tv.um.es

Yo no sé si no hay nadie, como tú veas. Si vamos a ver, si no va a haber, además, hacemos una exprés en una cuenta hasta ahora no puede contar. Vale, pues como tú quieras que entendí, que tenía preparado, pues en principio eran hasta cinco horas. Así que dejé claro. Pero bueno, a mí. No sé cuánto me he tragado haberle dicho que se mantiene vivo, ya que este es un poquito distinta. Al final vamos a hablar principalmente la librería, descubrimiento que nos ha dado entidades, no, eso es eso sí lo que buscamos es eso, ser un poquito si quieres hacer una cosa y eso no vale, yo te voy yo te voy a eso porque era así; si en una hora lo vemos, no sé si ha tenido una parte práctica, lo mejor, si vale es así que luego ya queda la isla y la presentas; tú digamos la presentada para que se quede, se quede grabada, pero si quieres, claro, tampoco te quiero estropear el que la grabación es a lo mejor de él o alguien pero que sí podemos ir más deprisa no no no no te preocupes En principio yo creo que lo suyo es adaptarse, al que está claro que hay por mucho que esté preparada para una cosa y eso le puede llevar y luego ahí ya es que tengo que salir. Si la posibilidad de que si lo vemos en una obra, pues mira, si ya me libero el resto de la mañana. Se buscará algo como colofón a la parte teórica balear posible. Intento centrarme algunas partes para que le íbamos viendo nada venga venga tienes que grabar me parece tienen que tienes que ponerlo, agravar, en teoría ya lo está así; si está puesto en y lo veo, venga adelante. Pues nada, un poquito lo que lo que hemos hablado. Vamos a hablar de descubrimiento, comparación de entidades. Entre ellos vamos a hablar de distintas a las distintas librerías. En este proyecto, por un lado, en la librería descubrimiento que hace la que hace, efectivamente tenemos la Federación, la Federación es la que permita la librería descubrimiento, extraer datos, es decir, es el módulo que interactúa con los datos que hacen las cargas necesarios. Tenemos el serbio Discovery es un servicio de descubrimiento que básicamente permite este proyecto, está orientado para funcionar con distintos modelos, entonces el servir Discovery y digamos que es el pegamento para todos ellos, hay que conocer la ubicación de cada uno de los lobos, y los datos tenemos en la factoría de. Es la librería que genera para cada uno de los recursos siguiéndoles tema que saber, sino al proyecto y los criterios clanes y bueno, entre otros, que no vamos a llegar, tenemos mal conjunto de métricas que nos permite seleccionar los triples más adecuados para la grabación de datos. La librería, descubrimiento tiene distintos módulos, tiene el módulo de la reconciliación de entidades, tiene el módulo de descubrimiento de enlaces, la reconciliación de entidades. Se trataría de buscar similitudes dentro del mismo modo, es decir, por ejemplo, la Universidad de Murcia, aquellas entidades dentro de la propia Universidad de Murcia que sean similares. Si un descubrimiento enlaces, hablaría de edades similares en otros ámbitos, por ejemplo, en otras universidades o en la nube; los, por ejemplo, datos de Kidal, uso de cualquier otra fuente de datos, aquí lo que tenemos es un un esquema donde podemos ver en el nuevo uno duplicados relativos a la misma, a la misma entidad dentro del mismo modo, por ejemplo, la Universidad de Murcia. En ese caso, cómo acabamos de decir? Pues estaríamos hablando de un duplicado. Si esa relación la encontrase con 8, por ejemplo, la Universidad de Oviedo en este caso tendríamos que hablar de un link sea la persona de, tendría una relación con la persona b y si lo encontraremos dentro de la nube, los estaríamos hablando de externo. En ese caso sería sería un venga externo hacia una entidad almacenar opus en cualquier área o en cualquier otro. En cuanto a la reconciliación de entidades, el aumento de datos justifica justificar esto. Se estima que en 2025 habrá aproximadamente 10 elevado a 21 países o se ha elevado a nueve en el mundo, y eso hace que se requieran herramientas para garantizar la integridad de los datos y y evitar los duplicados profundamente estudiado. Una uno es una, una rama de la investigación activa y abierta múltiples. Tienen múltiples aplicaciones de crear. Los datos y cena basuras, tiene basura, es un problema no trivial distintas, represión, representaciones para los valores. Valen lo mismo, atributo, distintas, convenciones según el momento. En el tiempo se vuelven nacionalidades, culturas, errores a la hora de introducir los datos, distintos tipos de datos. Por lo tanto, es