Las bases de datos grafos están revolucionando la forma en que las organizaciones gestionan datos complejos e interconectados. Sin embargo, el uso de lenguajes de consulta específicos, como Gremlin, puede ser un desafío para los equipos que buscan extraer información de manera efectiva. A diferencia de las bases de datos relacionales, que cuentan con esquemas bien definidos, las bases de datos grafos carecen de un esquema centralizado, lo que requiere una considerable experiencia técnica para realizar consultas adecuadas.
Con el objetivo de superar este obstáculo, se ha introducido un enfoque innovador que convierte las consultas formuladas en lenguaje natural a consultas Gremlin, utilizando modelos de Amazon Bedrock, como Amazon Nova Pro. Esta metodología permite que analistas de negocio, científicos de datos y otros profesionales no técnicos accedan y se relacionen con bases de datos grafos de manera sencilla y eficiente.
El proceso de generación de consultas se lleva a cabo en tres pasos fundamentales. Primero, se debe entender y extraer el conocimiento del gráfico, lo que incluye identificar etiquetas de vértices, propiedades y sus conexiones. A esto se le añade el conocimiento del dominio, que aporta un contexto específico a la aplicación, utilizando descripciones generadas por modelos de lenguaje.
El segundo paso se centra en estructurar el gráfico, creando un esquema que mejora la comprensión del modelo sobre las estructuras gráficas. En este punto, cada consulta en lenguaje natural pasa por un proceso de reconocimiento de entidades, enriquecimiento de contexto y planificación de consultas.
Por último, el tercer paso implica la generación y ejecución de consultas Gremlin. Un modelo de lenguaje genera una consulta inicial que se ejecuta en un motor Gremlin. Si se produce algún error, se aplican mecanismos de análisis para afinar la consulta. Este proceso iterativo asegura que las consultas generadas cumplan con la estructura y las restricciones de la base de datos, aumentando su precisión y usabilidad.
Se ha desarrollado un sistema de evaluación que analiza la calidad de las consultas generadas y sus resultados de ejecución, revelando que este marco puede distinguir efectivamente entre consultas correctas e incorrectas, con una precisión del 74.17% en pruebas realizadas con 120 preguntas. Además, se ha comprobado que Amazon Nova Pro supera a un modelo de referencia en latencia y costos, generando consultas más rápidamente y a un menor costo por token.
Con miras al futuro, se están llevando a cabo mejoras para optimizar la evaluación automática de resultados y manejar de manera más efectiva consultas anidadas. Estas innovaciones prometen mejorar aún más la fiabilidad y la consistencia de las salidas del sistema, facilitando el uso de bases de datos grafos en una amplia variedad de aplicaciones empresariales.
