducido en el modelo ep e-
sen ado po la ed de pe i. Es deci , que po cen aje de odos los e en os y casos obse ados
en el log son ep esen ados y pueden se ep oducidos en la ed. Un alo de 0 implica ´ıa que
la ed gene ada no ep esen a en absolu o el log de e en os y de 1 que odo compo amien o
obse ado en el log de e en os puede ep oduci se en la ed de pe i ob enida.
3.3.4. De la mine ´ıa de p ocesos a la mine ´ıa social
Pa a complemen a un an´alisis ealizado median e mine ´ıa de p ocesos pa a descub i los
p ocesos exis en es den o de un log de e en os, se pueden aplica ´ecnicas de mine ´ıa social
pa a descub i ambi´en las elaciones exis en es en e los di e en es ac o es del log.
L´as ´ecnicas de mine ´ıa social hacen uso de ´ecnicas de sociome ´ıa y de an´alisis de edes
sociales [3]. La u ilidad que ienen son la posibilidad de obse a y conoce las posibles ela-
ciones exis en es en e los di e en es ac o es (o g: esou ce) que apa ecen a lo la go de un log
de e en os. Es os algo i mos son implemen ados en P oM median e la lib e ´ıa basada en las
m´e icas es ablecidas po Wil M.P. an de Aals [2]. Rep esen an las elaciones exis en es en
o ma de g a o donde cada cada es un nodo y cada a is a una elaci´on, dependiendo el peso
de la in ensidad de es a elaci´on.
Se pueden hace uso de di e en es m´e icas pa a ob ene las elaciones en e los di e en es
au o es en un log:
1. Hando e o Wo k: Se de ine como Hando e O Wo k como el ele o en el abajo de un
indi iduo ia un indi iduo jsi hay dos ac i idades subsecuen es en e ellos den o de un
log de e en os. [2] Es deci , si despu´es de edi a iedi a jse es ablece una elaci´on en e
ellos. Es os indi iduos iyjson ep esen ados median e nodos y su conexi´on median e
a is as, a iando el peso en unci´on de lo ue e que sea la elaci´on en e ellos.
2. Subcon ac ing: Subcon ac ing cuen a el n´ume o de eces que un indi iduo jejecu a
una ac i idad en e dos ac i idades ejecu adas po el indi iduo i[2]. Es deci , si iedi a, j
edi a e i uel e a edi a , se es ablece una elaci´on de iaj. As´ı, siendo iyj ep esen ado
como nodos su elaci´on se es ablece median e una a is a com´un cuyo peso depende ´a
de las eces que suceda la elaci´on.
T abajo de Fin de G ado 23

Cap´ı ulo 5
P ocesamien o de los his o iales de
e isi´on
Du an e es e cap´ı ulo, se de alla ´a el p oceso seguido desde la desca ga del his o ial de
e isiones de un a ´ıculo en Wikipedia, has a la gene aci´on de los da os a analiza median e
la mine ´ıa de p ocesos. As´ı, el p oceso cons a de un n´ume o educido de pasos, ep esen ados
en la igu a 5.1:
Desca ga de da os: desca ga inicial del conjun o de da os pa a el desa ollo del p oyec o
de Wikipedia: los his o iales de e isi´on.
Ex acci´on de in o maci´on: Se ex ae solamen e in o maci´on ´u il de los his o iales de
e isi´on.
Ob enci´on de ca ac e ´ıs icas: Se compa an las di e en es e isiones en cada a ´ıculo,
gene ando un conjun o de a ibu os que se i ´an pa a de e mina las in enci´ones as
cada e isi´on ( ecuad ado en ojo en el esquema 5.1).
Cambio de o ma o: Es e paso es necesa io pa a adecua el o ma o de los a chi os
esul ado del paso p e io al eque ido en el p ´oximo pun o ( ecuad ado en e de en el
esquema 5.1).
Gene aci´on y an´alisis del modelo p edic i o: Gene aci´on de di e en es modelos p edic-
i os en busca de aquel con el endimien o m´as ´op imo en la a ea de p edicci´on de
in enciones.
T abajo de Fin de G ado 29
CAP´
ITULO 5. PROCESAMIENTO DE LOS HISTORIALES DE REVISI ´
ON
Figu a 5.1: P oceso seguido du an e el p ocesamien o de los his o iales de e isi´on de Wiki-
pedia
5.1. Desca ga de da os
El p ime paso de odos es la desca ga de los da os iniciales. Es os da os, pueden se
ob enidos de Wikipedia ya sea en o ma de un a ´ıculo espec´ı ico o un conjun o de a ´ıculos
en un a chi o de ex o plano. Pa a es o, se hace uso del sc ip wiki dump downloade .py
(11). Es e sc ip ha sido desa ollado en base a h ps://phab ica o .wikimedia.o g/
di usion/PWBC/b owse/mas e /sc ip s/main enance/download_dump.py. La di e encia
p incipal con el c´odigo en el cual el sc ip es ´a basado, es la eliminaci´on de las dependencias
con la lib e ia PyWiki, adem´as de la adici´on de nume osas u ilidades, como la selecci´on del
idioma de la Wiki escogida, la posibilidad de pasa po pa ´ame o una lis a de a ´ıculos a
desca ga , y la uni´on de las di e en es pa es desca gadas (pues los a ´ıculos son desca gados
sepa ados en di e en es agmen os de meno ama˜no) en una sola.
A p io i, es e sc ip si e, po an o, pa a desca ga el his o ial de e isiones de un a ´ıculo
espec´ı ico o de una lis a de a ´ıculos en una Wikipedia de un lenguaje espec´ı ico (e.j Wikipedia
espa˜nola). El a chi o desca gado end ´a o ma o XML y se ´a un a chi o de ele ado peso. Es
30 T abajo de Fin de G ado
CAP´
ITULO 5. PROCESAMIENTO DE LOS HISTORIALES DE REVISI ´
ON
po es o, que se necesi a con e i el o ma o del a chi o en o o o ma o m´as acil de maneja ,
lo que conduce al siguien e paso de es e p oceso: la ex acci´on de in o maci´on de es os a chi os
XML ob enidos.
5.2. Ex acci´on de in o maci´on
Pa a ex a in o maci´on del XML desca gado se u iliza el analizado desa ollado po
Abel Se ano Jus e, wiki dump pa se .py (11) como pa e de un conjun o de sc ip s pa a
Wikipedia. Es e sc ip ecibe como en ada el conjun o his ´o ico de e isiones de un a ´ıculo
en o ma o XML y lo con ie e en un CSV legible con in o maci´on ´u il. Es a in o maci´on es ´a
compues a po los siguien es a ibu os:
1. Id de a ´ıculo.
2. T´ı ulo de a ´ıculo.
3. Id de e isi´on.
4. Times amp.
5. Id edi o .
6. Nomb e edi o (nomb e de usua io).
7. By es del a ´ıculo as la edici´on.
5.3. Ob enci´on de ca ac e ´ıs icas
El obje i o es ob ene las di e en es ca ac e ´ıs icas de cada e isi´on en compa aci´on con
la e isi´on p e ia como po ejemplo, que palab as han sido eliminadas/a˜nadidas o de que ma-
ne a el o ma o ha sido edi ado. El lujo de abajo a segui se puede obse a en el ecuad o
ojo del esquema 5.1.
Pa a ello, hacemos uso del p oceso seguido en la in es igaci´on ’Iden i icando in enciones
sem´an icas en las e isiones de Wikipedia’ ([24]). En la in es igaci´on, se c ea una axonom´ıa
de in enciones exis en es as cada e isi´on. Es as in enciones, se pueden de e mina g acias
los cambios ealziados en cada e isi´on.
Pa a log a es as ca ac e ´ıs icas, hacen uso de los esul ados ob enidos median e la apli-
caci´on de un compa ado online de la API de Wikipedia, en combinaci´on con un conjun o de
sc ip s ealizados po los au o es (11).
Sin emba go, ha habido que ealiza modi icaciones pa a consegui adap a su lujo de a-
bajo a es e p oyec o. En p ime luga , ha habido que ac ualiza lib e ´ıas obsole as y adap a
los pa ´ame os de en ada pa a pode a˜nadi lenguaje de la Wikipedia u ilizada.
G acias a es o, es posible hace una compa aci´on en e las di e en es e isiones gene ando
un iche o de salida que cuen a con 208 a ibu os. Es os 208 a ibu os se encuen an es uc-
u ados en es g upos. El p ime o se compone de a ibu os asociadas al p opio edi o del
T abajo de Fin de G ado 31
CAP´
ITULO 5. PROCESAMIENTO DE LOS HISTORIALES DE REVISI ´
ON
a ´ıculo, el segundo se compone de 16 a ibu os en base al comen a io esc i o po el edi o
espec o a su e isi´on, y el e ce g upo cons a de los es an es 198 a ibu os y consis e de
de alles de la compa aci´on de Wikipedia [24]. La en ada de es e conjun o de sc ip s equie e
de un conjun o de pa ejas de id’s de e isi´on e in enciones asociadas. Dado que no se cuen-
a con esas in enciones asociadas en nue os a ´ıculos que se acaben de desca ga , se asigna
siemp e 0 en la in enci´on po de ec o.
As´ı, una ez se iene el iche o esul ado del analizado p e iamen e mencionado1, se u i-
liza el sc ip llamado e ision id ex ac o .py (11). Su unci´on es ex ae el id de e isi´on de
cada e isi´on de los a ´ıculos seleccionados gene ando un nue o a chi o, compues o po el id
de e isi´on y una e ique a de 0 asignada au om´a icamen e como in enci´on. Con es e a chi o,
se llama al conjun o de sc ip s pa a gene a las 207 ca ac e ´ıs icas en base a las di e encias
en e e isiones.
Es impo an e menciona que debido a que el compa ado de Wikipedia se ealiza online
en sus p opios se ido es, es e p oceso conlle a un ele ado n´ume o de ho as pa a un conjun o
g ande de e isiones, siendo una limi aci´on eal de ca a a analiza comunidades muy g andes.
5.4. Cambio de o ma o
Debido a que la salida del compa ado u ilizado iene o ma o a , es necesa io ealiza
un cambio de o ma o a cs po mo i os de simplicidad de ca a a u u as secciones. Pa a ello,
se hace uso del sc ip a ToCs .py (11). Se a a de un sc ip lige o y simple que cumple con
su unci´on.
El siguien e y ´ul imo paso es la elabo aci´on de un modelo p edic i o.
5.5. Gene aci´on y an´alisis de modelos p edic i os
El obje i o p incipal de es a subsecci´on es explica el p oceso seguido en la gene aci´on de
un modelo p edic i o pa a asigna una o a ias in enciones a cada e isi´on ealizada al a ´ıculo
obje o del es udio, en base a la axonom´ıa sem´an ica de in enciones p e iamen e in oducida.
Pa a es o, se cuen a con un conjun o de e isiones elabo ado pa a la ci ada in es igaci´on
([24]) que se ´a u ilizado como en enamien o a la ho a de de e mina el mejo modelo m´as
e icien e.
Con el obje i o de ob ene un modelo p edic i o que sea capaz de gene a los esul ados
m´as p ecisos posibles, se en ena ´an di e en es modelos basados en a iados algo i mos de
clasi icaci´on ales como el bosques alea o ios o m´aquinas de sopo e de ec o es o k- ecinos
m´as ce canos. Adem´as, se aplica ´an di e en es ´ecnicas pa a op imiza los esul ados como la
ingenie ´ıa de ca ac e ´ıs icas, el sob emues eo, o la no malizaci´on de los da os.
Una ez c eado el mejo modelo p edic o posible, es e es expo ado de ca a a au oma iza
el p oceso pa a u u os a ´ıculos que se quie an analiza .
