Los dispositivos móviles con GPS incluido, junto a aplicaciones de redes sociales, permiten que las personas compartan opiniones, noticias y sus actividades diarias con su localización y el tiempo. Además de las redes sociales, hay muchas otras fuentes de datos geo-temporales como los reportes de incidentes criminales, al igual que búsquedas conscientes del contexto y preguntas de puntos de interés o diversas aplicaciones de mapas. La propuesta de este proyecto está enfocada al uso de redes neuronales para mejorar y diseñar modelos para la representación conjunta y eficiente de los datos textuales espacio-temporales.
Índices prácticos y flexibles en colecciones de cadenas repetitivas, de Gonzalo Navarro y Dustin Cobas
Nos enfrentamos a un problema abrumador: almacenar y acceder a las cantidades masivas de datos generadas cada día. Afortunadamente, muchas de las colecciones de cuerdas de más rápido crecimiento están compuestas por documentos similares, tales como códigos versionados y colección de documentos, repositorios de genoma, etc. Recientemente ha surgido un gran interés en este tipo de colecciones, lo que ha llevado a la aparición de muchos índices de coincidencia de patrón que se aprovechan de las repeticiones de cadena de diferentes maneras. Por otro lado, los índices de recuperación de documentos son menos desarrollados en colecciones de cuerda repetitivas y genéricas, y hay muy pocos índices prácticos implementados. El objetivo principal de este proyecto es desarrollar índices comprimidos que sean prácticos y flexibles para apoyar las operaciones de recuperación de documentos en colecciones de cuerda repetitivas.
