Pronóstico de series de tiempo de tráfico web mediante redes neuronales GRU con arquitectura secuencia a secuencia: caso de estudio en una universidad nacional
Palabras clave:
pronóstico de tráfico web, series de tiempo, GRU, redes neuronales recurrentes, secuencia a secuenciaResumen
Este artículo presenta un caso de estudio sobre el pronóstico de series de tiempo de tráfico web para las páginas institucionales de una universidad nacional de Argentina. La variable objetivo considerada en este estudio fue el número diario de vistas de página (page views), obtenido a partir de registros históricos de Google Analytics, complementada con variables derivadas de usuarios, sesiones, canales, dispositivos y procedencia geográfica. Los datos provinieron de tres sitios web institucionales y fueron recolectados tanto mediante Universal Analytics (UA) como Google Analytics 4 (GA4), se implementaron redes neuronales recurrentes de Unidad Recurrente con Compuertas (GRU) con arquitectura secuencia a secuencia (seq2seq) codificador-decodificador. La metodología CRISP-DM (Chapman, et al., 2000; Schröer, et al., 2021; Shimaoka et al., 2024) guió el proceso completo de minería de datos, incluyendo recolección, preprocesamiento, diseño de modelos, entrenamiento y evaluación. Se utilizó el algoritmo Hyperband para la optimización de hiperparámetros. Los modelos fueron evaluados mediante el Error Medio Absoluto (MAE), la Raíz del Error Cuadrático Medio (RMSE) y el Error Absoluto Medio Porcentual Simétrico (SMAPE). Los resultados evidencian que, para el sitio TUM Transmedia, el mejor modelo alcanzó un MAE de aproximadamente 11 con datos de UA, superando resultados similares reportados en la literatura. Al aplicar el modelo sobre datos de GA4, se mantuvo un MAE inferior a 30. Para el sitio de la Editorial Universitaria, los resultados fueron menos satisfactorios, con un MAE de 71, lo que refleja la mayor complejidad de la dinámica de tráfico de ese sitio. El trabajo demuestra la viabilidad de las redes GRU para el pronóstico de tráfico web institucional y sienta las bases para futuras investigaciones sobre analítica predictiva en la gestión de infraestructura universitaria.
Descargas
Referencias
Bergstra, J. y Bengio, Y. (2012). Random search for hyper-parameter optimization. Journal of Machine Learning Research, 13, 281–305. https://jmlr.csail.mit.edu/papers/v13/bergstra12a.html
Blázquez-García, A., Conde, A., Mori, U. y Lozano, J. A. (2021). A review on outlier/anomaly detection in time series data. ACM Computing Surveys, 54(3), Article 56. https://doi.org/10.1145/3444690
Botchkarev, A. (2018). Performance metrics (error measures) in machine learning regression, forecasting and prognostics: Properties and typology. arXiv. https://arxiv.org/abs/1809.03006
Casado-Vara, R., del Rey, A. M., Pérez-Palau, D., De-La-Fuente-Valentín, L. y Corchado, J. M. (2021). Web traffic time series forecasting using LSTM neural networks with distributed asynchronous training. Mathematics, 9(4), 421. https://doi.org/10.3390/math9040421
Chapman, P., Clinton, J., Kerber, R., Khabaza, T., Reinartz, T., Shearer, C. y Wirth, R. (2000). CRISP-DM 1.0: Step-by-step data mining guide. SPSS Inc. https://www.the-modelingagency.com/crisp-dm.pdf
Cho, K., van Merriënboer, B., Gulcehre, C., Bahdanau, D., Bougares, F., Schwenk, H. y Bengio, Y. (2014). Learning phrase representations using RNN encoder-decoder for statistical machine translation. En Proceedings of the 2014 Conference on Empirical Methods in Natural Language Processing (EMNLP) (pp. 1724–1734). https://doi.org/10.3115/v1/D14-1179
Dang, T. T., Ngan, H. Y. T. y Liu, W. (2015). Distance-based k-nearest neighbors outlier detection method in large-scale traffic data. En 2015 IEEE International Conference on Digital Signal Processing (DSP) (pp. 507–510). https://doi.org/10.1109/ICDSP.2015.7251924
Deng, D., Karl, F., Hutter, F., Bischl, B. y Lindauer, M. (2023). Efficient automated deep learning for time series forecasting. En Lecture Notes in Computer Science (Vol. 13715, pp. 664–680). Springer. https://doi.org/10.1007/978-3-031-26409-2_40
