Evaluación de la calidad de datos en grafos de conocimiento.

Abstract

En la era de la inteligencia artificial, la calidad de los datos determina el éxito de aplicaciones que impactan nuestra vida diaria. Los grafos de conocimiento son pilares de estos sistemas, ya que organizan la información de forma estructurada y basada en relaciones con significado. Sin embargo, su construcción automática o semiautomática introduce errores que comprometen su fiabilidad. El concepto de “basura entra, basura sale” sigue vigente: si un grafo de conocimiento contiene datos inconsistentes o incompletos, cualquier aplicación que lo utilice heredará esos defectos. Por esto, este trabajo se enfoca en medir la calidad en los datos de grafos de conocimiento. Específicamente, en herramientas que permitan medir la calidad de forma confiable y reproducible. Primero, se investiga el estado del arte en la evaluación de calidad de datos en grafos de conocimiento. Se busca responder a las preguntas “¿qué herramientas se encuentran disponibles?” y, sobre estas, responder “¿qué aspectos de calidad miden?” y “¿cómo miden estos aspectos de calidad?”. Para esto, se analizan dimensiones, factores, métricas y métodos presentados en trabajos anteriores y se exploran trabajos que presentan herramientas específicas para este propósito. Dada la extensa literatura sobre métricas de calidad para grafos de conocimiento, en este trabajo se selecciona un subconjunto de métricas a considerar. Además, se establece un marco teórico que define las dimensiones y factores relevantes identificados en la literatura. Posteriormente, las métricas seleccionadas se clasifican dentro de estas dimensiones y factores, realizando los ajustes pertinentes. Finalmente, se procede a desarrollar una aplicación web que permite evaluar la calidad de datos en grafos de conocimiento, basándose en las métricas, factores y dimensiones previamente seleccionadas. Esta herramienta ofrece funcionalidades que otras herramientas no poseen, aportando valor a la comunidad, siendo la única aplicación web que permite a los usuarios definir sus propias dimensiones, factores, métricas y métodos, y siendo capaz de solicitar una medición a demanda sobre cualquier grafo con un SPARQL endpoint disponible.