en (en mi experiencia personal)

1995

dot-com

1995

2000

2002

2003

2004

HTML PHP

#!/usr/bin/perl print "Hello world!
"; This was definitely a challenging contest. I've never written a Perl program before that didn't have hundreds of qw( $ @ % & * | ? / ! # ~ ) symbols. I really had to summon all of my programming skills to produce an unobfuscated program Edwin Fuller, ganador del Unobfuscated Perl Code Contest

2005

Dell PowerEdge 1800 con procesador Xeon dual @ 3GHz y 8GB de RAM corriendo Debian

¿quién? ¿qué? ¿cuándo? ¿dónde? ¿por qué? taxonomías representaciones alternativas y encapsulamiento NewsCodes NewsML NITF IPTC

HTML XHTML NITF

Plone 2.1 = Archetypes

PloneArticle ATPhoto Haystack CompositePack Faltan nada más unos tipos de contenido

Creación automática de resúmenes LiveSearch Sindicación de contenido Clasificación de noticias

data.fs squid cache zope front end server apache httpd internet php redacción en línea auxiliares

data.fs squid cache zope front end server apache httpd internet php redacción en línea auxiliares

data.fs squid cache zeo storage server apache httpd zope 4 front end server pound load balancer internet redacción en línea zope 1 front end server zope 2 front end server zope 3 front end server

<zodb_db main> cache-size 30000 <zeoclient> ... </zeoclient> mount-point / </zodb_db> zope.cfg

¿ Dónde está Carlos de la Guardia ?

Sun Fire X2100 M2 con procesador Opteron @ 2.2GHz y 4GB de RAM corriendo Debian y OpenVZ

data.fs squid cache zeo storage server apache httpd zope 4 front end server pound load balancer internet redacción en línea zope 1 front end server zope 2 front end server zope 3 front end server

data.fs squid cache pound load balancer zeo storage server apache httpd zope 4 front end server zope 4 front end server pound load balancer internet zope 1 front end server zope 2 front end server zope 3 front end server zope 2 front end server zope 1 front end server zope 3 front end server redacción en línea

Plone 2.5 = tecnologías de Zope 3

Subject = nitf/head/docdata/key-list Contributors = nitf/body/body.end/tagline Creation Date = nitf/head/docdata/date.issue Last Modified Date = nitf/head/revision-history Effective Date = nitf/head/docdata/date.release Expiration Date = nitf/head/docdata/date.expire Language = nitf/body/@xml:lang Rights = nitf/head/docdata/doc.copyright Property = nitf/head/tobject/tobject.property/@tobject.property.type Section = nitf/head/pubdata/@position.section Urgency = nitf/head/docdata/urgency/@ed-urg Byline = nitf/body/body.head/byline News Item NITF ¿?

archetypes.schemaextender

nitf4plone

demo

buildout

[buildout] parts = … svnproducts [svnproducts] recipe = infrae.subversion urls = https://svn.plone.org/svn/collective/nitf4plone/trunk nitf4plone [instance] eggs = … archetypes.schemaextender zcml = archetypes.schemaextender products = … ${svnproducts:location} buildout.cfg

ahora sí, demo

¿preguntas?

context : Italian sculptors and painters of the renaissance favored the Virgin Mary for inspiration. query : madonna Clasificación automática de textos usando Yahoo! Term Extraction <ResultSet xmlns:xsi=&quot;http://www.w3.org/2001/XMLSchema-instance&quot; xmlns=&quot;urn:yahoo:cate&quot; xsi:schemaLocation=&quot;urn:yahoo:cate http://search.yahooapis.com/ContentAnalysisService/V1/TermExtractionResponse.xsd&quot;> <Result> italian sculptors </Result> <Result> virgin mary </Result> <Result> painters </Result> <Result> renaissance </Result> <Result> inspiration </Result> </ResultSet>

Inglés Flesch-Kincaid Grade Level = (0.39 * ASL) + (11.8 * ASW) -15.59 Flesch Reading Ease = 206.835 - (84.6 * ASW) - (1.015 * ASL) ASW: Número promedio de sílabas por palabra (en un segmento de texto de 100 palabras) ASL: Longitud promedio de frase (número de palabras por frase) La calificación de Flesch-Kincaid Grade Level traduce a un grado numérico, por ejemplo, una calificación de 6.8 equivale a un nivel de lectura del sexto grado en los EEUU. Calificaciones de Flesch Reading Ease varían entre 0 y 100, con 0 como lo más difícil y 100 como lo menos difícil para leer. Una calificación menos de 30 se considera muy difícil, mientras una calificación de 70 se considera apropiada para lectores adultos. Español Huerta Reading Ease = 206.84 - (0.60 * P) - (1.02 * F) P: Número de sílabas por 100 palabras. F: Número de frases por 100 palabras. Calificaciones de Huerta Reading Ease varían entre 0 y 100, con 0 como lo más difícil y 100 como lo menos difícil para leer. Una calificación menos de 30 se considera muy difícil, mientras una calificación de 70 se considera apropiada para lectores adultos. Cálculo de los índices de lecturabilidad

gracias