necesario distintas funciones. Para evaluar la similitud, también es relevante la importancia variable de los votos; no todos los atributos tienen la misma capacidad para discriminar una entidad de otra. Cuánto valen quienes sí podemos decir que es el proceso por el cual se busca vincular entidades entre distintas fuentes, reconocimiento típicamente puedes Garner? Es la tarea de extracción de información que a partir de a partir del texto hará Armada encontrar entidades como personas organizaciones lugares lesiones tiempo cantidades encontradas en tiempo y bueno básicamente este no va a ser el objetivo de la librería descubrimiento, la de esa emigración entidades, o sea, es la labor de estas islas, impedía la labor de la librería de descubrimiento y es la parte que es la parte de comparación de entidades, bien para distintos vaqueros dentro de la novela, y luego tenemos el registro; es la vinculación real, consiste en encontrar relaciones, empleados genios como por ejemplo el módulo de la Fed, del que hablaremos posteriormente. Los objetivos dentro del proyecto es, por un lado, evitar duplicados dentro del mismo paquete es crear enlaces entre los distintos paquetes; esa misma instancia es decir si encontramos cierto investigador en una instancia y en otra, crear los enlaces que apunten al otro minimizar la intervención humana, pero Faffe, y a la vez facilitar la labor de vecino rumano en los casos en que no fuese suficiente para llevar una acción automática y crear enlaces a instancias almacenadas. Tienen tantas la novela en referencia a la misma instancia es almacenadas en el bracket, de forma que los datos almacenados pueden ser completado la información de asistencias para evaluar el proyecto. Hemos evaluado primeramente funciones comerciales como como el módulo, de estar dos o y hemos evaluado también la posibilidad de una implementación, y, finalmente, nos hemos decidido por una implementación lado para evitar las distintas compañías y, bueno, en el pliego tenemos un requisito que es poder cambiar, en triples Thor en cualquiera de los de los logros y, bueno, las soluciones que hemos mencionado no nos vinculan directamente con los triples Thor que las comercializan. En un caso es. Tardó en otro caso, caso les grabó ninguna de las dos soluciones adecúa tampoco completamente a los requisitos. Son soluciones sagradas que además no permite la implementación. Por ejemplo, requiere una lista de posibles variaciones para los votos, lo cual implica que tenemos que conocer antes la asunción, y estas dos oriental. Búsqueda de similitudes al proceso de información desde una fuente externa, un fichero, no la búsqueda de similitudes dentro del propio conocimiento y la implementación ado nos permite ajustar los algoritmos la lógica, las características. Consideramos oportunas. Bueno, para poder evaluar la similitud de las entidades, necesitamos bajar un poquito el nivel y poder evaluar los atributos. Para ello tenemos que crear distintas métricas. Para evaluar esos atributos nos va a interesar que todas las métricas estén normalizadas, es decir, en un intervalo de uno para que sean comparables entre ellas, la misma escala, siendo ninguna similitud completa, existen atributos de distintos tipos. Tenemos atributos de tipo numérico atributos de tipo, fecha, cadenas de texto enlaces, objetos y listas, y tenemos también que no todas las entidades tienen la misma, todos los atributos, tienen la misma capacidad de identificación, tenemos atributos que actúan como identificadores y, y, bueno, son estos, serían los atributos en los cuales esperamos encontrar un único valor por cada cada individuo, por ejemplo, el dni se envían que son graves, pero no tenemos garantías, por ejemplo nombre, Daniel Ruiz Santamaría podría estar repetidos en los distintos medios y luego tenemos atributos sin informativos que son atributos, que no, que no actúan como, y que por sí mismos tienen un poder bajo de discriminación, pero que en su conjunto pueden generar una firma que pueda ayudar a salvaguardar. Era para evaluar el poder de discriminación. Cierto atributo. Lo que hacemos es crear una, una métrica que vamos a llamar el ratio de discriminación, y lo vamos a definir como el número de valores distintos para una distinta, para una persona tributo entre el total de instancias de determinada clase. Bueno, en este caso será un indicador de la importancia del tributo. Básicamente, los atributos más relevantes tenderán a tener un valor. Uno para el ratio de discriminación y los atributos menos relevantes tenderán a tener un