1wiki dump pa se .py (11)
32 T abajo de Fin de G ado
CAP´
ITULO 5. PROCESAMIENTO DE LOS HISTORIALES DE REVISI ´
ON
ea s 0 ea s 1 ea 2 ea s 3 ea s 4 ea s 5 ... o he wiki ica ion andalism simpli ica ion elabo a ion e i iabili y p ocess cla i ica ion disambigua ion poin -o - iew
741692138 0.0 0.0 -1.0 0.0 555.0 ... 1 0 0 0 0 0 0 0 0 0
710764506 0.0 0.0 -1.0 0.0 3.0 ... 1 0 0 0 0 0 0 0 0 0
711588802 0.0 0.0 -1.0 0.0 9.0 ... 0 0 0 0 0 0 0 0 0 0
709526386 0.0 0.0 -1.0 0.0 326.0 ... 0 0 0 0 0 0 0 0 0 0
713098731 0.0 0.0 -1.0 0.0 190.0 ... 0 0 0 0 0 0 0 0 0 0
Tabla 5.1: Vis azo gene al de los da os
5.5.1. Da os iniciales
Inicialmen e con amos con el conjun o de da os gene ado pa a la in es igaci´on ’Iden i i-
cando in enciones sem´an icas en las e isiones de Wikipedia’. Cuen a con 5684 e isiones de
a ´ıculos de Wikipedia con in enciones asignadas a mano [24].
El conjun o de e isiones, como se puede obse a en la abla 5.1 es ´a o mado po 208
a ibu os y 14 e ique as bina ias di e en es, una po cada in enci´on.
Los a ibu os des acan po su di icil in e p e abilidad. Son de ipo escala y con nomb es
que no apo an ninguna in o maci´on a p io i. Adem´as, pa a acilidad en el u u o uso de las
p edicciones gene adas, el id de e isi´on ha sido a˜nadido como ea s 0. Po ul imo, odos los
alo es de los a ibu os son co ec os y no hay alo es pe didos.
Figu a 5.2: Dis ibuci´on de in enciones en el conjun o de da os
Una ez que se conoce el o ma o de los da os, el p ´oximo paso es ealiza un an´alisis
explo a o io de los mismos. En la igu a 5.2, podemos e la dis ibuci´on de las in enciones
en el conjun o de da os.
Se obse a que no hay una dis ibuci´on equi a i a de in enciones. In enciones como o he ,
coun e andalism, disambigua ion, poin o iew o andalism se encuen an en p opo ciones
in e io es al 3 % mien as que Wiki ica ion apa ece en el 41 % de las e isiones. El caso m´as
se io se da en la in encion o he . El obje i o de es a in enci´on es de e mina que en esa e i-
sion se ha hecho algo di e en e a odo lo dem´as. Sin emba go, dada su ecuencia de apa ici´on,
pod ´ıa no se conside ada.
T abajo de Fin de G ado 33

CAP´
ITULO 5. PROCESAMIENTO DE LOS HISTORIALES DE REVISI ´
ON
Figu a 5.3: Re isiones con m´ul iples in enciones
Figu a 5.4: Dis ibuci´on de las in enciones en po cen ajes
Po o o lado, en lo que a e isiones con mul iples in enciones se e ie e, nos encon a-
mos con que la igu a 5.3 mues a una can idad ela i amen e al a de ediciones con m´as de
una in enci´on. Sin emba go, seg´un aumen a el n´ume o de in enciones po e isi´on, dec ece
exponencialmen e la ecuencia a la que es o sucede. S´olo un 0,1 % de las e isiones ienen
cinco in enciones, alcanzando un 15 % e isiones con dos in enciones. As´ı, el 80 % de odas
las e isiones del da ase solo poseen una in encionalidad.
En base a es os da os ob enidos, de ca a a ob ene el modelo p edic o m´as op imo posible,
se han aplicado dos ipos de clasi icaci´on:
1. Clasi icaci´on bina ia: La clasi icaci´on bina ia es aquella en la que la e ique a oma los
alo es disc e os 0 o 1. De es a mane a, el obje i o es la gene aci´on de un modelo
clasi icado a medida pa a cada in enci´on. Es deci : un modelo pa a p edeci wiki ica ion,
o o pa a andalism, e c... El esul ado inal cons a ´ıa de ece modelos p edic i os
di e en es donde la e ique a, en cada in enci´on, oma el alo 0 en caso de no encon a
esa in enci´on en la e isi´on o 1 en caso posi i o.
34 T abajo de Fin de G ado
CAP´
ITULO 5. PROCESAMIENTO DE LOS HISTORIALES DE REVISI ´
ON
2. Clasi icaci´on mul i-e ique a: La clasi icaci´on mul i-e ique a es aquella en la que la e i-
que a puede oma un conjun o disc e o de alo es (po ejemplo: [0paja o, pez, ep il])
que pueden apa ece combinados. En es e caso, un solo modelo puede p edeci odas
las in enciones de la axonom´ıa en una e isi´on al mismo iempo, siendo las e ique as,
el conjun o de in enciones.
Esencialmen e, el obje i o es ealiza una clasi icaci´on donde se ob engan las posibles di-
e en es in enciones que suceden na u almen e en cada e isi´on.
Pa a pode e alua cada modelo y compa a los en jus as condiciones, hay que sen a unas
m´e icas de base.
5.5.2. M´e icas de e aluaci´on
Las m´e icas ha u iliza se ´an aquellas in oducidas du an e el cap´ı ulo 3de es e docu-
men o en la secci´on de ap endizaje au om´a ico:
P ecisi´on: Rep esen a el n´ume o posi i os e dade os di idido en e la suma de los
posi i os e dade os y los posi i os alsos.
Sensibilidad: Rep esen a el n´ume o de posi i os e dade os en e los posi i os e dade os
y los nega i os alsos.
F1: Se a a de una combinaci´on de p ecisi´on y sensibilidad.
Ma iz de con usi´on: Si e pa a desc ibi el endimien o de un modelo p edic i o mos-
ando isualmen e los PV, PF, NV y NF. Las ma ices de con usi´on mos adas du an e
es e cap´ı ulo, se encuen an limi adas en su capacidad exp esi a. La lib e ´ıa que pe -
mi e ep esen a las no pe mi e que po cada ejemplo pueda habe m´as de una e ique a.
Como hemos is o, hay e isiones con m´as de una in enci´on. Es o hace que solo se
escoja una sola in enci´on po e isi´on, eliminando, po an o, pa e de los esul ados.
Po es e mo i o, solo si en a modo de o ien aci´on y las m´e icas que mues an ( % de
clasi icaciones e ´oneas) son inco ec as al no ene en cuen a odos los da os y pueden
no co esponde con lo obse ado en p ecisi´on, sensibilidad y F1.
5.5.3. Clasi icaci´on bina ia
La clasi icaci´on bina ia es aquella en la que la e ique a oma los alo es disc e os 0 o 1. De
es a mane a, el obje i o es la gene aci´on de un modelo clasi icado a medida pa a cada in en-
ci´on. Es deci : un modelo pa a p edeci wiki ica ion, o o pa a andalism, e c... El esul ado
inal cons a ´ıa de ece modelos p edic i os di e en es donde la e ique a, en cada in enci´on,
oma el alo 0 en caso de no encon a esa in enci´on en la e isi´on o 1 en caso posi i o.
Como conside aciones iniciales, se ha eliminado la in encion o he al no apo a in o ma-
ci´on ex a y se ha eliminado la alea o iedad en la gene aci´on de mues as y modelos pa a
acili a la ep oducibilidad.
Pa a alida los di e en es modelos se hace uso de la alidaci´on c uzada con cua o i e a-
ciones.
T abajo de Fin de G ado 35
CAP´
ITULO 5. PROCESAMIENTO DE LOS HISTORIALES DE REVISI ´
ON
Figu a 5.5: P opo cion de posi i os y nega i os po in encion
As´ı, el conjun o de da os ha de se di ido po el n´ume o de in enciones di e en es. En es e
caso se gene an ece e ique as di e en es, uno po cada in enci´on. De es a mane a queda ´ıa
la p opo ci´on de posi i os y nega i os en cada in enci´on obse ada en la igu a 5.5.
Las ´ecnicas de ap endizaje au om´a ico y los modelos que se han aplicado han sido los
siguien es:
1. Clasi icado es de p ueba: Median e un clasi icado que se base en eglas simples p e i-
jadas, ob enemos unas m´e icas que es ablencen un endimien o m´ınimo a supe a po
el es o de clasi icado es.
2. Bosques alea o ios: Se aplica ´an algo i mos de bosque alea o io que hace uso de n ´a boles
de decisi´on pa a gene a las p edicciones.
3. M´aquinas de sopo e de ec o es: Se modela ´an m´aquinas de sopo e de ec o es.
4. Sob emues eo: El obje i o es consegui un conjun o de da os donde las in enciones se
encuen en di ididas equi a i amen e.
5. Ingenie ´ıa de ca ac e ´ıs icas: Se a a ´a de op imiza los a ibu os del conjun o de da os
pa a acili a la a ea de p edicci´on a los di e en es modelos.
Clasi icado es de p ueba
El mo i o de la c eaci´on de un modelo con un clasi icado de p ueba es el de es ablece
unos m´ınimos alo es de endimien o pa a los dem´as clasi icado es. As´ı, el clasi icado selec-
cionado es el clasi icado de p ueba de Sciki -lea n, el cual hace p edicciones bas´andose en
eglas simples [17]. En es e caso, la es a egia que sigue es llamada ’es a i icaci´on’ que p edice
bas´andose en la p opo ci´on de las e ique as. Los esul ados ob enidos son los obse ables en
36 T abajo de Fin de G ado
CAP´
ITULO 5. PROCESAMIENTO DE LOS HISTORIALES DE REVISI ´
ON
Figu a 5.6: Resul ados po in encion del clasi icado de p ueba
la abla de la imagen 5.6.
En gene al, son alo es muy pob es. Las in enciones con meno ecuencia de apa ici´on
son las m´as pe judicadas, como se puede e en los alo es de p ecision y sensibilidad de
poin -o - iew, disambigua ion o coun e - andalism. Obse ando la ma iz de con usi´on, se e
como e ec i amen e la ma iz p incipal se encuen a compues a de alo es muy educidos,
explicando los alo es encon ados en la abla.
Bosques alea o ios
Los esul ados po in enci´on de los bosques alea o ios se pueden consul a en la igu a 5.9.
En gene al, se obse a que los esul ados son mejo es que los ob enidos po los clasi icado-
es de p ueba. Los alo es de p ecisi´on son al os. Sin emba go, la sensibilidad es gene almen e
baja, con excepciones. Se puede e cla amen e como aquellas in enciones en mino ´ıa son las
que poseen alo es de sensibilidad muy bajos. Es o, indica que el clasi icado es ´a asignando
m´as nega i os de los que debe ´ıa, mien as que hay un alo muy bajo de posi i os alsos.
En lineas gene ales, son modelos con una capacidad p edic o a d´ebil. Obse ando su ma iz
de con usi´on emos como su diagonal p incipal ob iene onos m´as oscu os que el clasi icado
p e io.
M´aquinas de sopo e de ec o es
Se han u ilizado m´aquinas de sopo e de ec o es lineales. Se ha aplicado un escalado de
los da os los da os de modo que sus alo es se encuen en m´as uni o memen e epa idos. Los
esul ados pueden consul a se en la abla de la imagen 5.10.
