Docente-Investigador. Profesor Agregado.
Computación-UCV.Centro de Computación Paralela y Distribuida (Docente-Investigador)
Av. Los Ilustres. Facultad de Ciencias, UCV. Los Chaguaramos. Caracas 1041.
Director de la Escuela de Computación
Docteur en Informatique.
Université Pierre et Marie Curie. Paris VI. LIP6. 4 place Jussieu. 75005. París, Francia.
MsC. Ciencias de la Computación.
UCV. Venezuela.
Lic. Computación.
UCV. Venezuela.
E-Mail: andres.sanoja (at) ciens.ucv.ve
asanoja (dot) pro (at) gmail.com
Telef: 0 212 605 10 38
Documents & Links
Publications
2020
Villalba, Brayhan; Sanoja, Andres
Desarrollo de una Herramienta para la Evaluación de la Segmentación de Páginas Web Technical Report
Universidad Central de Venezuela Los Chaguaramos., 2020.
Abstract | Links | BibTeX | Etiquetas: bloques, evaluation, metricas, segmentacion web
@techreport{VillalbaSanoja2020,
title = {Desarrollo de una Herramienta para la Evaluación de la Segmentación de Páginas Web},
author = {Brayhan Villalba and Andres Sanoja},
editor = {Escuela de Computación. UCV},
url = {https://www.researchgate.net/publication/349502650_Desarrollo_de_una_Herramienta_para_la_Evaluacion_de_la_Segmentacion_de_Paginas_Web?channel=doi&linkId=6033d4f6a6fdcc37a8461d63&showFulltext=true},
doi = {10.13140/RG.2.2.14661.37602},
year = {2020},
date = {2020-11-20},
urldate = {2020-11-20},
address = {Los Chaguaramos.},
institution = {Universidad Central de Venezuela},
abstract = {El presente Trabajo Especial de Grado fue llevado a cabo con la finalidad de desarrollar una aplicación Web, que permita evaluar una serie de segmentaciones de una misma página Web, generadas de diferentes algoritmos de segmentación.
Se establece entonces que el objetivo del TEG es desarrollar una aplicación Web que permita comparar y evaluar las segmentaciones de una misma página, realizadas con un conjunto de algoritmos de segmentación automáticas, contra la mejor segmentación manual realizada por la herramienta Manual-Design of Blocks (MoB) utilizadas como ground truth.
La aplicación Web se desarrolla con las tecnologías HTML5, CSS3,
JavaScript, React, Node, PostgreSQL y PostGis. La misma permite realizar comparaciones espaciales, haciendo uso de funciones geométricas de PostGis, entre los bloques de la segmentación ideal, la proveniente del ground truth y los bloques provenientes de las segmentaciones realizadas por algoritmos de segmentación automática.
Se hace uso del proceso de Desarrollo Adaptable de Software para la etapa de desarrollo de la aplicación, adicionalmente se emplea el método de trabajo de Kanban para apoyar al proceso previamente mencionado. Durante la investigación se hizo evidente que los algoritmos de segmentación de páginas Webs son de utilidad en la actualidad y posee varias aplicaciones, adicionalmente se evidencia
que la mayor limitante para el desarrollo de estos algoritmos es la correcta evaluación de los mismo, por lo cual se demuestra la importancia del desarrollo de la aplicación planteada en este TEG.},
keywords = {bloques, evaluation, metricas, segmentacion web},
pubstate = {published},
tppubtype = {techreport}
}
Se establece entonces que el objetivo del TEG es desarrollar una aplicación Web que permita comparar y evaluar las segmentaciones de una misma página, realizadas con un conjunto de algoritmos de segmentación automáticas, contra la mejor segmentación manual realizada por la herramienta Manual-Design of Blocks (MoB) utilizadas como ground truth.
La aplicación Web se desarrolla con las tecnologías HTML5, CSS3,
JavaScript, React, Node, PostgreSQL y PostGis. La misma permite realizar comparaciones espaciales, haciendo uso de funciones geométricas de PostGis, entre los bloques de la segmentación ideal, la proveniente del ground truth y los bloques provenientes de las segmentaciones realizadas por algoritmos de segmentación automática.