valor bajo un valor 0. Cuanto más instancias tengamos una cierta clase, más precisos, incluso en el caso de que haya duplicados y esos valores. Esa ratio de discriminación y tienda no ser exactamente 1, incluso para los identificadores, pues la importancia relativa será mucho mayor a esos atributos. Vale, aquí podremos ver un ejemplar una siguiente, la siguiente guía positiva, donde tendríamos la primera columna, el valor de las seguimiento. En la segunda columna tendríamos de discriminación que hemos calculado en función de la fórmula más lista. Anteriormente, en la tercera columna tendríamos activos ponderados, relativo. De discriminación, y en la última columna tendríamos la similitud ponderada, que no sería más que la implicación de la similitud para ponderado. En el caso, una similitud positiva, pues podríamos ver, por ejemplo, que la mayoría de la mayoría de los balones, los valores y aproximadamente suman, si no me equivoco, un 8.085 por 100 en cuatro valores, más o menos se concentra el máximo poder de discriminación y el resto de valores. Tanto tanto el sexo como el departamento pues tienen un valor bastante menor de importancia. En el ejemplo podemos ver cómo el valor de similitud es alto para los valores, que tienen un ratio de sí un ratio de discriminación a la valoración calculada que en ser positiva, se entiende a ser bastante. Sin embargo, en el segundo ejemplo vemos la similitud es absoluta para cuatro atributos que tienen bastante importancia, que están en rojo, lo que hace que la similitud en este caso sea bastante baja. Vale? Ahora vamos a hablar del tipo de cadenas de texto, que quizás es el tipo el tipo más general. Las variaciones comunes pueden seguir las cadenas de texto, pues son el cambio de palabras. Por ejemplo, podemos encontrar Daniel Ruiz Santamaría Santamaría, Daniel, podemos encontrar también frecuentemente abreviaturas. Avenida Infante Don Luis Infante Don Luis. De Boadilla del Monte, si me lleva a acercarnos al genial personaje de Vives, también hay que pensar qué opciones tenemos que ver alguna vez bueno lo que tenemos los errores ortográficos por ejemplo Elena se puede expedir Singh o a través de sus, a la hora de introducir los datos, es importante también para simplificar la complejidad, la normalización de las lágrimas. Primero no vamos a discriminar entre mayúsculas y nos vamos a enfrentar a los 2. De la misma forma, haciendo una conversión a minúsculas eliminaremos también los caracteres de puntuación es como si nos hacen 2, es decir, separaremos en palabras y quitaremos las estatuas que son palabras que en Venecia parecen a menudo texto o discriminatorio y pueden alterar la valoración por ejemplo los artículos nombres posiciones opciones algunos verbos adjetivos adverbio en este caso hemos hemos añadido este curso en unos 20 idiomas distintos. Eliminar las mejoras también reduce el tiempo de evaluación, vale? Para de similitud. Nos hemos apoyado algoritmos existentes en este caso en 12 algoritmos por un lado, tenemos el instante, la estancia de Cartesian en vectores de cadenas de texto, distancia implica que la distancia entre los vectores de cadenas de texto, la instancia coste, no es la distancia distancia, el ángulo de cadenas de texto, la distancia de Dáesh, evalúa las similitudes nos muestras desde el punto de vista a los elementos que comparten los caracteres, la instancia ya cariño, analizado que mide el grado de similitud entre dos conjuntos, es decir, la casación. Que evalúa el número de caracteres iguales entre dos posiciones, que son necesarios para llegar de una obra. Que quizás es el más; el más conocido; es la instancia reedición de entre dos cadenas, es decir, el número de el número de ediciones que necesitan realizar para apostar por la cadena lo sé cuál es la secuencia más larga en secuencias. Seguimos guay basado en la longitud de negra más cadenas y si vanguardia Hernani, ideado como un algoritmo para realizar el alineamiento locales Cohen, cierta adn se puede usar también para alinear un alineamiento óptimo entre dichas cadenas que vale como a priori partíamos de desconocimiento total de estos alumnos de estos algoritmos. Lo que hemos hecho es crear un conjunto de 20.000, cadenas generadas con de tres asisto, que cambien también aleatoriamente y bueno. Lo que hemos hecho es hacer una serie de modificaciones. No lo habéis hecho entonces con datos de investigación de publicación, no este nivel no. Lo que buscábamos era únicamente evaluar la norma, ya no valen las similitudes de texto en el fondo podrían ser. Podrían ser