T abajo de Fin de G ado 37
CAP´
ITULO 5. PROCESAMIENTO DE LOS HISTORIALES DE REVISI ´
ON
Figu a 5.13: Ma iz de con usi´on as ealiza el sob emues eo en los bosques alea o ios
Figu a 5.14: Resul ados con ingenie ´ıa de ca ac e ´ıs icas y sob emues eo en los bosques alea-
o ios
44 T abajo de Fin de G ado

CAP´
ITULO 5. PROCESAMIENTO DE LOS HISTORIALES DE REVISI ´
ON
Figu a 5.15: Ma iz de con usi´on con ingenie ´ıa de ca ac e ´ıs icas y sob emues eo de los
bosques alea o ios
Figu a 5.16: Resul ados de de los bosques alea o ios inales
T abajo de Fin de G ado 45
CAP´
ITULO 5. PROCESAMIENTO DE LOS HISTORIALES DE REVISI ´
ON
Figu a 5.17: Ma iz de con usi´on de los bosques alea o ios inales
P ecisi´on Sensibilidad mic o F1
0.760734 0.474013 0.584657
Tabla 5.4: Bosque alea o io inal mul i-e ique a
Los mejo es esul ados ob enidos du an e es a clasi icaci´on han sido ob enidos median e
el uso, de nue o, de un bosque alea o io con ingenie ´ıa de ca ac e ´ıs icas. En es e caso, no se
ha u ilizado sob emues eo. Se pueden consul a sus esul ados en la abla 5.4.
Se obse a que aunque la p ecisi´on es al a, el alo de sensibilidad es muy bajo en com-
pa aci´on, dando luga a un F1 lige amen e ’enga˜noso’.
46 T abajo de Fin de G ado
CAP´
ITULO 5. PROCESAMIENTO DE LOS HISTORIALES DE REVISI ´
ON
5.5.5. Conclusiones
En de ini i a, es ´a cla o que los clasi icado es ienen p oblemas p ediciendo las di e en es
in enciones que pueden exis i de ´as de una e ision. A pesa de u iliza dos en oques di e-
en es y dis in os algo i mos, en ning´un caso los esul ados mues an un endimien o al o. Sin
emba go, no siemp e es posible ob ene clasi icaciones pe ec as y es po es o que el ipo de
da os que se es ´e p ediciendo es muy impo an e.
El endimien o de es os clasi icado es a´un puede se inc emen ado. Con conocimien o del
dominio su icien e, se pod ´ıa ajus a el conjun o de da os exis en e pa a educi ambiguedades
en e las di e en es in enciones o elimina po comple o a ibu os que no sean necesa ios pa a
de e minadas in enciones. Sin emba go, eso se escapa al obje i o de es e an´alisis.
Algo i mo P ecision sensibilidad F1 mic o
Bosques alea o ios bina ios 0.630408 0.645388 0.63781
Bosque alea o io mul i-e ique a 0.760734 0.474013 0.584657
Tabla 5.5: Mic o media de los esul ados de los modelos inales de cada en oque
El conjun o de bosques alea o ios de la clasi icaci´on bina ia ha enido un endimien o
mayo que la clasi icaci´on mul i-e ique a, aunque en ambos casos, el ipo de algo i mo con
mejo es esul ados haya sido el mismo. Mien as que los bosques alea o ios bina ios han ob e-
nido un alo de mic o F1 de 0,63781 y una p ecision y un sensibilidad de 0,630408 y 0,645388
espec i amen e, el bosque alea o io mul i-e ique a iene un alo de mic o F1 de 0,584657 y
alo es de p ecision y sensibilidad de 0,760734 y 0,474013 espec i amen e.
Po an o, el en oque seleccionado pa a hace u u as clasi icaciones de e isiones se ´a el
conjun o de bosques alea o ios u ilizados en la clasi icaci´on bina ia.
Figu a 5.18: G ´a ica con esul ados de modelos inales
En de ini i a y como se puede e en la igu a 5.18, los bosques alea o ios de la clasi i-
caci´on bina ia supe an a los dem´as en sensibilidad y mic o F1, solo es ando lige amen e po
debajo en p ecisi´on en e al bosque alea o io mul i-e ique a. Po o o lado, se ha conseguido
ob ene mejo es esul ados de p ecisi´on, sensibilidad y mic o F1 que aquellos ob enidos en
T abajo de Fin de G ado 47
CAP´
ITULO 5. PROCESAMIENTO DE LOS HISTORIALES DE REVISI ´
ON
’Iden i icando in enciones sem´an icas en las e isiones de Wikipedia’ ([24]), con alo es de
0,613 en mic o F1, 0,578 en sensibilidad y 0,599 en p ecisi´on en su modelo que hace uso del
algo i mo k- ecinos m´as ce canos en su e si´on mul i-e ique a.
48 T abajo de Fin de G ado

Cap´ı ulo 6
An´alisis con mine ´ıa de p ocesos
Tal y como se explica en el cap´ı ulo 3, la mine ´ıa de p ocesos se compone de un conjun o
de ´ecnicas de mine ´ıa que pe mi en ex ae in o maci´on de logs de e en os pa a descub i ,
moni o iza y mejo a p ocesos [4]. Es a in o maci´on puede se analizada pa a oma o ma
de decisiones de negocio o es a ´egicas pa a op imiza los p ocesos o simplemen e pa a co-
noce el p opio uncionamien o de los mismos. Pa a ello, se hace uso de logs de e en os. Un
log de e en os se compone de in o maci´on p o enien e de bases de da os, ansacciones... y
pueden conside a se una colecci´on de secuencias de e en os ya que se asume que es posible
gua da secuencialmen e e en os de modo que, cada e en o, deno e una ac i idad (e en o) y
es ´e asociado a un caso pa icula ( aza).
Tal y como se ha comen ado an e io men e inc emen a la e iciencia de un p oceso no
es lo que hace in e esan e a la mine ´ıa de p ocesos de ca a al es udio obje o de es e p oyec-
o, si no el p opio descub imien o de los p ocesos inhe en es a la edici´on y e oluci´on de los
a ´ıculos des acados en comunidades de conocimien o colabo a i o abie as como la Wikipe-
dia espa˜nola.
De es a mane a, el obje i o de usa la mine ´ıa de p ocesos es descub i y analiza el lujo
de abajo que siguen los p opios a iculos desde su c eaci´on has a la echa ac ual en caso de
que es e exis a, as´ı como los posibles p ocesos exis en es den o del compo amien o de los
p opios edi o es.
La he amien a escogida pa a aplica las ´ecnicas de mine ´ıa de p ocesos es P oM ools
8.6 al y como ha sido comen ado p e iamen e du an e el cap´ı ulo 4y3.
El p oceso a segui se ´a el siguien e:
1. Ob enci´on de da os: En es e apa ado se explica ´a el p oceso a segui pa a ob ene el
log de e en os de ca a a aplica las ´ecnicas de mine ´ıa de p ocesos. Se de e mina ´a
de mane a cla a cuales son los log de e en os que se ´an u ilizados du an e las dem´as
secciones de es e cap´ı ulo.
2. T ans o maci´on a XES: Se cen a en la con e si´on del log de e en os al o ma o es ´anda
de la mine ´ıa de p ocesos: XES. De e minando de mane a cla a su es uc u a y u ilidad
T abajo de Fin de G ado 49
CAP´
ITULO 6. AN ´
ALISIS CON MINER´
IA DE PROCESOS
en las u u as secciones.
3. An´alisis explo a o io de los da os: An es de aplica las ´ecnicas de mine ´ıa se es udia ´a
el log de e en os median e la ealizaci´on de di e en es g ´a icas pa a pode analiza
isualmen e el conjun o de da os de pa ida y as´ı ob ene in o maci´on ace ca de la
o ganizaci´on y es uc u a del log.
4. An´alisis a ni el a ´ıculo: Se aplica ´a la mine ´ıa de p ocesos de ca a a descub i los p o-
cesos exis en es den o de la e oluci´on de los a ´ıculos de Wikipedia.
5. An´alisis a ni el edi o : Esencialmen e se ha ´a lo mismo que en el an´alisis a ni el de
a ´ıculo pe o cambiando el oco de es udio. En luga de descub i los p ocesos inhe en-
es a la e oluci´on de los a ´ıculos es udia emos aquellos seguidos po los p opios edi o es
en sus sesiones de abajo.
6.1. Ob enci´on de da os
Figu a 6.1: P oceso seguido pa a la desca ga y p epa aci´on de los da os pa a ealiza mine ´ıa
de p ocesos
Du an e el cap´ı ulo 5, se ha explicado el p oceso seguido desde la desca ga del his o ial de
e isiones de un a ´ıculo de Wikipedia has a la p edicci´on de las in enciones sem´an icas as
cada e isi´on. En la igu a 6.1 podemos obse a un esquema de los pasos a segui .
50 T abajo de Fin de G ado
CAP´
ITULO 6. AN ´
ALISIS CON MINER´
IA DE PROCESOS
1. El p oceso comienza con la desca ga de un his o ial de e isiones de un a ´ıculo en
Wikipedia, ealizado median e el sc ip de desca ga1. En es e caso, se han seleccionado
los siguien es a ´ıculos des acados de di e en es ca ego ´ıas alea o iamen e de en e odos
los disponibles en Wikipedia:
Leche
Od´ın
Home Simpson
Bi az
Angko Wa
Ai bus A380
´
Acido desoxi ibonucleico
Tie a
El mo i o de la selecci´on de a ´ıculos alea o ios de di e en es ca ego ´ıas es a a de des-
cub i p ocesos a ni el gene al den o de la esc i u a colabo a i a. Va iedad de emas
da luga a a iedad de edi o es y po an o de es ilos.
2. Una ez con amos con los XML de cada his o ial de e isiones de a ´ıculos desca gado
hacemos uso del pa se p opo cionado po Abel Se ano Jus e2que los ans o ma en
a chi os CSV do ados de id y ´ı ulo de a ´ıculo y e isi´on, imes amp e id y nomb e del
edi o adem´as del conjun o de by es a ec ados en la e isi´on.
3. Con es os a chi os CSV que almacenan la in o maci´on de los a ´ıculos seleccionados
ex aemos el id de cada e isi´on3y ejecu amos el conjun o de sc ip s de la in es igaci´on
base ’Iden i icando in enciones sem´an icas de las e isiones de Wikipedia’4. Es os sc ip s
ealizan una compa aci´on de cada e isi´on con la an e io en un a ´ıculo, gene ando un
a chi o en o ma o a po a ´ıculo compues o de 207 a ibu os y el id de e isi´on.
Es os a ibu os hacen e e encia a las di e encias encon adas en cada compa aci´on y
son u ilizados pa a la pos e io p edicci´on de las in enciones as cada e isi´on.
4. Pa a p edeci las in enciones en base a los a chi os a gene ados po la compa aci´on,
p ime o, debemos cambia su o ma o a CSV de nue o lo cual ealizamos median e el
uso de un sc ip de con e si´on5.
5. Llegados a es e pun o, se hace uso del bosque alea o io ajus ado seleccionado en la sec-
ci´on 4.5 del cap´ı ulo 5pa a p edeci las in enciones as cada e isi´on del conjun o de
1wiki dump downloade .py (11)
2wiki dump pa se .py (11)
3Haciendo uso del sc ip e ision id ex ac o .py (11)
4M´as en 11 yh ps://gi hub.com/diyiy/Wiki_Seman ic_In en ion
5a ToCs .py (11)
T abajo de Fin de G ado 51
CAP´
ITULO 6. AN ´
ALISIS CON MINER´
IA DE PROCESOS
a chi os cs do ados de los 207 a ibu os ob enidos en la compa aci´on6. Es as in encio-
nes, al mismo iempo que son p edecidas, son a˜nadidas a los a chi os CSV esul ado de
hace uso del pa se de Abel du an e el pun o 2 de es a lis a.
