🤖 machine learning

DisasterLex: An Expert Concept-to-Schema Knowledge Graph for Geospatial Reasoning in Disaster Analytics

DisasterLex es un marco mediado por grafos de conocimiento que mejora el rendimiento de la conversión de lenguaje natural a SQL en la analítica de desastres al insertar un Grafo de Conocimiento de Expertos entre las consultas de los usuarios y bases de datos geoespaciales heterogéneas, mejorando así significativamente la precisión en el enrutamiento y el razonamiento multitabla en comparación con los modelos de referencia del estado del arte.

Autores originales: Yiming Xiao, Ankit Basu, Kai Yin, Sahil Vartak, Christian Swords, Ali Mostafavi

Publicado 2026-06-01

📖 5 min de lectura🧠 Análisis profundo

CC BY 4.0

Autores originales: Yiming Xiao, Ankit Basu, Kai Yin, Sahil Vartak, Christian Swords, Ali Mostafavi

Artículo original bajo licencia CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Esta es una explicación generada por IA del artículo a continuación. No ha sido escrita ni avalada por los autores. Para mayor precisión técnica, consulte el artículo original. Leer descargo de responsabilidad completo

Imagina que eres un gestor de desastres intentando salvar vidas durante un huracán. Tienes una biblioteca masiva de datos: miles de hojas de cálculo que contienen información sobre profundidades de inundaciones, ubicaciones de hospitales, estado de la red eléctrica y vulnerabilidad de la población. Pero estas hojas de cálculo son desordenadas, utilizan diferentes idiomas y están conectadas de formas compleicas que solo un experto podría entender.

Quieres hacer una pregunta sencilla como: "¿Qué hospitales en el condado de Harris están en riesgo de inundación y a dónde deberíamos enviar a los equipos de rescate?"

En el pasado, hacerle esta pregunta a una computadora era como intentar encontrar una aguja específica en un pajar lanzándole todo el pajar a un robot y esperando que adivine bien. El robot se confundiría por el enorme volumen de datos, mezclaría tablas no relacionadas o alucinaría (inventaría) conexiones que no existen.

DisasterLex es un nuevo sistema diseñado para resolver este problema. Piensa en él como un bibliotecario superinteligente y experto que se sienta entre tú (el humano) y la desordenada biblioteca de datos.

Así es como funciona, desglosado en pasos sencillos:

1. El "Mapa del Experto" (El Grafo de Conocimiento)

Antes de que el sistema siquiera mire los datos, los investigadores construyeron un "Mapa del Experto" especial.

El Problema: Las computadoras no entienden naturalmente que una "lluvia intensa" conduce a "inundaciones", lo que conduce a "cortes de energía", lo que luego detiene el funcionamiento de los "hospitales".
La Solución: El equipo creó un mapa digital (llamado Grafo de Conocimiento de un Experto) que conecta estos conceptos como un diagrama de flujo. Es como un mapa de metro donde las paradas son conceptos (por ejemplo, "Lluvia", "Inundación", "Corte de Energía") y las líneas muestran cómo se afectan entre sí.
El Puente: Este mapa también está conectado a las tablas de datos reales. Sabe que el concepto "Hospitales" en el mapa apunta a una columna específica de una hoja de cálculo sobre recuentos de hospitales.

2. La "Orquesta" de cuatro pasos

Cuando haces una pregunta, DisasterLex no simplemente lanza la pregunta a la computadora. La hace pasar por una línea de ensamblaje de cuatro pasos, como un director dirigiendo una orquesta:

Paso 1: El Traductor (Extracción de Contexto): Escucha tu pregunta y determina la "vibra". ¿Es una verificación rutinaria o una emergencia de vida o muerte? También identifica la ubicación y el tipo de desastre (por ejemplo, "Inundación en el condado de Harris").
Paso 2: El Policía de Tránsito (Enrutamiento): Basándose en la vibra, envía la pregunta al "departamento" correcto. ¿Se trata de salvar vidas? ¿De reparar infraestructura? ¿O simplemente de evaluar daños? Esto evita que el sistema pierda tiempo buscando en los datos equivocados.
Paso 3: El Planificador (Razonamiento Causal): Este es el paso mágico. El sistema mira su "Mapa del Experto" para planificar la ruta. Se pregunta: "Para responder esto, debo seguir el camino desde 'Lluvia' hacia 'Inundación' y luego hacia 'Hospitales'". Utiliza este mapa para decidir exactamente qué hojas de cálculo abrir, ignorando las otras 130 hojas de cálculo que no son relevantes.
Paso 4: El Ejecutor (Generación de SQL): Finalmente, escribe el código de computadora específico (SQL) para extraer los datos de las hojas de cálculo seleccionadas, ejecuta la consulta y sintetiza la respuesta en un informe claro.

3. Por qué es mejor que la competencia

Los investigadores probaron DisasterLex contra otros sistemas de IA de primer nivel.