investigadores, podrían ser nombre? Este artículo podría ser cualquier cosa, declaró marcas y es donde están las características interesantes. Por ejemplo, los nombres, cuando entremos con nombre chinos y empezamos a publicar con chinos problema gordo o con vietnamitas, si de todas formas es un dúo que ha salido con el proyecto sido y, bueno, es algo que en algún momento haremos en este momento no lo hemos hecho. Si sobre todo esto nos ha servido para justificar la algorítmica, hemos aplicado a nivel general, en la librería descubrimiento, entonces y más sentidos a último nivel con los propios datos del proyecto, hacer hacer rehacer un poquito esta valoración. Bueno, lo que hemos hecho distintas, distintas modificaciones sobre estos datos generados. Primero la identidad, es decir, ninguna modificación es lo que vemos como iguales después hemos desordenado. Esas cadenas que hemos generado entre tres seis nos hemos desordenado. Después hemos hecho cambios, hemos hecho cambios, si no me equivoco, hasta un 20 por 100, aleatoriamente o sean unos toques si en otros toques no hemos hecho cambios hasta no sé si era el 30 por 100 de la cadena. Hemos cambiado ciertos caracteres, hemos truncado también, entre también aleatoriamente no todas las palabras sino las palabras entre uno la mitad y y como mucho, hasta la mitad de cada, y luego hemos hecho otra modificación, que son todas las modificaciones. Cada vez todas las hemos comentado. Encara Saná la misma, cadera y distintas. Nos ha servido como medida de control, es decir, hemos metido cadenas totalmente distintas, generadas a la forma que son, que no tiene ninguna relación con la primera, y nos sirve un poquito como cobayas para saber si el algoritmo peca de cada optimista o se intenta encontrar alguna similitud donde no la hay, o no. Bueno, con el fin de simplificar un poquito las métricas, por las hemos etiquetado mal. Significaría menos del 25 por 100 de acierto suficiente, menos del 0,4 por 100, medio por debajo del seis por 100, alto por debajo del ocho por 100, excelente por debajo del uno por 100 . Lo primero que podemos observa es que las dos primeros casos son iguales, 2, perfectamente cuando se desbordan las cadenas perfectamente y los problemas parecen empezar. Cuando nacemos los cambios de caracteres, cuando tocamos o aplicamos todas las las modificaciones, inicialmente parece que se comporta bien, pero si nos fijamos en el valor cuando son distintas, ese valor no es del todo bueno. Se ha de encontrar cierta similitud. Cuando no hay entonces podemos pensar que el algoritmo quien, de ser un poquito, demasiado optimista y bueno luego tenemos el caso contrario de algoritmos pesimistas, que serían los cuatro o cinco primeros donde funcionan relativamente mal para los cambios para los tocados, modificaciones. Esto justifica que que ningún algoritmo parece funcionar bien para todos los casos, y la idea que la que vamos a apoyarnos es usar todos todos los algoritmos, es decir, crear un algoritmo de consenso donde la unión de todos nos intenten dar un valor que sea bastante más fiable que el valor que nos pueda dar individualmente. El algoritmo de consenso que hemos desarrollado. Se basa en ordenar los resultados de similitud de cada algoritmo de la siguiente forma. El resultado mayoritarios, cierta similitud, pues los ordenamos descendiendo, enciende mayor amenaza y si es en caso contrario de menor a mayor, vamos a establecer el peso restante, como el beso, que aún no hemos asignado en la primera instalación. El peso restante, obviamente será 1, se establecen. Vamos a establecer los valores del texto de aplicar el peso, aplicar la integración para él, para el valor y estableceremos qué pasó y será un tercio de lo que quede para ocupar la primera instalación. Pues era un tercio de 1, es decir, un tercio del peso, y el. Como uno menos alfa, multiplicado por peso en la primera instalación, pues tendremos que uno menos, un tercio en el alfa que hemos calculado por 1, será dos tercios, que se siguiente peso. Es el peso restante que nos queda por aplicar y, bueno, hombre, repetiremos desde el punto tres hasta alcanzar los dos últimos elementos de la lista en los cuales vive dividir, iremos al simplemente y queremos pesos entre los y. Bueno, para calcular la similitud, lo único que haremos es el sumatorio de. Los pesos de la similitud condenada que hemos que hemos calculado antes en esta tabla, pues podemos ver un poquito un poquito la evolución de los pesos que vamos a aplicarlo. Vemos que para el primer elemento tercio exactamente para el segundo