Se cuen a po lo an o con ocho a chi os cs , uno po cada a ´ıculo seleccionado que
con ienen id y ´ı ulo de a ´ıculo y e isi´on, imes amp e id y nomb e del edi o adem´as del
conjun o de by es a ec ados en la e isi´on y la in encionalidad as la misma. El ´ul imo paso,
es uni odos los a chi os en uno solo denominado co pus.cs al y como se e en el paso
inal del esquema 6.1 y se ´a el iche o base de odo es e capi ulo.
Pa a ealiza el an´alisis a ni el a ´ıculo se ha ´a uso de es e mismo co pus.cs en su o-
alidad pues el obje i o es descub i los p ocesos ocul os as la elabo aci´on de a ´ıculos en
Wikipedia po lo que un il ado pod ´ıa al e a los esul ados.
Figu a 6.2: Esquema del il ado del co pus pa a el an´alisis a ni el edi o
En cambio, en la secci´on an´alisis a ni el de au o se an a gene a es iche os di e en es
il ando po can idad de e isiones po e iso . Como obse amos en el esquema 6.2 median e
un sc ip de il ado7gene a emos es a chi os siguiendo la siguien e pau a:
Edi o es de ac i idad baja: engloba solo e isiones ealizadas po au o es con menos de
cinco e isiones.
Edi o es de ac i idad in e media: con iene exclusi amen e e isiones hechas po au o es
que han ealizado en e cinco y cincuen a e isiones.
Edi o es de ac i idad al a: Compues o solo po aquellos con m´as de cincuen a e isiones.
De es e modo, a lo la go de las sucesi as seciones es os a chi os se ´an e e idos de la misma
mane a: iche o de e isiones de edi o es con ac i idad baja/in e media/al a.
El mo i o de es e il ado es el siguien e: du an e la secci´on an´alisis a ni el de edi o el
oco es ´a pues o en el edi o como indi iduo, po lo que pa a analiza un g upo espec´ı ico de
edi o es es necesa io pode il a aquel compo amien o que no nos in e esa, pues solo a˜nade
uido al an´alisis. As´ı, se puede de e mina si en unci´on del n´ume o de ediciones exis en com-
po amien os di e en es.
6gene a e p edic ions.py (11)
7co pus il e .py (11)
52 T abajo de Fin de G ado
CAP´
ITULO 6. AN ´
ALISIS CON MINER´
IA DE PROCESOS
de e en os, que en es e caso se ´a el mine o heu ´ıs ico. De en e las opciones disponibles en
P oM, se ha hecho uso de el mine o heu ´ıs ico ya que al como se desc ibe en la secci´on 5.2 de
es e documen o es un algo i mo p ´ac ico que puede u iliza se pa a explica el compo amien o
p incipal egis ado en un log de e en os adem´as de lidia muy bien con el posible uido de los
da os [22]. Adem´as, ha sido u ilizado con ´exi o en ´ambi os como la esc i u a colabo a i a [19]
y en la educaci´on [6], simila es en esencia al nues o, especialmen e la esc i u a colabo a i a
ya que es p ecisamen e en lo que se basan las comunidades de conocimien o colabo a i as
como las wikis.
Aplicando el mine o heu ´ıs ico con los pa ´ame os po de ec o al co pus, ob enemos una
ed heu ´ıs ica que es ans o mada en ed de pe i au om´a icamen e po P oM, con un i ness
de 0.7996. Es e alo , ep esen a en una escala de 0 a 1 la po ci´on de los e en os obse ados
en el log de e en os que puede se ep oducida en la ed. De es e modo, se a a de un alo
azonablemen e al o pa a el con ex o en el que nos encon amos. Sin emba go, es una ed de
pe i muy compleja como pa a analiza a ojo (6.10).
Pa a pode simpli ica es a ed de pe i de modo que se pueda ex ae in o maci´on de ella
de modo isual, se aplica una ´ecnica de ap endizaje no supe isado: clus e ing. El clus e ing
consis e en ag upa un conjun o de obje os de modo que cada g upo es ´e compues o po ob-
je os simila es. En es e caso, el obje i o de ealiza clus e ing en el co pus es el de ag upa
las e isiones po simili ud en base a los p ocesos que se obse en. Es o es ealizado de modo
i ial median e la he amien a incluida en P oM ’Disco e clus e s’.
Una ez que se ha aplicado ’Disco e clus e s’ al co pus, se u iliza an o el conjun o de
clus e s ob enidos como el p opio co pus y se aplica ’Disco e using Decomposi ion’ que hace
uso del mine o heu ´ıs ico eniendo en cuen a la ag upaci´on ealizada gene ando una e si´on
descompues a en di e en es pa es de la ed de pe i p e ia (6.10).
De es a mane a, hemos log ado simpli ica la ed de pe i an e io en a ias edes di e en-
es de meno ama˜no y mayo legibilidad. As´ı, con amos con (i) la ed de pe i gene al (6.10),
(ii) la ed de pe i descompues a 1 (6.11), (iii) la ed de pe i descompues a 2 (6.12) y (i ) el
conjun o de mini edes de pe i descompues as 3 (6.13)
Cla amen e puede e se que a´un siendo m´as simples, siguen siendo complejas de analiza
pa a el ojo humano, an o la ed 1 (ii) como la ed 2 (iii). Es o, no es so p enden e pues o que
el p oceso que siguen los a ´ıculos du an e su e oluci´on es esencialmen e an´a quico en cuan o
a la ecuencia o la can idad de usua ios que colabo an, dando luga a p ocesos po encialmen e
di e en es en e a ´ıculos. No obs an e, a pesa de se un co pus de ocho a ´ıculos di e en es
compues o de muchos edi o es di e en es y con un eco ido muy la go en el iempo, la ed
es azonablemen e comp ensible. Se obse a que los p ocesos es ´an llenos de bucles, po lo
an o son na u almen e y de modo ine i able i e a i os, no hay una sola cadena de ediciones
a segui si no muchas posibilidades di e en es. Esencialmen e pod ´ıa aduci se como que no
exis e un p oceso uni icado y eal que se siga en Wikipedia, lo cual es espe ado pues su ge
del conjun o de abajo de muchos usua ios po encialmen e sin colabo aci´on expl´ıci a en e
ellos. Sin emba go, obse amos di e encias en e las edes simpli icadas.
T abajo de Fin de G ado 59

CAP´
ITULO 6. AN ´
ALISIS CON MINER´
IA DE PROCESOS
Figu a 6.10: Pe i ne ob enida con Mine o Heu ´ıs ico
60 T abajo de Fin de G ado
CAP´
ITULO 6. AN ´
ALISIS CON MINER´
IA DE PROCESOS
Figu a 6.11: Pe i ne del p oceso de edici´on as su descomposici´on 1
6.4.1. An´alisis de la ed de Pe i descompues a 1
Como emos en la ed de pe i de la imagen 6.11 a g andes asgos se obse a un p oceso
con mucha in e conexi´on y de g an complejidad. Pa a acili a su an´alisis se ha di idido la ed
T abajo de Fin de G ado 61
CAP´
ITULO 6. AN ´
ALISIS CON MINER´
IA DE PROCESOS
en es agmen os pa a pode obse a los con m´as en de alle. Es o, es ´a mo i ado en pa e
po que el inicio iene in e es especial pues e si hay un inicio espec´ı ico den o del p oceso
pod ´ıa ayuda a iden i ica lo al mismo iempo que el inal apo a u ilidad pa a descub i si
exis en pun os inales en el p oceso o es abie o y po an o po encialmen e ’in ini amen e’
i e a i o.
El inicio de la ed de pe i 1 se puede e en la igu a 6.14. A simple is a esal a la
can idad de in enciones complejas que se en en el p oceso, siendo en odos casos in encio-
nes combinadas. A p io i se obse a como es os posibles inicios del p oceso an ma cados
po in enciones como e ac o ing+copy-edi ing, ac -upda e+ e ac o ing+ e i iabili y, ac -
upda e+ e ac o ing+wiki ica ion+elabo a ion... Es as in enciones obse adas end ´ıan sen i-
do en e apas emp anas de un a ´ıculo donde a´un es ´a odo po hace , lo cual pod ´ıa explica
que se encadenen muchas e isiones con in enciones combinadas complejas. Du an e la in es-
igaci´on ’Es abilidad u bulen a de los oles eme gen es’ de e minan que du an e las e apas
emp anas de desa ollo de un a ´ıculo, el 60 % de sus edi o es oman el ol de ’All ound
con ibu o ’ [5] lo que signi ica que son usua ios odo e eno que hacen un poco de odo.
Es o se e e o zado po los esul ados obse ados en es a secci´on de la ed de pe i donde las
in enciones a menudo con ienen elemen os de odo ipo como e ac o ing+copy-edi ing+ ac -
upda e+wiki ica ion.
En la igu a 6.15 emos la siguien e pa e de la ed de pe i descompues a 1. M´as conc e-
amen e su secci´on in e media. Las in enciones se an simpli icando poco a poco, empezando
a se las combinaciones de 3 o m´as in enciones menos ecuen es. Es o es espe ado pues seg´un
aumen a en an iguedad el a ´ıculo se educe el po cen aje de e iso es que ep esen an ’All
ound-con ibu o ’ en pos de oles m´as espec´ı icos como copy-edi o s o layou -shape s o ’quick
and di y edi o s’ [5]. Es o puede obse a se en in enciones como e ac o ing+elabo a ion o
simpli ica ion+ e i iabili y o incluso andalism+ e i iabili y que puede es a elacionado con
aquellos bajo el ol ’quick and di y edi o s’ ya que a eces sus ´apidas ediciones son con-
undidas po andalismo [5]. Sin emba go a´un se siguen dando secuencias complejas pues
se obse an conexiones que uel en al inicio de la ed indicando que el a chi o puede es a
pasando po ases in ensas de e-esc i u a.
La igu a 6.16 mues a el ´ul imo amo de la ed de pe i descompues a 1. No apo a
mucha in o maci´on adicional espec o a la secci´on in e media pues se obse a un compo a-
mien o simila en cuan o a las in enciones que se en. Sin emba go emos que no exis e un
pun o inal en el p oceso. T as llega al inal la na u aleza i e a i a de p oceso de e-edici´on
con inuo de Wikipedia hace que exis a la posibilidad de ol e a o os pun os del p oceso. Es
deci , es un p oceso abie o.
En de ini i a, aunque no podemos ex ae demasiada in o maci´on mas all´a de obse a
cie as simili udes con o os es udios ya ealizados p e iamen e al espec o de los oles de
usua io y c´omo se edi a a lo la go de la ida ´u il de un a ´ıculo en Wikipedia, se obse a que
en di e en es e apas del a ´ıculo las in enciones ealizadas a ´ıan lige amen e, siendo ediciones
muy complejas en el inicio (en el sen ido de m´ul iples in enciones as cada e isi´on) mien as
que se obse a que la secuencia de ediciones se simpli ica despu´es de la secci´on inicial. En
de ini i a la na u eleza an´a quica de la esc i u a colabo a i a di icul a la exis encia de un
p oceso cla o y uni icado, pe o a pesa de ello, se obse a como los conjun os complejos de
in encionalidades se an simpli icando seg´un a anza el p oceso, es deci , el ipo de e isi´ones
62 T abajo de Fin de G ado
CAP´
ITULO 6. AN ´
ALISIS CON MINER´
IA DE PROCESOS
ealizadas pa ece cambia con el iempo.
6.4.2. An´alisis de la ed de Pe i descompues a 2
Como emos en la ed de pe i de la imagen 6.12 y al igual que la ed de Pe i descompues a
1, a g andes asgos se obse a un p oceso con mucha in e conexi´on y de g an complejidad.