La Forma Antigua: Otros sistemas intentaban leer toda la biblioteca de 150 columnas de datos para cada pregunta. Esto los confundía, provocando "alucinaciones" donde conectaban cosas no relacionadas (como vincular datos de inundación con datos de población solo porque compartían un ID de ciudad).
La Forma de DisasterLex: Al utilizar el "Mapa del Experto", redujo la búsqueda a solo 10–20 columnas relevantes. Fue como darle al robot una lista específica de libros para revisar en lugar de toda la biblioteca.

Los Resultados:
DisasterLex superó a los otros sistemas por un margen amplio (de 1.4 a 2.75 veces mejor). La razón principal por la que los otros fallaron fue que se perdieron en el "enrutamiento" (eligiendo el departamento equivocado) y en la "composición de múltiples tablas" (intentando unir demasiadas hojas de cálculo incorrectamente). El plan paso a paso de DisasterLex evitó estos errores.

4. La Conclusión

DisasterLex no es una bola de cristal mágica que predice el futuro. Es una herramienta de precisión que ayuda a los expertos humanos a obtener los datos correctos más rápido.

No reemplaza al decisor humano; actúa como un asistente de alta velocidad que asegura que el humano esté mirando los hechos correctos.
Está diseñado específicamente para datos estructurados (tablas y hojas de cálculo), no solo para leer artículos de noticias.
Actualmente se prueba con datos de desastres en Texas, pero el enfoque del "Mapa del Experto" podría teóricamente usarse en otros campos complejos donde la causa y el efecto importan, como el triaje médico o las cadenas de suministro.

En resumen, DisasterLex convierte un caos de datos en una historia clara y accionable al darle a la IA una "hoja de trucos" de conocimiento experto antes de que siquiera comience a trabajar.

Resumen Técnico: DisasterLex

Planteamiento del Problema

La gestión de desastres depende del acceso rápido a datos geoespaciales estructurados y densos en información (peligro, exposición, vulnerabilidad e infraestructura) para coordinar respuestas en tiempos críticos. Aunque las interfaces de lenguaje natural (Text-to-SQL) han avanzado, fallan en el dominio de los desastres por tres razones principales:

Heterogeneidad del Esquema: Las bases de datos de desastres abarcan docenas de tablas con semánticas especializadas, valores centinela para la ausencia de datos y convenciones de puntuación invertidas (por ejemplo, una puntuación más alta indica mayor vulnerabilidad en un conjunto de datos, pero mayor resiliencia en otro).
Brechas de Razonamiento Causal: Los expertos en el dominio razonan sobre cadenas causales (por ejemplo, baja resiliencia $\rightarrow$ capacidad de respuesta reducida; profundidad de inundación $\rightarrow$ daño estructural). Los modelos estándar de Text-to-SQL carecen de estas codificaciones causales externas, lo que conduce a alucinaciones de uniones (joins) entre tablas semánticamente no relacionadas que solo comparten una clave geográfica.
Desajuste de Recuperación: La recuperación estándar (RAG) recupera pasajes de texto, mientras que la analítica de desastres requiere SQL ejecutable sobre tablas estructuradas. Los métodos actuales de RAG aumentados por grafos mejoran la recuperación de pasajes, pero no resuelven el problema de selección de esquema requerido para la respuesta de consultas estructuradas.

Metodología: Marco de Trabajo DisasterLex

DisasterLex es un marco agéntico mediado por grafos de conocimiento diseñado para cerrar la brecha entre las consultas de lenguaje natural y las bases de datos geoespaciales estructuradas. Consta de tres componentes integrados:

1. Grafo de Conocimiento Unificado

El sistema alberga un grafo unificado en Neo4j que combina dos subgrafos:

Grafo de Catálogo de Datos de Desastres (DDCG): Auto-introspeccionado a partir de la base de datos relacional (DuckDB). Representa tablas como nodos DataTable, columnas como nodos DataColumn y patrones de unión válidos como nodos JoinRule.
Grafo de Conocimiento de Expertos (EKG): Un grafo dirigido curado de 107 conceptos de dominio conectados por 117 aristas tipadas (tipos: INCREASES, REDUCES, INDICATES, REQUIRES, SCALES). Cada concepto incluye listas de sinónimos para el emparejamiento difuso (fuzzy matching).
Puente Concepto-Esquema: 52 aristas explícitas mapean los nodos de conceptos del EKG a nodos DataTable específicos en el DDCG. Esto permite al sistema transitar desde un concepto de lenguaje natural del usuario (por ejemplo, "ocurrencia de inundación") hacia las tablas de la base de datos específicas (por ejemplo, HP_FLD_002) necesarias para la ejecución.