Se hace uso del proceso de Desarrollo Adaptable de Software para la etapa de desarrollo de la aplicación, adicionalmente se emplea el método de trabajo de Kanban para apoyar al proceso previamente mencionado. Durante la investigación se hizo evidente que los algoritmos de segmentación de páginas Webs son de utilidad en la actualidad y posee varias aplicaciones, adicionalmente se evidencia
que la mayor limitante para el desarrollo de estos algoritmos es la correcta evaluación de los mismo, por lo cual se demuestra la importancia del desarrollo de la aplicación planteada en este TEG.
Sanoja, Andrés; Garcia, Jean
Manual-design of Blocks: Una Herramienta para Gestionar Segmentaciones Manuales de Páginas Web Journal Article
In: ReVeCom, vol. 06, no. 01, pp. 019-027, 2020, ISSN: 2244-7040.
Abstract | Links | BibTeX | Etiquetas:
@article{SanojaGarcia2020,
title = {Manual-design of Blocks: Una Herramienta para Gestionar Segmentaciones Manuales de Páginas Web},
author = {Andrés Sanoja and Jean Garcia},
editor = {Sociedad Venezolana de Informática},
url = {https://www.researchgate.net/publication/340221556_Manual-design_of_Blocks_Una_Herramienta_para_Gestionar_Segmentaciones_Manuales_de_Paginas_Web_Revista_Venezolana_de_Computacion},
issn = {2244-7040},
year = {2020},
date = {2020-03-01},
journal = {ReVeCom},
volume = {06},
number = {01},
pages = {019-027},
abstract = {Web page segmentation is an important task in Web page analysis. The objective is to divide a Web page intoblocks, each one representing a coherent part (or segment) of the content. In this work we describe the developmentof the Manual-design of Blocks (MoB). At the same time we describe how to get a ground truth of segmentations andhow to compute the“best manual segmentation”. The best manual segmentation is defined based on our experience andthe data obtained, in this investigation we define one way to obtain it, but we do not consider there’s only one way toachieve this. The best segmentation is then available to be used on the evaluation process of segmentation algorithmusing the Block-o-Matic framework. Also, a Web API and a Web repository for managing the data. Acceptance testresults are presented in this document.},
keywords = {},
pubstate = {published},
tppubtype = {article}
}
2018
Garcia, Jean; Sanoja, Andres
Desarrollo de una Herramienta Interactiva Para la Construcción de un "Ground Truth"de Segmentaciones de Páginas Web Technical Report
2018.
Abstract | BibTeX | Etiquetas: ground truth, pagina web, segmentacion, segmentacion manual
@techreport{GARSAN2018,
title = {Desarrollo de una Herramienta Interactiva Para la Construcción de un "Ground Truth"de Segmentaciones de Páginas Web},
author = {Jean Garcia and Andres Sanoja},
editor = {CCPD},
year = {2018},
date = {2018-10-10},
abstract = {En el presente paper describimos los resultados
de nuestra investigación, donde se evidencia la importancia de
la evaluación de algoritmos de segmentación. La finalidad de
nuestro trabajo es la obtención de una ”ground truth”(base de
la verdad) de segmentaciones manuales sobre una página Web
para la posterior obtención de “la mejor segmentación”, la cual
puede ser usada más adelante para la evaluación del algoritmo
de segmentación.},
keywords = {ground truth, pagina web, segmentacion, segmentacion manual},
pubstate = {published},
tppubtype = {techreport}
}
de nuestra investigación, donde se evidencia la importancia de
la evaluación de algoritmos de segmentación. La finalidad de
nuestro trabajo es la obtención de una ”ground truth”(base de
la verdad) de segmentaciones manuales sobre una página Web
para la posterior obtención de “la mejor segmentación”, la cual
puede ser usada más adelante para la evaluación del algoritmo
de segmentación.
2017
Sanoja, Andrés; Gançarski, Stéphane
Migrating Web Archives from HTML4 to HTML5: A Block-Based Approach and Its Evaluation Book Chapter
In: Kirikova, Mārīte; ørvaag, Kjetil; Papadopoulos, George A (Ed.): pp. 375–393, Springer International Publishing, Cham, 2017, ISBN: 978-3-319-66917-5.