Pa a acili a su an´alisis se han seleccionado el inicio y el inal de la ed pa a pode obse a los
m´as en de alle. Es o, es ´a mo i ado en pa e po que el inicio iene in e es especial: e si hay
un inicio espec´ı ico den o del p oceso pod ´ıa ayuda a iden i ica lo. Al mismo iempo, el inal
apo a u ilidad pa a descub i si exis en pun os inales en el p oceso o es abie o y po an o
po encialmen e ’in ini amen e’ i e a i o.
Como se e en el inicio de la ed en la igu a 6.17 el inicio puede i de e minado po
copy-edi ing+elabo a ion+ e i iabili y o wiki ica ion+ andalism. O a posibilidad es comen-
za con disambigua ion sin emba go es o debe se pues o en con ex o. Dado que como se
obse a que hay caminos que uel en al nodo inicial desde pun os m´as a anzados de la ed,
esul a no mal asumi que es a in enci´on no se da de modo inicial, sino en i e aciones u u as.
En caso de comenza ealizando wiki ica ion+ andalism el lujo p osigue con copy-edi ing se-
guido de o bien de un lujo i e a i o de ac -upda e o e ac o ing+wiki ica ion+elabo a ion o
wiki ica ion+p ocess. Es cu ioso e las g andes di e encias exis en es con el inicio de la o a
ed ob enida u o de la descomposici´on (6.11). Aqu´ı, se obse an in enciones m´as cen adas
en un ´a ea espec´ı ica ya sea a˜nadi con enido o edi a o ma o po ejemplo, u o de edi o es
m´as especializados y menos gene alis as.
Po o o lado, obse ando el inal de la ed emos que el pa ´on es el mismo, in enciones
de mayo simplicidad al no es a combinadas, a eas de con a- andalismo seguidas de ac -
upda e o wiki ica ion. Sin emba go el n´ume o de caminos que se obse an es muy g ande,
sumando cie a ince idumb e al p oceso eal que se pueda segui .
6.4.3. An´alisis del conjun o de mini edes de Pe i descompues as 3
En la igu a 6.13 emos un conjun o de edes o madas po un luga de inicio y inal y
una sola ansici´on compues a po in enciones combinadas. Es o, no de e mina ning´un com-
po amien o espec´ı ico sino que es el esul ado de la ´ecnica de mine ´ıa u ilizada in en ando
de nue o ep oduci odo el compo amien o obse ado. Es as in enciones no han consegui-
do se ag upadas den o de ninguno de los an e io es p ocesos descubie os po lo que se
han con e ido en edes en s´ı mismas pa a pode ep oduci esa secci´on espec´ı ica del log de
e en os.
T abajo de Fin de G ado 63
CAP´
ITULO 6. AN ´
ALISIS CON MINER´
IA DE PROCESOS
Figu a 6.12: Pe i ne del p oceso de edici´on as su descomposici´on 2
64 T abajo de Fin de G ado

CAP´
ITULO 6. AN ´
ALISIS CON MINER´
IA DE PROCESOS
Figu a 6.13: Redes de pe i del p oceso de edici´on as su descomposici´on 3
T abajo de Fin de G ado 65
CAP´
ITULO 6. AN ´
ALISIS CON MINER´
IA DE PROCESOS
Figu a 6.14: Inicio de la ed de pe i del p oceso de edici´on as su descomposici´on 1
66 T abajo de Fin de G ado
CAP´
ITULO 6. AN ´
ALISIS CON MINER´
IA DE PROCESOS
Figu a 6.15: Secci´on in e media de la ed de pe i del p oceso de edici´on as su descomposici´on
1
T abajo de Fin de G ado 67
CAP´
ITULO 6. AN ´
ALISIS CON MINER´
IA DE PROCESOS
Figu a 6.16: Final de la ed de pe i del p oceso de edici´on as su descomposici´on 1
68 T abajo de Fin de G ado
CAP´
ITULO 6. AN ´
ALISIS CON MINER´
IA DE PROCESOS
ealizado esa in enci´on iene sen ido pues e ac o ing es una in enci´on no muy ap opiada
pa a p incipian es [24], aunque no hay ga an ´ıa desde el alcance de es e an´alisis pa a
sabe si los usua ios que han ealizado es o son p incipian es.
Figu a 6.23: Secci´on in e io de la 4oPe i ne del p oceso seguido po los edi o es de ac i idad
baja
6.5.2. Edi o es de ac i idad in e media
Una ez que con amos con el log de e en os de los edi o es con ac i idad in e me-
dia: que han ealizado en e cinco y cincuen a e isiones y lo impo amos en P oM aplicamos
’Gene a e log om o g:pe spec i e’ de nue o y ob enemos un log de e en os compues o po
343 casos y 4429 e en os. Es deci , enemos 343 edi o es di e en es que han ealizado 4429
e isiones. Descomponemos en clus e haciendo uso de la he amien a ’Disco e Clus e s’ y
aplicamos ’Disco e using Decomposi ion’ en es e caso seleccionando el mine o induc i o en
su a ian e ’Pe ec Fi ness’. As´ı, ob enemos di e en es edes como emos en las igu as 6.26,
T abajo de Fin de G ado 75

CAP´
ITULO 6. AN ´
ALISIS CON MINER´
IA DE PROCESOS
Figu a 6.24: Secci´on supe io de la 4oPe i ne del p oceso seguido po los edi o es de ac i idad
baja
Figu a 6.25: 5oPe i ne del p oceso seguido po los edi o es de ac i idad baja
6.27,6.28,6.29
En o al, nos encon amos con un conjun o de edes bas an e di e so, con lujos de abajo
complejos y o os azonablemen e simples.
La igu a 6.26 mues a 2 lujos de abajo di e en es. En el supe io , emos dos posi-
bles opciones, o los usua ios edi an ealizando ac -upda e+wiki ica ion o bien ealizan
e isiones con la in enci´on de elabo a . Dado que nos encon amos en un lujo seguido
po e iso es que ealizan en e 5 y 50 e isiones, es o da luga a que es a ed supe io
es ´e compues a po usua ios que de mane a epe i i a se han cen ado en un ipo de
in enci´on espec´ı ica as sus e isiones. M´as conc ea emen e, en a ´ıan den o del ol de
’Quick and di y edi o s’ aquellos que ealizan elabo a ion i e a i amen e y de ’Con-
en Shape s’ aquellos que ealizan ac -upda e+wiki ica ion, siguiendo la axonom´ıa de
oles in oducida. En cuan o a la ed in e io , los edi o es o bien hacen labo es de wiki-
76 T abajo de Fin de G ado
CAP´
ITULO 6. AN ´
ALISIS CON MINER´
IA DE PROCESOS
Figu a 6.26: 1oPe i ne del p oceso seguido po los edi o es de ac i idad in e media
ica ion o e ac o ing+copy-edi ing+wiki ica ion seguido de wiki ica ion, lo cual indica
cla amen e un compo amien o p opio de los ’Con en Shape s’.
La ed 6.27 iene dos pun os de inicio y es compleja en an o que el lujo seguido es
ca´o ico.
•En el pun o de inicio supe io obse amos que de nue o emos una ama cuya
´unica in enci´on es el andalismo, que puede sucede de modo i e a i o, po lo que
se in ie e que no es una in enci´on p opia solo momen os casuales si no que hay
edi o es que se dedican, con inuamen e, a ealiza andalismo en un a ´ıculo o
a ios. Con as ando con es o, la o a opci´on den o de es a ama de la ed es
copy-edi ing+wiki ica ion i e a i amen e, indicando de nue o la exis encia de los
usua ios denominados ’Con en Shape s’.
•Po o o lado, en la ama que comienza en el pun o de inicio in e io de la ed
se e un lujo i e a i o de e isiones bajo la in enci´on p ocess, es deci , hay e-
iso es espec´ı icamen e cen ados en ealiza a eas muy espec´ı icas como ma ca
un a ´ıculo con no icias e e en es a su limpieza, bo ado... Adem´as se e como
el es o de in enciones es ´an elacionadas con la elabo aci´on y la e i icaci´on con
la ocasional wiki ica ion, de nue o, ’Quick and di y edi o s’. Sin emba go en es e
caso y en con a de lo comen ado en la in es igaci´on ’Es abilidad u bulen a de los
oles eme gen es’ no se obse a andalismo asociado a es o, quiz´a elacionado con
la e e an´ıa de los edi o es [5].
La igu a 6.28 nos mues a una ed como la ob enida con los edi o es de baja ac i idad
(6.22) donde se obse a que la can idad de posibilidades exis en es implica que ep esen-
T abajo de Fin de G ado 77
CAP´
ITULO 6. AN ´
ALISIS CON MINER´
IA DE PROCESOS
Figu a 6.27: 2oPe i ne del p oceso seguido po los edi o es de ac i idad in e media
a una acumulaci´on de odos aquellos wo k lows indi iduales que no ha log ado ag upa
debido al uncionamien o del algo i mo mine o induc i o.
La ed 6.29 ep esen a un conjun o amplio de di e en es posibilidades, sin emba go,
mayo i a iamen e las in enciones que nos mues a son copy-edi ing, ac -upda e y wi-
ki ica ion, an o independien emen e como combinadas en e s´ı. Adem´as, es e p oceso
incluye la in enci´on de coun e -Vandalism de modo que as ealiza con a- andalismo
se uel e de nue o a ealiza las in enciones an e io es. Es o, encaja con la desc ipci´on
del ol ’All ound con ibu o s’ donde es e ipo de usua ios ealizan a eas de adici´on de
con enido y cambios en el ex o ac ual adem´as del o ma o y ac ualizaci´on de e e encias.
78 T abajo de Fin de G ado
CAP´
ITULO 6. AN ´
ALISIS CON MINER´
IA DE PROCESOS
Figu a 6.28: 3oPe i ne del p oceso seguido po los edi o es de ac i idad in e media
[5].
T abajo de Fin de G ado 79
CAP´
ITULO 6. AN ´
ALISIS CON MINER´
IA DE PROCESOS
Figu a 6.29: 4oPe i ne del p oceso seguido po los edi o es de ac i idad in e media
6.5.3. Edi o es de ac i idad al a
Po ´ul imo, nos encon amos an e el log de e en os de los edi o es con ac i idad al-
a compues o po aquellos e iso es con m´as de 50 e isiones a sus espaldas, es deci , aquellos
con una al a ac i idad. Excluyendo, adem´as, los ag upados como An´onimo. Es o es debido
a que no se espe a que los an´onimos puedan apo a un lujo cohe en e de abajo, adem´as
de que po el ipo de algo i mo de mine ´ıa aplicado, s´olo con amina ´ıa las edes. Aplicamos
’Gene a e log om o g:pe spec i e’ de nue o y ob enemos un log de e en os compues o po
37 azas y 3712 e en os. Es deci , enemos 37 edi o es di e en es que han ealizado 3712
80 T abajo de Fin de G ado

CAP´
ITULO 6. AN ´
ALISIS CON MINER´
IA DE PROCESOS
e isiones. Descomponemos en clus e s haciendo uso de la he amien a ’Disco e Clus e s’ y
aplicamos ’Disco e using Decomposi ion’ en es e caso seleccionando el mine o induc i o en
su a ian e ’Pe ec Fi ness’. As´ı, ob enemos di e en es edes como emos en las igu as 6.30,
6.31,6.32
Con amos con cinco edes di e en es, de las cuales dos son de conside able complejidad
mien as que las o as es son so p enden emen e simples.
Las edes de la igu a 6.30 so p enden po su simplicidad eniendo en cuen a el n´ume o
an al o de ediciones que ienen los edi o es en es e conjun o.