Hochreiter, S. y Schmidhuber, J. (1997). Long short-term memory. Neural Computation, 9(8), 1735–1780. https://doi.org/10.1162/neco.1997.9.8.1735
Kingma, D. P. y Ba, J. (2015). Adam: A method for stochastic optimization. En International Conference on Learning Representations (ICLR). https://arxiv.org/abs/1412.6980
Kotu, V. y Deshpande, B. (2019). Chapter 12: Time series forecasting. En Data Science (2.ª ed., pp. 395–445). Morgan Kaufmann. https://doi.org/10.1016/B978-0-12-814761-0.00012-5
Kuranga, C. y Pillay, N. (2022). A comparative study of nonlinear regression and autoregressive techniques in hybrid with particle swarm optimization for time-series forecasting. Expert Systems with Applications, 190, 116163. https://doi.org/10.1016/j.eswa.2021.116163
Li, L., Jamieson, K., DeSalvo, G., Rostamizadeh, A. y Talwalkar, A. (2018). Hyperband: A novel bandit-based approach to hyperparameter optimization. Journal of Machine Learning Research, 18(185), 1–52. https://jmlr.org/papers/v18/16-558.html
Shimaoka, A. M., Ferreira, R. C. y Goldman, A. (2024). The evolution of CRISP-DM for data science: Methods, processes and frameworks. SBC Reviews on Computer Science, 4(1), 28–43. https://doi.org/10.5753/reviews.2024.3757
Nguyen, Q.-D., Phan, N.-M. y Zelinka, I. (2021). Periodic time series forecasting with bidirectional long short-term memory: Periodic time series forecasting with bidirectional LSTM. En ACM International Conference Proceeding Series (pp. 60–64). Association for Computing Machinery. https://doi.org/10.1145/3453800.3453812
Petluri, N. y Al-Masri, E. (2018). Web traffic prediction of Wikipedia pages. En 2018 IEEE International Conference on Big Data (Big Data) (pp. 5427–5429). IEEE. https://doi.org/10.1109/BigData.2018.8622207
Schröer, C., Kruse, F. y Gómez, J. M. (2021). A systematic literature review on applying CRISPDM process model. Procedia Computer Science, 181, 526–534. https://doi.org/10.1016/j.procs.2021.01.199
Snoek, J., Larochelle, H. y Adams, R. P. (2012). Practical Bayesian optimization of machine learning algorithms. En F. Pereira, C. J. Burges, L. Bottou y K. Q. Weinberger (Eds.), Advances in Neural Information Processing Systems 25. https://proceedings.neurips.cc/paper/2012/hash/05311655a15b75fab86956663e1819cdAbstract.html
Suilin, A. (2017). kaggle-web-traffic [Código fuente]. GitHub. https://github.com/Arturus/kaggle-web-traffic
Sutskever, I., Vinyals, O. y Le, Q. V. (2014). Sequence to sequence learning with neural networks. En Advances in Neural Information Processing Systems 27 (pp. 3104–3112). https://proceedings.neurips.cc/paper/2014/hash/a14ac55a4f27472c5d894ec1c3c743d2-Abstract.html
Wang, W. y Lu, Y. (2018). Analysis of the mean absolute error (MAE) and the root mean square error (RMSE) in assessing rounding model. IOP Conference Series: Materials Science and Engineering, 324(1), 012049. https://doi.org/10.1088/1757-899X/324/1/012049
Xu, S., Han, C. y Ran, C. (2021). A time series combined forecasting model based on ProphetLGBM. En 2021 2nd International Conference on Artificial Intelligence and Information Systems (pp. 1–6). Association for Computing Machinery. https://doi.org/10.1145/3469213.3470280
Zhou, K., Wang, W., Huang, L. y Liu, B. (2021). Comparative study on the time series forecasting of web traffic based on statistical model and generative adversarial model. Knowledge-Based Systems, 213, 106467. https://doi.org/10.1016/j.knosys.2020.106467
Descargas
Publicado
Número
Sección
Licencia
Derechos de autor 2026 Enrique Gauto Sand, Alice Raquel Rambo
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-CompartirIgual 4.0.
Acorde a estos términos, el material se puede compartir (copiar y redistribuir en cualquier medio o formato) y adaptar (remezclar, transformar y crear a partir del material otra obra), siempre que a) se cite la autoría y la fuente original de su publicación (revista y URL de la obra), b) no se use para fines comerciales y c) se mantengan los mismos términos de la licencia.