elemento, aplicamos un tercio del restante; es decir, entre los dos primeros elementos tendríamos aproximadamente un 50 por 105 por 100 del peso que vamos a aplicar, y esto iría disminuyendo. Esto hace que es bueno que tengamos en cuenta todos los algoritmos, pero nos apoyemos más en aquellos que parecen confirmar la premisa inicial en el caso de, en el caso de valores numéricos. Aquí tenemos dos casos. Tenemos los valores numéricos, tenemos que tener en cuenta que muchos casos actúan como identificadores y, bueno, sí solo un identificador no podemos estimar, similitud o no sea la similitud sería binaria, sí mismo si es el mismo número 2, que debería ser 1, si no es el mismo número, la similitud tendría que ser 0, esto lo haremos basándonos en el ránking, de maravilla de importancia. Si nos lo que hacemos es aplicar una exponencial inversa, de tal forma que si el número es exactamente igual, el valor de similitudes en alguno, si no es exactamente el mismo, lo que entendemos es un valor que oscilará en un rango de 0, cinco a hacer, de tal forma que existe un salto cuantitativo entre ser igual, iba a generar rápidamente según nos vayamos alejando del número y luego tenemos valores. La complicación que podemos encontrar distintas, distintas formas de no escribir búlgaros, podemos escribirlo conocer o no podemos escribir. Los eurofans podemos escribirlo como en sí o no. Ese en ella es tu. Básicamente lo que tenemos es un, es una clase de apoyo. También intentamos es bueno valencianas y luego lo que haremos es aplicar una operación en Guisando, donde si son iguales, obtendremos un uno básicamente. Si son distintos. Las fechas fechas tienen una, una gran complejidad sobre todo la detección, sí o no, básicamente porque podemos escribirlas de distintas chispas, formas podemos alterar, el orden podemos cambiar, el lado podemos escribirlas en cualquier idioma pueden tener distintas longitudes y bueno, como en el caso de los, nos apoyamos en una clase y variaciones y consigue extraer de un texto si es una fecha o no. En cuanto a la evaluación muy sencilla, una fecha o es igual o no es la misma, no nos interesa la cercanía. Entonces, una vez que determinamos piensa si es la misma similitud distintas, pero teniendo en cuenta que dos fechas pueden ser iguales, cuando una fecha es más precisa que otras decir, por ejemplo, en las dos fechas que aparecen en el ejemplo, podemos ver que una tiene hora y hora, sin embargo la fecha, y debemos considerar que las fechas son la misma en cuanto a las listas. Las listas no es un tipo en sí mismo si no que sino que al final contiene elementos tiempo determinado para evaluar las listas. Aplicamos la siguiente. Elegimos el primer elemento de la lista y buscamos el elemento o mayor o con mayor similitud dentro de la lista b y además tenemos la similitud encontrada y eliminamos los elementos de la lista de la operación hasta que no quede ningún elemento a la vista y calculamos la similitud total para la lista como la suma del sumatorio de elementos de ahí hasta el tamaño de la lista menor, como las similitudes en la escritura, elementos y lo dividimos por el número de elementos de la lista maño. En cuanto a métricas de similitud para objetos, podemos encontrar casos aquí en la derecha donde podemos encontrar objetos animados. En este caso. Lo que haremos es aplicar para este objeto central objetos de la cual hablaremos. Hablaremos unos minutos en cuanto a los enlaces es un tipo bastante especial. Aquí tenemos que tener en cuenta el contexto. Si el enlaces dentro del mismo modo necesariamente estamos referencia al mismo objeto en este caso solo tenemos que ver dentro del mismo modo hablo dentro de la Universidad de Murcia. En este caso solo hay que comprobar si Lauri es la misma la misma referencia clara al mismo objeto si la comparación estrés entre distintos objetos y el tema distinto en la uvi podría ser, va a ser distinta con su unidad. Entonces lo que buscaremos es una tripleta de equipos. Hay más es la que estamos en la que vamos a generar en este caso este caso entre distintos objetos de distintos almacenados en distintos Sí. Si existe esa etiqueta, no se está indicando que ambos objetos son lo mismo. Entonces, entonces sí apuntan si realmente una escala, otra. La similitud seria sería uno en caso de no existir en este mismo equipo. Si existe una tripleta Klaus klaus más los más tripletes que usamos para enlaces externos, por ejemplo, una cierto investigador, o estar apuntando a una cierta distancia y base y la segunda instancia puede estar apuntando a la misma instancia