1. La ed supe io se compone de simplemen e de e ac o ing+copy-edi ing. Es os
edi o es, en a ´ıan en el ol de ’Copy-edi o s’ y ’Con en -shape s’ al mismo iempo
de la axonom´ıa de oles. Es o, cla amen e deno a usua ios comple amen e dedica-
dos a unas in enciones espec´ı icas. Sin emba go, al ep esen a dos oles di e en es,
se p opone a˜nadi a la axonom´ıa el ol de ’A icle ixe s’ ya que a eglan e o es
g am´a icales y e a as adem´as de o ganiza el ex o exis en e median e a eas de
o ma o.
2. La ed in e media ep esen a es compo amien os di e en es en e s´ı y excluyen-
es:
a) El p ime o se basa usua ios que s´olo edi an con la in enci´on de copy-edi ing+wiki ica ion
los cuales pod ´ıan en a den o del ol p opues o p e iamen e ’A icle Fixe s’
ya que adem´as de a egla e o es g am´a icales y e a as, a eglan el o ma o
del a ´ıculo con wiki ica ion.
b) El segundo compo amien o es ´a de e minado po andalismo+elabo a ion.
Es o, a di e encia de la secci´on an e io con los usua ios de ac i idad in e me-
dia, co obo a el compo amien o espe ado po aquellos usua ios bajo el ol
’Quick and di y edi o s’ de la axonom´ıa. Dando luga a que e ec i amen-
e es e en´onemo de ealiza andalismo+elabo a ion no es dependien e de la
e e an´ıa del usua io, si no que es algo p opio de es e es ilo de edici´on.
c) El e ce compo amien o es ´a o mado ´unicamen e po el con a- andalismo,
po lo que hay usua ios que ac ´uan bajo el ol de ’Wa chdog’ sal agua dando
los a ´ıculos a lo la go del iempo. Po ´ul imo, la ed in e io se compone de di-
e en es posibilidades sin emba go odas las in enciones encon adas (wiki ica-
ion, ac -upda e+ e i iabili y, simpli ica ion y ac -upda e+wiki ica ion+ e ac o ing)
son di e sas y a ec an an o a o ma o como con enido po lo que pod ´ıan se
p opias de ’All ound con ibu o s’.
La ed 6.31 cuen a con cinco pun os de o igen di e en es y es bas an e compleja pues
los caminos se en elazan en e s´ı en nume osos y di e en es bucles. En p ime luga
y debido a su es uc u a, hay muchas in enciones di e en es den o de es a ed. Es o,
sumado a la g an can idad de caminos y bucles exis en es da luga a que los usua ios
bajo el ol ’All- ound con ibu o s’ en en en es e lujo. Sin emba go, se obse an m´as
oles di e en es. En el pun o de inicio supe io se obse an bucles en las in enciones ac -
upda e y elabo a ion. La u a de elabo a ion puede i di ec amen e hacia el inal del
lujo po lo que es e p oceso lo segui ´ıan aquellos bajo el ol ’Quick and di y edi o s’,
sin emba go y de nue o, no se obse a que haya andalismo asociado a sus e isiones
T abajo de Fin de G ado 81
CAP´
ITULO 6. AN ´
ALISIS CON MINER´
IA DE PROCESOS
a di e encia de lo encon ado po Daxenbe ge [5]. Po o o lado las dem´as in enciones
es ´an elacionadas con o ma o y a eglo del a ´ıculo, po lo que de nue o den o de es e
lujo se pueden encon a ambi´en ’A icle Fixe s’.
La 6.32 no si e pa a ex a un compo amien o de e minado pues ep esen a una acu-
mulaci´on de odos aquellos lujos de abajo indi iduales que no ha log ado ag upa
debido al uncionamien o del mine o induc i o al igual que en las edes 6.28 y6.22 de
el log de e en os de los edi o es con ac i idad in e media y baja espec i amen e.
82 T abajo de Fin de G ado
CAP´
ITULO 6. AN ´
ALISIS CON MINER´
IA DE PROCESOS
Figu a 6.30: 1oPe i ne del p oceso seguido po los edi o es de ac i idad al a
T abajo de Fin de G ado 83
CAP´
ITULO 6. AN ´
ALISIS CON MINER´
IA DE PROCESOS
Figu a 6.31: 2oPe i ne del p oceso seguido po los edi o es de ac i idad al a
84 T abajo de Fin de G ado
CAP´
ITULO 7. AN ´
ALISIS CON MINER´
IA SOCIAL
colabo aciones con una piscina de usua ios meno que un edi o que haya podido es a eali-
zando pocas ediciones pe o a lo la go de oda la ida del a ´ıculo, que en es e caso, son m´as
de 15 a˜nos.
Figu a 7.4: Zoom g upo cen al del g a o hando e o wo k del a ´ıculo Tie a
Cen ando el oco de a enci´on en el g upo cen al, enemos la ampliaci´on del g a o an e io
en la igu a 7.4. Cla amen e se obse a un g upo muy ce cano de usua ios con un g ado al o a
juzga po su ama˜no en conjun o con o os de meno ama˜no. Debido a su cen alidad den o
del g a o es os nodos es ´an elacionados con los usua ios de m´as peso den o del a ´ıculo al
y como se puede e po el nodo que ep esen an los usua ios an´onimos y su eno me can idad
de a is as. Del mismo modo y en meno medida se obse a una g an can idad de a is as co-
nec ando con el conjun o de usua ios ag upados (colo mo ado) que se obse a.
Tal y como se comen a an es del comienzo de la secci´on, el colo de los nodos y su
localizaci´on de e mina su pe enencia a un g upo espec´ı ico. Aqu´ı emos como odo es e
conjun o cen al de usua ios in luyen es se encuen a colo eado con el mismo colo , indicando
que en e s´ı o man un ´unico conjun o. De es o se ex ae que aquellos usua ios que hacen
nume osas ediciones, en la mayo ´ıa de los casos, son ac i os du an e un la go pe iodo de
iempo, cosechando un al o n´ume o de conexiones bajo la m´e ica hando e o wo k.
7.2.2. A ´ıculo ´
Acido desoxi ibonucleico
En es e caso con amos con un a ´ıculo compues o po 3308 ediciones y 396 edi o es. Del
mismo modo que an e io men e, es o da luga da ´a luga a un g a o de hando e complejo,
con un g an n´ume o de nodos y a is as.
El g a o esul an e, ep esen ado en la igu a 7.5, mues a una si uaci´on simila al obse -
ado en el a ´ıculo Tie a: la mayo ´ıa de edi o es se encuen an ag upados en el cen o del
90 T abajo de Fin de G ado

CAP´
ITULO 7. AN ´
ALISIS CON MINER´
IA SOCIAL
Figu a 7.5: G a o hando e o wo k del a ´ıculo ´
Acido desoxi ibonucleico
g a o mien as que una peque˜na po ci´on de los mismos se encuen a en la pe i e ia.
Es os nodos que componen la pe i e ia siguen la misma es uc u a que en el caso del
a ´ıculo Tie a. La mayo ´ıa son nodos peque˜nos con conexiones a uno o dos nodos con una
po ci´on de nodos de mayo ama˜no y po ende g ado p obablemen e debido a edi a du an e
un espacio peque˜no en el iempo aunque con un g ado de ac i idad mayo que los dem´as.
Figu a 7.6: Zoom g upo cen al del g a o hando e o wo k del a ´ıculo ´
Acido desoxi ibonu-
cleico
Poniendo el oco en el g upo cen al, isible en 7.6, emos de nue o un en´omeno simila
T abajo de Fin de G ado 91
CAP´
ITULO 7. AN ´
ALISIS CON MINER´
IA SOCIAL
al an e io a ´ıculo, un conjun o de edi o es pe enecien es al mismo g upo como deno a su
colo y localizaci´on de un ama˜no g ande indicando una g an can idad de conexiones. Es
deci , los usua ios m´as in luyen es a lo la go de la e oluci´on del a ´ıculo se encuen an aqu´ı.
Adem´as, se encuen an elacionados en e ellos, indicando colabo aci´on en e los mismos.
B´asicamen e, la conclusi´on que puede ex ae se es la misma que an es: es os edi o es que
hacen nume osas ediciones, en la mayo ´ıa de los casos, son ac i os du an e un la go pe iodo
de iempo, cosechando un al o n´ume o de conexiones bajo la m´e ica hando e o wo k.
7.3. Subcon ac ing
En es a secci´on se aplica ´a el algo i mo de mine ´ıa social Subcon ac ing a los dos a ´ıculos
seleccionados del co pus:´
Acido desoxi ibonucleico y Tie a con los usua ios BOT il ados.
Subcon ac ing cuen a el n´ume o de eces que un indi iduo jejecu a una ac i idad en e
dos ac i idades ejecu adas po el indi iduo i[2]. As´ı, sus ep esen aciones g ´a icas son ep e-
sen adas siguiendo los mismos pa ´ame os que en el caso del Hando e o Wo k: los colo es
ep esen an los di e en es g upos exis en es y es ´an o ganizado de modo que odos los g upos
se encuen en jun os. Es a ag upaci´on de nue o se basa en el peso de las a is as, cuan as m´as
eces el edi o j haya edi ado en e dos ediciones del edi o i y ice e sa, mayo se ´a el peso
de la a is a que los una.
Po o o lado el ama˜no del nodo ambi´en depende ´a de su g ado y su si uaci´on geog ´a ica
den o de la ed a ec a a su pe enencia a de e minado g upo a pesa de su colo .
7.3.1. A ´ıculo Tie a
Figu a 7.7: G a o subcon ac ing del a ´ıculo Tie a
Obse ando el g a o esul an e en la igu a 7.7 se e que la mayo pa e de los nodos se
92 T abajo de Fin de G ado
CAP´
ITULO 7. AN ´
ALISIS CON MINER´
IA SOCIAL
encuen an aislados. Es o, en el subcon ac ing, se aduce a que son usua ios que han edi ado
du an e una sola sesi´on. En subcon ac ing los ´e ices se o man en e los edi o es iyjsi i
edi a en e dos ediciones de j. Dado que en es e caso no hay conexiones, solo ealiza on e i-
siones una ez, sin in e upciones de o os usua ios. El n´ume o de e isiones ealizado no es ´a
de e minado, puede se una o m´as, pe o ca ecemos de esa in o maci´on bajo es a pe spec i a.
En esumen, se puede ex ae lo siguien e: la mayo ´ıa de edi o es edi an du an e una sola
sesi´on en es e a ´ıculo. Sin emba go, ambi´en encon amos un g upo de usua ios en el cen o
del g a o.
Figu a 7.8: Zoom g upo cen al del g a o subcon ac ing del a ´ıculo Tie a
Es e g upo cen al, isualizable en 7.8, emos que en ealidad es ´a compues o de dos
g upos di e en es.
El p ime g upo, compues o po nodos g andes en colo ojo. Vemos como se a a de
un g upo de edi o es que ienen un g ado al o po su ama˜no y que adem´as suelen hace
subcon ac ing en e ellos. Sin emba go no solo se educen a su mismo g upo si no que
hay nume osas a is as hacia o os nodos di e en es localizados ue a del g upo cen al.
Es o de nue o pod ´ıa implica un la go his o ial de ediciones en el iempo po pa e de
es os usua ios.
En segundo luga enemos al conjun o de nodos localizado a la de echa. Es os nodos se
encuen an ag upados en e s´ı po la ce can´ıa y el peso de sus a is as sin emba go se
obse a que no necesa iamen e pe enece al mismo g upo si no que hay a ios g upos
en emezclados. Sus conexiones se obse a an en la mayo ´ıa de los casos exclusi amen-
e al nodo que ep esen a a los usua ios an´onimos po lo que es e conjun o m´as que
deno a un compo amien o espec´ı ico mues a los edi o es que hicie on e isiones en e
las e isiones ealizadas po usua ios an´onimos.