Abstract | Links | BibTeX | Etiquetas:
@inbook{Sanoja2017,
title = {Migrating Web Archives from HTML4 to HTML5: A Block-Based Approach and Its Evaluation},
author = {Andrés Sanoja and Stéphane Gançarski},
editor = {Mārīte Kirikova and Kjetil ørvaag and George A Papadopoulos},
url = {https://doi.org/10.1007/978-3-319-66917-5_25},
doi = {10.1007/978-3-319-66917-5_25},
isbn = {978-3-319-66917-5},
year = {2017},
date = {2017-09-24},
pages = {375--393},
publisher = {Springer International Publishing},
address = {Cham},
abstract = {Web archives (and the Web itself) are likely to suffer from format obsolescence. In a few years or decades, future Web browsers will no more be able to properly render Web pages written in HTML4 format. Thus we propose a migration tool from HTML4 to HTML5. This is challenging, because it requires to generate HTML5 semantic elements that do not exist in HTML4 pages. To solve this issue, we propose to use a Web page segmenter. Indeed, blocks generated by a segmenter are good candidates for being semantic elements as both reflect the content structure of the page. We use an evaluation framework for Web page segmentation, that helps defining and computing relevant metrics to measure the quality of the migration process. We ran experiments on a sample of 40 pages. The migrated pages we produce are compared to a ground truth. The automatic labeling of blocks is quite similar to the ground truth, though its quality depends on the type of page we migrate. When comparing the rendering of the original page and the rendering of its migrated version, we note some differences, mainly due to the fact that rendering engines do not (yet) properly render the content of semantic elements.},
keywords = {},
pubstate = {published},
tppubtype = {inbook}
}
2015
Sanoja, Andrés; Gançarski, Stéphane
Web page segmentation evaluation Proceedings Article
In: Proceedings of the 30th Annual ACM Symposium on Applied Computing, pp. 753–760, ACM 2015.
@inproceedings{SanGan:SAC:2015,
title = {Web page segmentation evaluation},
author = {Andrés Sanoja and Stéphane Gan{ç}arski},
url = {http://doi.acm.org/10.1145/2695664.2695786},
doi = {10.1145/2695664.2695786},
year = {2015},
date = {2015-03-01},
booktitle = {Proceedings of the 30th Annual ACM Symposium on Applied Computing},
pages = {753--760},
organization = {ACM},
keywords = {},
pubstate = {published},
tppubtype = {inproceedings}
}
Sanoja, Andrés
Web Page Segmentation, Evaluation and Applications PhD Thesis
Université Pierre et Marie Curie-Paris VI, 2015.
@phdthesis{Sanoja:LIP6:2015,
title = {Web Page Segmentation, Evaluation and Applications},
author = {Andrés Sanoja},
editor = {UPMC},
url = {https://hal.inria.fr/tel-01128002/},
year = {2015},
date = {2015-01-22},
address = {4 place Jussieu, 75005. Paris, France},
school = {Université Pierre et Marie Curie-Paris VI},
type = {thesis},
keywords = {},
pubstate = {published},
tppubtype = {phdthesis}
}
2014
Sanoja, Andrés; Gançarski, Stéphane
Block-o-Matic: A web page segmentation framework Proceedings Article
In: International Conference onMultimedia Computing and Systems (ICMCS), pp. 595-600, Marrakesh, Moroco, 2014.
@inproceedings{Sanoja:ICMCS:2014,
title = {Block-o-Matic: A web page segmentation framework},
author = {Andrés Sanoja and Stéphane Gançarski},
url = {http://ieeexplore.ieee.org/document/6911249/},
doi = {10.1109/ICMCS.2014.6911249},
year = {2014},
date = {2014-04-01},
booktitle = {International Conference onMultimedia Computing and Systems (ICMCS)},
pages = {595-600},
address = {Marrakesh, Moroco},
keywords = {},
pubstate = {published},
tppubtype = {inproceedings}
}
2013
Sanoja, Andrés; Gançarski, Stéphane
Block-o-Matic: a Web Page Segmentation Tool and its Evaluation Miscellaneous
29`eme journées ''Base de données avancées'', BDA'13, 2013, (Poster).