base, si sí estará en la misma misma instancia, pues tendríamos que podríamos aplicar la propia transita viva. Es decir, si es igual hacer balance de ellos, en caso contrario, que no encontraremos esas tripletes, necesitamos evaluar las entidades que apuntan los enlaces, y bueno, en ese caso lo que haríamos sería recuperar esas entidades y aplicarla a esto. Bale en cuanto a la. En cuanto a la evaluación de entidades, una vez que tenemos definida la evaluación de todos, de todos los tipos de atributos o es relativamente simple no podemos resumir en esta esta fórmula. Creemos que la derecha, donde para todos los atributos, aplicaremos el sumatorio de. Ese, siendo es la similitud de cada tributo calculado según su tipo, según ha mencionado anteriormente y v, que será el ratio de variabilidad de la importancia y lo decidiremos todo por la sumatorio. La importancia de los votos, y esto es la función que nos dará la similitud de la entidad, que como siempre se moverá en el intervalo 0. 1. Y bueno, entramos en el tema de, entramos en el tema de la complejidad, y aquí el primer problema que nos encontramos, quizás uno de los mayores, y es que para calcular calcular la la búsqueda vamos para hacer la búsqueda de todas las entidades, necesitaríamos hacerla en todos los lados, en todas las clases, en todas las instancias y en todas las instancias menos unos, entonces menos en sí misma de esa clase, es decir, para todas las personas, necesitaríamos por cada persona evaluar con el resto de personas. Esto nos lleva a una complejidad de orden elevado a la cuarta en principio, como bien porque le declare, es muy distinto. De todos modos, dichas a continuación se operó ahí ahí el número 2, en número de clases no son grandes. Entonces ese ponerle una cualquiera no es Helene de las instancias, sí más o menos. Quizá no esté bien expresado, no lo digo. La siguiente punto ser en el siguiente punto. Lo que vamos a la lugar nunca nos vamos a evaluar. Todas las clases para las estancias tampoco son de la misma magnitud que el número de instancias potencialmente. Entonces, bueno, como siempre, vamos a evaluar para un modo determinado y para una clase determinada. Los dos primeros términos se reducen a uno nos quedamos con la complejidad del número de instancias para el resto instancias, es decir, tendremos una complejidad del tipo del tipo en cuadrados y y bueno, para que nos hagamos una idea, pues si tuviésemos solamente 1.000 entidades no son muchas, que hablaríamos de una de un 1.000.000 de comprobaciones, no empiezas a ser un problema, aquí tenía, tenía un vídeo que no te lo voy a poner, tiene expresa, pero básicamente habla del crecimiento exponencial y, y y bueno, lo que lo que vamos a intentar es que los dos actores sean número distancias y el número de estancias con las que tenemos que comparar lo que vamos a hacer. Lo que vamos a hablar primero es la reducción del espacio de búsqueda y bueno, lo que vamos a hacer es una búsqueda previa en las pizza. Aprovechando que tenemos, tenemos los atributos atemorizados, de importancia. Vamos a vamos a realizar dicha búsqueda por los atributos más relevantes, con lo cual vamos vamos a limitar el ascenso de la experiencia militar. Pues estamos trabajando con clases de unas 20.000 entidades más o menos, y con este paso estamos reduciendo la la búsqueda, como mucho 50 la mayoría de los casos por debajo, lo cual hace que el segundo término de la complejidad sea bastante, y luego la segunda estrategia que seguimos comparar, únicamente los deltas, es decir, si una, si una entidad no ha cambiado y ya lo hemos evaluado, no tendríamos porque volverá a hacerlo en ese caso, pues está claro que la primera interacción que hagamos la complejidad será total. Serán números distancias que haya, pero a partir de ese momento solamente nos van a importar. Vamos a evaluar las entidades que hayan cambiado o lo cual, bueno, conseguimos reducir estos dos términos, que aunque sigue siendo otra, una multiplicación, pues bueno estoy otra es de otra magnitud que a la que teníamos, y no sé muy bien qué hacer Oscar si si no, seguiré como. Yo creo que si quieres lo que está haciendo mucha gente es que para saber cómo va los vídeos los va acortando. Haga bien que a lo mejor eso te sirve más a tu. Ayer iban cortando los vídeos cada equis tiempo, no cada una hora o la media hora; cuando había un bloque como has terminado este bloque, a lo mejor eso lo puede exportar Bale vuelve a comenzar otro vídeo que así es mucho más fácil para los bienes para obtenerlos. Así que yo creo que te puede venir bien.