T abajo de Fin de G ado 93
CAP´
ITULO 7. AN ´
ALISIS CON MINER´
IA SOCIAL
7.3.2. A ´ıculo ´
Acido desoxi ibonucleico
Figu a 7.9: G a o subcon ac ing del a ´ıculo ´
Acido desoxi ibonucleico
El g a o de subcon ac ing del a ´ıculo ´
Acido Desoxi ibonucleico, 7.9, mues a de nue o,
un compo amien o muy simila al subcon ac ing ob enido en el a ´ıculo Tie a. Se obse a
una g an can idad de nodos aislados y un g upo cen al. Es os nodos se encuen an aislados
debido al mismo mo i o que aquellos en la subsecci´on p e ia: Solo han ealizado ediciones
du an e una sesi´on, dando luga a una secuencia de 1 o m´as ediciones inin e umpidas po
o o edi o .
En el conjun o cen al, 7.10, o a ez encon amos la misma es uc u a que en el a ´ıculo
Tie a. Un g upo cen al de edi o es pe enecien es al mismo g upo, en e de (en el a ´ıculo
Tie a en ojo) y o o compues o po usua ios de meno g ado de di e en es g upos ag upados
en el cen o del g a o debido a sus in e acciones con los usua ios an´onimos.
La di e encia en es e caso, es el ama˜no de los nodos del g upo cen al e de. Es os ienen
meno ama˜no en compa aci´on con los del an e io a ´ıculo. Sin emba go, es e a ´ıculo cuen a
con 3308 ediciones y 396 mien as que el a ´ıculo Tie a con 2654 e isiones y 460 edi o es. Al
medi subcon ac ing, un mayo n´ume o de edi o es exis en es da luga a un mayo n´ume o
posible de conexiones y con es o un mayo ama˜no en sus nodos m´as in luyen es. Debido
a es o, el a ´ıculo ´
Acido Desoxi ibonucleico cuen a con un meno n´ume o de edi o es y un
mayo n´ume o de ediciones que el a ´ıculo Tie a, dando luga as´ı a menos posibles conexiones
en e usua ios educiendo el ama˜no de los nodos.
94 T abajo de Fin de G ado
CAP´
ITULO 7. AN ´
ALISIS CON MINER´
IA SOCIAL
Figu a 7.10: Zoom g upo cen al del g a o Subcon ac ing del a ´ıculo ´
Acido desoxi ibonu-
cleico
T abajo de Fin de G ado 95

Cap´ı ulo 8
Conclusiones
8.1. Conclusiones mine ´ıa de p ocesos a ni el a ´ıculo
Se ha aplicado mine ´ıa de p ocesos a un co pus compues o de 8 a ´ıculos des acados de
la Wikipedia Espa˜nola desde el pun o de is a del a ´ıculo. Es deci , con o mando un log de
e en os donde cada caso es ep esen ado po un a ´ıculo y cada ’ac i idad’ ealizada llamada
e en o es ep esen ada po la in encionalidad sem´an ica as cada e isi´on. El esul ado ha
sido una ed de g an complejidad e imposible de analiza pa a el ojo humano.
Es a ed ob enida ep esen a la complejidad del p oceso de edici´on que siguen los a ´ıcu-
los. Al a a se Wikipedia de una comunidad de conocimien o colabo a i o abie a, cualquie
pe sona puede con e i se en un edi o . Es o in ui i amen e se aduce en una g an can idad
de usua ios con a iados angos de conocimien o y habilidad y po ende muchos es ilos de
edici´on di e en e. Sin emba go, pa a ob ene m´as in o maci´on ace ca de es a ed se descom-
puso en sub- edes de mayo simplicidad.
Es as sub- edes mues an un pano ama simila al an e io , su complejidad es al a aunque
con di e encias en e ellas. Mien as que no ep esen an un p oceso espec´ı ico que se siga a al
pie de la le a y de ah´ı su complejidad, mues an compo amien os di e en es.
Una de las edes ob enida mues a in encionalidades p opias de usua ios odo- e eno con
in enciones combinadas de cie a complejidad desde el comienzo mien as que la o a ed
mues a in enciones m´as espec´ı icas p opias de usua ios con mayo g ado de especializaci´on.
En esumen, se puede conclui que (i) no hay un p oceso uni icado que se siga en la c eaci´on
y e oluci´on de los a ´ıculos en Wikipedia aunque si se e una a iaci´on en las in enciones
seg´un e oluciona el a ´ıculo y (ii) la especializaci´on o el gene alismo de los edi o es en e apas
emp anas de un a ´ıculo iene in luencia en la e oluci´on de los mismos como emos po las
di e en es edes ob enidas as la descomposici´on, dando luga a di e en es lujos de abajo.
8.2. Conclusiones mine ´ıa de p ocesos a ni el edi o
En es e caso, la mine ´ıa de p ocesos ue aplicada d´andole un gi o al log de e en os de
la secci´on an e io o ien ´andolo al edi o . De es a mane a, se ag upan los edi o es en es
96 T abajo de Fin de G ado
CAP´
ITULO 8. CONCLUSIONES
ca ego ´ıas di e en es en unci´on de su ac i idad den o del conjun o ocho a ´ıculos u ilizado
(Baja/In e media/Al a ac i idad) medido po el n´ume o de ediciones ealizado.
Analizando los p ocesos seguidos po los usua ios en sus sesiones de edicion, se obse an
g andes simila i udes con aquellos compo amien os que iden i ican en la in es igaci´on ’Es a-
bilidad u bulen a de oles eme gen es’ ([5]).
De es a mane a, a lo la go de las es ag upaciones ealizadas, se obse an cambios im-
po an es en los oles obse ados en unci´on del n´ume o de ediciones.
En e aquellos usua ios con baja ac i idad, se obse a un poco de odo, aunque po supues-
o no hay gen e que se pueda iden i ica como ’All ound con ibu o s’ pues no han ealizado
una can idad su icien e de ediciones pa a pode de e mina es o. En gene al, es a ca ego ´ıa
se compone de in enciones no demasiado complejas.
En aquellos edi o es con ac i idad in e media, se comienzan a obse a in enciones m´as
e inadas y apa ecen los ’All ound con ibu o s’. Sigue habiendo ´andalos den o de es a
ca ego ´ıa. Po o o lado, se comienza a e que los usua ios que encaja ´ıan con los oles ’Copy
edi o s’, ’Con en shape s’ y ’Layou shape s’ con ecuencia ealizan a eas de cualquie a de
los 3 oles.
En el caso de los edi o es con al a ac i idad, es deci , m´as de 50 e isiones se obse an no
s´olo odo los oles, si no que se e ue za ese solapamien o de los oles ’Copy edi o s’, ’Con en
shape s’ y ’Layou shape s’.
De es a mane a, se ha comp obado la exis encia de di e en es oles en e los usua ios de
Wikipedia desde el pun o de is a de la mine ´ıa de p ocesos, e o zando aquellos esul ados
ob enidos po Daxenbe ge en ’Es abilidad u bulen a de oles eme gen es’. Sin emba go, de-
bido al solapamien o de los 3 oles ’Copy edi o s’, ’Con en shape s’ y ’Layou shape s’ se
p opone una al e aci´on en su axonom´ıa de oles a˜nadiendo un nue o ol denominado ’A icle
ixe s’.
Es os ’A icle ixe s’ se enca gan an o de ealiza a eas de a eglo de o ma o de Wiki-
pedia y ex o como de al as de o og a ´ıa o mejo as en sin ´axis y han sido obse ados an o
en aquellos au o es con una ac i idad in e media (en meno medida) como en aquellos con
una al a ac i idad.
8.3. Conclusiones mine ´ıa social
Den o de la mine ´ıa social, se han aplicado los algo i mos de Subcon ac ing y Hando e
o wo k a dos a ´ıculos di e en es de la Wikipedia ob eniendo en ambos casos esul ados muy
simila es e i icando mu uamen e los esul ados ob enidos.
El algo i mo wo king oge he mide el aspaso de abajo en e edi o es. As´ı, en ambos
a ´ıculos hemos ob enido es uc u as de o ganizaci´on muy simila es.
Un po cen aje de los edi o es anspasan abajo a un n´ume o muy educido de edi o es,
T abajo de Fin de G ado 97
CAP´
ITULO 8. CONCLUSIONES
en e 1 y 2, implicando que sus con ibuciones al a ´ıculo son ealizadas du an e un momen o
espec´ı ico del iempo y no han edi ado en el a ´ıculo a lo la go de una empo ada. Po o o
lado, aquellos edi o es m´as in luyen es y con mayo n´ume o de e isiones mues an muchas
conexiones implicando que han abajo con muchos o os edi o es dando luga a ediciones
du an e un pe iodo de iempo ex endido.
Po o o lado el Subcon ac ing nos mues a la ’subcon a aci´on’ en e edi o es, es deci , si
un edi o edi a en e dos ediciones de o o, lo cual pa a sucede de modo consis en e equie e
de cie a colabo aci´on o un n´ume o muy educido de usua ios. Los esul ados ob enidos son
simila es de nue o en e ambos a ´ıculos.
La mayo ´ıa de usua ios ealiza una sola sesi´on de edici´on donde ealizan una can idad a iada
de ediciones sin in e upciones de o os edi o es. Po o o lado, exis e un n´ucleo de edi o es
de mayo in luencia que ealizan subcon a aciones en e ellos, mos ando que posiblemen e
exis a una colabo aci´on expl´ıci a en e es os usua ios.
Sin emba go, pa a a ianza es as conclusiones debemos obse a los esul ados de ambas
m´e icas conjun amen e. As´ı, emos que aquellos usua ios aislados en subcon ac ing, son
aquellos que en hando e o wo k cuen an con dos conexiones pues han ealizado una sesi´on
de edici´on y nada m´as, de mane a que su abajo es con inuado po o o edi o dando luga
a la conexi´on en el hando e o wo k.
Siguiendo es a misma l´ınea de azonamien o, se e po lo an o que aquellos edi o es
de mayo in luencia ep esen an di e en e ca a de la misma moneda en ambas m´e icas. En
hando e o wo k, es os usua ios o man un conjun o con n´ume osas conexiones en e ellos
y a nume osos nodos mien as que en subcon ac ing es as conexiones se obse an en ma-
yo medida en e ellos. Es deci , mien as que ealizan ediciones en gene al, hay momen os
donde se ealizan colabo aciones con o os edi o es de g an in luencia den o del a ´ıculo. Es
deci exis e una colabo aci´on expl´ıci a en e los usua ios m´as in luyen es den o de un a ´ıculo.
En esumen, nos encon amos con que hay un g an po cen aje de edi o es den o de
Wikipedia que ealizan una sola sesi´on de edicion en un a ´ıculo pa a no ol e , mien as
que hay una mino ´ıa de edi o es asiduos que ealizan a eas de edici´on du an e pe iodos de
iempo g andes an o casual como de mane a o ganizada pun ualmen e.
8.4. Conclusiones globales
De modo gene al, se pueden esumi los hallazgos encon ados en:
1. No exis e un p oceso uni icado de edici´on du an e la e oluci´on de un a ´ıculo. Sin em-
ba go, se obse a como el ipo o la so is icaci´on de las in enciones puede a ´ıa a lo la go
de di e en es e apas del a ´ıculo
2. Adem´as, la gene alidad o especi icidad de los edi o es en e apas emp anas del a ´ıculo
mues a di e en es mane as de p ocede . Es deci , los edi o es iniciales ienen in luencia
en la e oluci´on pos e io del a ´ıculo.