Abstract | Links | BibTeX | Etiquetas:
@misc{sanoja:hal-00881693,
title = {Block-o-Matic: a Web Page Segmentation Tool and its Evaluation},
author = {Andrés Sanoja and Stéphane Gançarski},
url = {https://hal.archives-ouvertes.fr/hal-00881693},
year = {2013},
date = {2013-01-01},
abstract = {In this paper we present our prototype for the web page segmentation called Block-o-matic and its counterpart Block-o-manual, for manual segmentation. The main idea is to evaluate the correctness of the segmentation algorithm. Build a ground truth database for evaluation can take days or months depending on the collection size, however we address our solution with our manual segmentation tool intended to minimize the time of annotation of blocks in web pages. Both tools implements the same rules for segmentation, for the manual version allows to propose blocks to assessor and for the automatic the block selection. We present our demonstration scenario with a collection of web pages organized in categories. After its annotation they are compared with the automatic segmentation version and it is given a score and a visual comparison.},
howpublished = {29`eme journées ''Base de données avancées'', BDA'13},
note = {Poster},
keywords = {},
pubstate = {published},
tppubtype = {misc}
}
2012
Sanoja, Andrés; Gançarski, Stéphane
Yet Another Hybrid Segmentation Tool Miscellaneous
iPRES 2012 -- 9 th International Conference on Preservation of Digital Objects, 2012, (Poster).
Abstract | Links | BibTeX | Etiquetas:
@misc{sanoja:hal-00770527,
title = {Yet Another Hybrid Segmentation Tool},
author = {Andrés Sanoja and Stéphane Gançarski},
url = {https://hal.archives-ouvertes.fr/hal-00770527},
year = {2012},
date = {2012-01-01},
abstract = {In this paper1 we present an overview of a prototype we are developing for in the context of web archives (page comparison, crawling and information retrieval). It analyses pages based on their DOM tree information and their visual rendering. This tool implements a modified version of VIPS with the aim of enhancing the precision of visual block extraction and the hierarchy construction. First, the visual rendering of a page, produced by several browsers, is segmented into rectangular blocks. Then, the extracted blocks are analysed looking for visual overlaps, which are analysed using a adapted version of the XY-Cut algorithm and resolve the overlap. As a result we may have different shapes of blocks, rectangular and non-rectangular blocks. Finally, the visual block tree, representing the layout of the page is analysed in order to have a more coherent layout disposition.},
howpublished = {iPRES 2012 -- 9 th International Conference on Preservation of Digital Objects},
note = {Poster},
keywords = {},
pubstate = {published},
tppubtype = {misc}
}
2010
Sanoja, Andrés; León, Claudia; Torres, Gustavo
Lineamientos para la Construcción de un Archivo Histórico de la Información Digital producida en Venezuela Proceedings Article
In: CLCAR 2010. Conferencia Latino Americana de Computación de Alto Rendimiento, 2010.
BibTeX | Etiquetas:
@inproceedings{sanoja2010lineamientos,
title = {Lineamientos para la Construcción de un Archivo Histórico de la Información Digital producida en Venezuela},
author = {Andrés Sanoja and Claudia León and Gustavo Torres},
year = {2010},
date = {2010-01-01},
booktitle = {CLCAR 2010. Conferencia Latino Americana de Computación de Alto Rendimiento},
keywords = {},
pubstate = {published},
tppubtype = {inproceedings}
}
González, Zulma; Sanoja, Andrés; Rivas, Sergio
Utilización de Métricas de Software para Apoyar la Selección de Frameworks Web para el Sistema de Gestión de Datos Académicos de la Facultad de Ciencias UCV Journal Article
In: SABER. Revista Multidisciplinaria del Consejo de Investigación de la Universidad de Oriente, vol. 22, no. 2, pp. 185–192, 2010.
BibTeX | Etiquetas:
@article{gonzalez2010utilizacion,
title = {Utilización de Métricas de Software para Apoyar la Selección de Frameworks Web para el Sistema de Gestión de Datos Académicos de la Facultad de Ciencias UCV},
author = {Zulma González and Andrés Sanoja and Sergio Rivas},
year = {2010},
date = {2010-01-01},
journal = {SABER. Revista Multidisciplinaria del Consejo de Investigación de la Universidad de Oriente},
volume = {22},
number = {2},
pages = {185--192},
publisher = {Universidad de Oriente},
keywords = {},
pubstate = {published},
tppubtype = {article}
}
2008
Sanoja, Andrés; León, Claudia
Overview of extratos: yet another service oriented information extraction system for the web Proceedings
Universidad de Magallanes, 2008, ISBN: 978-956-319-507-1.
