CoinAnalyst Corp. ha anunciado el lanzamiento del nuevo backend de la plataforma de análisis de big data basado en IA. Tras muchos meses de trabajo, el equipo de desarrollo ha completado una amplia revisión de la arquitectura del backend de CoinAnalyst Insights.

Todo el comportamiento del sistema se ha rediseñado desde cero para ofrecer una arquitectura totalmente distribuida. El nuevo bus de mensajería y el almacenamiento de la base de datos proporcionan una forma eficaz de retener ahora muchos más documentos y escalar horizontalmente, aumentando las capacidades de almacenamiento de gigabytes a petabytes. También cabe destacar que el número de mensajes se ha reducido significativamente y que el bus ligero ha disminuido la carga de la base de datos, lo que ha permitido aumentar el rendimiento global del sistema.

La nueva arquitectura de complementos permite a los desarrolladores añadir pasos adicionales al flujo de procesamiento de documentos y mezclar diferentes entornos para que la herramienta más adecuada se encargue de una tarea. Anteriormente, el equipo de desarrollo de CoinAnalyst sólo podía trabajar con aplicaciones basadas en Java. Gracias al bus de mensajes universal, ahora pueden incluir tareas en Python o C++ para obtener un mejor rendimiento o características que no están disponibles en forma de paquetes Java.

Esto permite al equipo acceder a una amplia gama de soluciones de IA desarrolladas por las comunidades de Python y C++. Esta arquitectura extensible también facilita la implementación de la compatibilidad con nuevos tipos de datos y su incorporación al sistema con facilidad. Además, la deduplicación a nivel de índice garantiza que sólo haya una versión de un documento asociada a una URL en el índice.

Esto mejora en gran medida la utilización del almacenamiento, ya que los datos almacenados o transferidos se reducen considerablemente. La API Rest de CoinAnalyst se ha actualizado y mejorado para alimentar con datos tanto a las instituciones como a las bolsas. La plataforma puede proporcionar valores de sentimiento estructurados a partir del texto de las noticias y los comentarios.

Los valores de sentimiento social pueden utilizarse para las estrategias de negociación y los algoritmos cuánticos.