3. Se obse an los di e en es oles de edi o de la axonom´ıa desa ollada en ’Es abilidad
u bulen a de oles eme gen es ([5]). Adem´as, se p opone la adici´on del ol ’A icle
98 T abajo de Fin de G ado
Cap´ı ulo 10
T abajo u u o
Es e p oyec o ha sido ealizado gene ando un co pus basado en ocho a ´ıculos des acados
di e en es de la Wikipedia espa˜nola. Sin emba go, el p opio ama˜no educido del co pus limi-
a en g an pa e la posibilidad de gene aliza los esul ados ob enidos. Es debido a es o que
como abajo u u o se ´ıa muy in e esan e pode hace uso de un co pus de mucho mayo
ama˜no o hace uso de una wiki de ama˜no educido como las de Wikia (po ejemplo Wiki
Cock ails o Hi chike s Wiki) ya que pode analiza una comunidad en e a en su conjun o
apo a esul ados muchos mas signi ica i os que un agmen o de la misma.
El mo i o po el cual es o no se ha ealizado es po que cada wiki exis en e hace uso
de una API p opia de i ada de la encon ada en h ps://www.mediawiki.o g/wiki/API:
Main_page como po ejemplo h ps://cock ails. andom.com/api.php. Sin emba go, como
bien indican se encuen a en desa ollo y no uncionaba co ec amen e bajo el sc ip desa o-
llado pa a ’Inden i icando in enciones sem´an icas en las e isiones de Wikipedia’ ([24], m´as
en: 11). Conc e amen e, la salida del di en e e isiones se encon aba ac´ıo.
Cuando la API se encuen e o almen e desa ollada y uncione de modo co ec o se ´ıa muy
in e esan e pode abaja con ella.
Po o o lado, en el u u o se pod ´ıa ex ende la in es igaci´on ag upando a odos los
edi o es bajo los oles de la axonom´ıa de oles u ilizada en el p oyec o y p esen ada en el
cap´ı ulo de undamen os e´o icos (3). Con odos los edi o es ag upados se pod ´ıan es udia
los p ocesos seguidos po cada ol pa a analiza el cambio y e oluci´on de los mismos as´ı como
las in e acciones en e los di e en es oles.
T abajo de Fin de G ado 103

Cap´ı ulo 11
C´odigo
Es e p oyec o cuen a con c´odigo de au o ´ıa p opia as´ı como c´odigo ealizado po e ce as
pa es.
De es e modo, el c´odigo desa ollado se encuen a alojado en h ps://gi hub.com/
FRYousse /TFG_Wiki. Es e c´odigo de au o ´ıa p opia cuen a con licencia MIT y se encuen a
compues o po los siguien es sc ip s:
co pus il e .py: Es e sc ip con iene 4 il os posibles de en e casual, low, in e media e
y high pa a il a los edi o es de un his o ial de e isiones en unci´on de su n´ume o de
e isiones o pa a ag upa los como es el caso del il o casual. Tambi´en un il o pa a
elimina las e isiones ealizadas po BOTs. En es e caso no equie e m´as en ada que un
pa ´ame o que especi ique el ipo de il o a aplica pues hace uso au om´a icamen e del
co pus y del iche o gene ado po el siguien e sc ip de la lis a edi o coun agg ega o .py
y su salida es el co pus il ado.
edi o coun agg ega o .py: Ag ega el n´ume o de e isiones ealizado po cada au o ,
gene ando un iche o de ex o donde se encuen an los au o es y su con eo o al de
e isiones a a ´es del co pus.
model gene a ion.ipynb: No ebook donde se ealiza un an´alisis de allado en busca del
mejo modelo p edic i o posible pa a de ec a las in enciones inhe en es a cada e isi´on,
los mejo es modelos de e minados son expo ados y usados po el siguien e sc ip de la
lis a: gene a e p edic ions.py
gene a e p edic ions.py: Hace uso de los 13 modelos gene ados (uno po cada in enci´on)
pa a p edeci las in enciones as cada e isi´on del a chi o que se pase como en ada
y da o ma o a los esul ados modi icando el cs inicial del conjun o de his o ial de
e isiones como salida.
e ision id ex ac o .py: Su u ilidad es c ea un iche o cs que almacene el id de e isi´on
y la in encionalidad. Debido a que en es e pun o la in enci´on a´un no se conoce, a˜nade
un 0 po de ec o en su luga . El mo i o de es o es que un sc ip de una e ce a pa e
hace uso de un a chi o con es e o ma o como en ada.
wikipedia dump downloade .py: Se a a de una modi icaci´on de h ps://phab ica o .
wikimedia.o g/di usion/PWBC/b owse/mas e /sc ip s/main enance/download_dump.
104 T abajo de Fin de G ado
CAP´
ITULO 11. C ´
ODIGO
py desa ollada po el au o de es e p oyec o en conjun o con Yousse El Faqi El Rha-
zoui. La modi icaci´on, consis e en la eliminaci´on de dependencias con la lib e ia PyWiki
adem´as de la implemen aci´on de u ilidades como selecci´on de idioma de la wiki de desca -
ga, desca ga una lis a de a ´ıculos y la uni´on de los di e en es agmen os desca gados
pues los a ´ıculos son di ididos en agmen os pa a su adecuada desca ga.
As´ı, el c´odigo de e ce as pa es u ilizado ha sido:
wiki dump pa se .py: Localizable en h ps://gi hub.com/G asia/wiki-sc ip s y desa-
ollado po Abel Se ano Jus e como pa e de un conjun o de sc ip s pa a ob ene y
p ocesa da os de una wiki. El p og ama en cues i´on se a a de un sc ip pa a ob ene
in o maci´on ´u il y da o ma o a los da os desca gados po wiki dump downloade .py
en o ma de cs .
a ToCs .py es un sc ip simple y sencillo pa a ans o ma un a chi o a a o ma o
cs desa ollado po Haloboy777 y localizable en h ps://gi hub.com/haloboy777/
a ocs bajo licencia MIT
C´odigo desa ollado pa a la in es igaci´on ’Iden i icando in enciones sem´an icas en las
e isiones de Wikipedia’ con el obje i o de ob ene las di e en es ca ´ac e ´ıs icas de
cada e isi´on en unci´on de la an e io en una wiki. Ha habido que ealiza lige os
cambios como lib e ias obsole as o a˜nadi di e en es uncionalidades como la posibilidad
de a˜nadi el id de e isi´on al conjun o de da os o decidi el idioma o ipo de wiki.
Se encuen a alojado en h ps://gi hub.com/diyiy/Wiki_Seman ic_In en ion y se
ha ealizado un o k con los cambios en h ps://gi hub.com/ignacioGa sami/Wiki_
Seman ic_In en ion.
T abajo de Fin de G ado 105
Bibliog a ´ıa
[1] Wil M. P. Aals . Decomposing Pe i Ne s o P ocess Mining: A Gene ic App oach.
Vol. 31. Ene. de 2012. doi:10.1007/s10619-013-7127-5.
[2] Wil M. P. Van De Aals , Hajo A. Reije s y Minseok Song. “Disco e ing Social Ne wo ks
om E en Logs”. En: Compu e Suppo ed Coope a i e Wo k (CSCW) 14.6 (2005),
549–593. doi:10.1007/s10606-005-9005-9.
[3] Wil M. P. Van De Aals y Minseok Song. “Mining Social Ne wo ks: Unco e ing In e ac-
ion Pa e ns in Business P ocesses”. En: Lec u e No es in Compu e Science Business
P ocess Managemen (2004), 244–260. doi:10.1007/978-3-540-25970-1_16.
[4] Wil an de Aals y col. P ocess Mining Mani es o. 2011. u l:h ps://doi.o g/10.
1007/978-3-642-28108-2_19.
[5] O e A azy y col. “Tu bulen S abili y o Eme gen Roles: The Dualis ic Na u e o Sel -
O ganizing Knowledge Co-P oduc ion”. En: In o ma ion Sys ems Resea ch 27 (ene. de
2017), p´ags. 792-812. doi:10.1287/is e.2016.0647.
[6] Hicheu Awa e y col. “P ocess Mining in he Educa ion Domain”. En: eb. de 2015.
[7] Tim B ay y col. Ex ensible ma kup language (XML) 1.0. 2000.
[8] And iy Bu ko . The Hund ed-Page Machine Lea ning Book. 1.aed. Kindle Di ec Pu-
blishing, 2019. isbn: 9781790485000.
[9] Soumen Chak aba i y col. Da a Mining Cu iculum: A P oposal. 2006. u l:h ps:
//www.kdd.o g/explo a ion_ iles/CURMay06.pd .
[10] B. F. an Dongen y col. The P oM F amewo k: A New E a in P ocess Mining Tool
Suppo . 2005. u l:h ps://link.sp inge .com/chap e /10.1007/11494744_25.
[11] Haibo He y col. “ADASYN: Adap i e syn he ic sampling app oach o imbalanced lea -
ning”. En: 2008 IEEE In e na ional Join Con e ence on Neu al Ne wo ks (IEEE Wo ld
Cong ess on Compu a ional In elligence) (2008). doi:10.1109/ijcnn.2008.4633969.
[12] And ew B uce Pe e C. B. P ac ical s a is ics o da a scien is s : 50 essen ial concep s.
1s . O’Reilly Media, Inc., 2017.
[13] James L. Pe e son. “Pe i Ne s”. En: ACM Compu ing Su eys 9.3 (1977), 223–252.
doi:10.1145/356698.356702.
[14] P oM 6.8. 2018. u l:h p://www.p om ools.o g/doku.php?id=p om68.
[15] Michal Rosik. 3 Indus ies and Companies Doing P ocess Mining Righ .u l:h ps:
//www.mini .io/blog/3-indus ies-and-companies-doing-p ocess-mining-
igh .
106 T abajo de Fin de G ado

BIBLIOGRAF´
IA
[16] Pnina Shacha y No iko Ha a. “Beyond andalism: Wikipedia olls”. En: Jou nal o
In o ma ion Science 36.3 (2010), 357–370. doi:10.1177/0165551510365390.
[17] sklea n.dummy.DummyClassi ie .u l:h ps://sciki -lea n.o g/s able/modules/
gene a ed/sklea n.dummy.DummyClassi ie .h ml.
[18] Ma ina Sokolo a y Guy Lapalme. “A sys ema ic analysis o pe o mance measu es o
classi ica ion asks”. En: In o ma ion P ocessing Managemen 45.4 (2009), 427–437.
doi:10.1016/j.ipm.2009.03.002.
[19] Vilay hong Sou ha ilay, Kalina Yace y Ra ael A. Cal o. “Analysis o Collabo a i e
W i ing P ocesses Using Hidden Ma ko Models and Seman ic Heu is ics”. En: 2010
IEEE In e na ional Con e ence on Da a Mining Wo kshops (2010). doi:10 . 1109/
icdmw.2010.118.
[20] Jake Vande Plas. Py hon Da a Science Handbook: Essen ial Tools o Wo king wi h
Da a. 1s . O’Reilly Media, Inc., 2016. isbn: 1491912057, 9781491912058.
[21] Ch is ian Wagne y Pa a awan P asa nphanich. “Inno a ing Collabo a i e Con en
C ea ion: The Role o Al uism and Wiki Technology”. En: 2007 40 h Annual Hawaii
In e na ional Con e ence on Sys em Sciences (HICSS07) (2007). doi:10.1109/hicss.
2007.277.
[22] A Weij e s, Wil M. P. Aals y Al es A K Medei os. P ocess Mining wi h he Heu is ics
Mine -algo i hm. Vol. 166. Ene. de 2006.
[23] XES. 2018. u l:h p://xes-s anda d.o g/.
[24] Diyi Yang y col. “Iden i ying Seman ic Edi In en ions om Re isions in Wikipedia”.
En: P oceedings o he 2017 Con e ence on Empi ical Me hods in Na u al Language
P ocessing (2017). doi:10.18653/ 1/d17-1213.
T abajo de Fin de G ado 107