Abstract | Links | BibTeX | Etiquetas: bpel, distributed systems, web content extraction
@proceedings{Sanoja2008,
title = {Overview of extratos: yet another service oriented information extraction system for the web },
author = {Andrés Sanoja and Claudia León},
editor = {Jornadas Chilenas de Computación},
url = {https://web.archive.org/web/20090219124306/http://lahuen.dcc.uchile.cl/~jcc2008/libro.pdf},
isbn = {978-956-319-507-1},
year = {2008},
date = {2008-11-15},
publisher = {Universidad de Magallanes},
abstract = {This article describes the design and implementation of Extratos, a Service Oriented Information Extraction System for web content sharing, based on web services as extractors and BPEL business process generation. Some insights from archaeological sciences are applied to the design of the system. It is organized in five subsystems: Xpathula, Lab, Node, Web Portal and Executor and the external entities web browser, web page and orchestration engine. Our solution present a web extraction process, from the perspective of users and software systems, with three phases: design, generation and execution. The goal of the design phase is to help the user "discover" text from web pages, transform them in
Text References, conform Pages and compose a Mashup, and the corresponding extraction procedure. The goal of the generation phase is, based on design, is convert the mashups as the result of a service oriented process. For the execution of the process is given a service oriented infrastructure to allow access to software clients through to mashups, using web services standard protocols },
keywords = {bpel, distributed systems, web content extraction},
pubstate = {published},
tppubtype = {proceedings}
}
Text References, conform Pages and compose a Mashup, and the corresponding extraction procedure. The goal of the generation phase is, based on design, is convert the mashups as the result of a service oriented process. For the execution of the process is given a service oriented infrastructure to allow access to software clients through to mashups, using web services standard protocols
2006
Sanoja, Andres; Cattafi, Ricardo; Carballo, Yusneyi; Zambrano, Nancy
Gobierno Electrónico en el Sureste Asiático Technical Report
2006.
@techreport{sanoja2006gobierno,
title = {Gobierno Electrónico en el Sureste Asiático},
author = {Andres Sanoja and Ricardo Cattafi and Yusneyi Carballo and Nancy Zambrano },
url = {http://www.computacion.ciens ucv ve},
year = {2006},
date = {2006-01-01},
journal = {Caracas, Septiembre},
keywords = {},
pubstate = {published},
tppubtype = {techreport}
}
Carballo, Yusneyi; Cattafi, Ricardo; Sanoja, Andrés; Zambrano, Nancy
Gobierno electrónico en Venezuela Technical Report
2006.
@techreport{carballo2006gobierno,
title = {Gobierno electrónico en Venezuela},
author = {Yusneyi Carballo and Ricardo Cattafi and Andrés Sanoja and Nancy Zambrano},
url = {http://www.computacion.ciens ucv ve},
year = {2006},
date = {2006-01-01},
journal = {UCV. Caracas. Venezuela.[Documento en l'inea]. Recuperado de: http://www. computacion. ciens. ucv. ve},
keywords = {},
pubstate = {published},
tppubtype = {techreport}
}
Cattafi, Ricardo; Sanoja, Andrés; Carballo, Yusneyi; Zambrano, Nancy
Gobierno-e en América Latina Technical Report
2006.
@techreport{cattafi2006gobierno,
title = {Gobierno-e en América Latina},
author = {Ricardo Cattafi and Andrés Sanoja and Yusneyi Carballo and Nancy Zambrano},
editor = {UCV. Caracas. Venezuela.[Documento en linea},
url = {http://www.computacion.ciens ucv ve},
year = {2006},
date = {2006-01-01},
journal = {Lecturas en Ciencias de la Computación},
pages = {1--22},
keywords = {},
pubstate = {published},
tppubtype = {techreport}
}
Other activities
I also enjoy music. If you feel like it please visit my Youtube channel.
Keyboards in early 90’s rock band Alacranes de Terciopelo