2. Recuperación de Esquema Consciente de Conceptos

En lugar de inyectar el esquema completo de 150 columnas en el prompt, DisasterLex realiza una recuperación de tres pasos:

Emparejamiento de Conceptos: Utiliza expresiones regulares de límites de tokens para emparejar términos de la consulta con sinónimos de conceptos del EKG.
Recorrido de Grafo: Realiza un recorrido de 1 salto en Cypher desde los conceptos activados hacia los nodos DataTable conectados, recuperando columnas relevantes, reglas de unión y advertencias de calidad de datos.
Inyección de Contexto: Reemplaza el esquema completo con un bloque compacto de 10 a 20 columnas relevantes, reduciendo significativamente la dilución de la atención.

3. Pipeline de Orquestación de Cuatro Etapas

Implementado como un grafo dirigido en LangGraph, el pipeline impone una estructura operativa derivada del Sistema de Comando de Incidentes (ICS):

Extracción de Contexto y Criticidad: Analiza la consulta para extraer el área de interés, el tipo de peligro y un nivel de criticidad (1–5). Realiza verificaciones de disponibilidad de datos basadas en reglas para exponer tablas faltantes o bloqueadas.
el Clasificación de Dominio Operativo: Dirige la consulta hacia uno de tres grupos motivados por el ICS: Operaciones de Seguridad de la Vida, Evaluación de Daños y Respuesta, o Mitigación de Infraestructura. Cada grupo utiliza una plantilla de prompt especializada.
Planificación Informada por Causalidad: Un agente ReAct recupera aristas causales del EKG y realiza búsquedas web (si es necesario) para construir un plan de análisis estructurado, descomponiendo la consulta en subtareas e identificando las métricas necesarias.
Ejecución Aumentada por Herramientas: Un segundo agente ReAct ejecuta el plan utilizando dos herramientas:
- Herramienta Text-to-SQL: Genera SQL basado en el esquema consciente de conceptos, con validación de sintaxis y lógica de reintento.
- Herramienta de Grafo de Conocimiento: Recorre las reglas causales para sintetizar evidencia.
  El agente sintetiza un informe de incidente con hallazgos, recomendaciones (reguladas por la criticidad) y evidencia.

Contribuciones Clave

Vinculación de Esquema a Nivel de Concepto: La introducción de un Grafo de Conocimiento de Expertos (EKG) como capa de selección de esquema. Al interponer 107 conceptos y 117 aristas causales entre las consultas y un esquema de 36 tablas, el sistema reduce el contexto del prompt de 150 columnas a aproximadamente 10–20, abordando el modo de falla de selección de esquema de los enfoques previos de Text-to-SQL y RAG.
Orquestación Motivada por el ICS: Un pipeline de cuatro etapas que descompone las consultas de analítica de desastres en extracción de criticidad, enrutamiento de clúster, planificación causal y ejecución fundamentada. Los estudios de ablación demuestran que eliminar el enrutamiento o la planificación degrada significativamente el rendimiento, particularmente para la composición de múltiples tablas.
Benchmark Diagnóstico de Cuatro Niveles: Un conjunto de pruebas de 75 casos organizado en cuatro niveles para aislar modos de falla específicos:
- Nivel R (Enrutamiento): Selección correcta del clúster y del tipo de consulta.
- Nivel K (Fundamentación EKG): Presencia de tokens causales esperados en la respuesta.
- Nivel M (Multi-Tabla): Uniones SQL correctas a través de 2 a 4 tablas.
- Nivel D (Divulgación): Reporte transparente de datos faltantes o bloqueados.
Evidencia Trans-Modelo: Evaluación a través de siete modelos base (que van desde 8B hasta 70B de parámetros, incluyendo familias de código abierto y de código cerrado) y cuatro líneas base de última generación (LightRAG, HippoRAG 2, ReFoRCE, CHESS).

Resultados

Evaluado en un conjunto de pruebas de 75 consultas sobre una base de datos de analítica de desastres en todo Texas (36 tablas, 150 columnas):

Rendimiento: DisasterLex logró puntuaciones generales entre 1.65 y 3.56 (en una escala de 5.0) a través de los siete modelos base.
Comparación: Superó a cuatro líneas base de última generación por un factor de 1.4× a 2.75× en cada modelo base. Todas las líneas base externas puntuaron por debajo de 2.0 en general, mientras que DisasterLex superó los 2.5 en cinco de los siete modelos.
Análisis de Fallas: Las fallas de las líneas base se agruparon en enrutamiento (Nivel R) y composición SQL de múltiples tablas (Nivel M). DisasterLex aborda esto explícitamente mediante su capa de enrutamiento y su recuperación de esquema consciente de conceptos.
Perspectivas de Ablación:
- El Enrutamiento fue universalmente crítico; eliminarlo causó las mayores caídas en las puntuaciones del Nivel M (0.81–2.67 puntos) en todos los modelos.
- Los efectos de la Planificación y el EKG variaron según la capacidad del modelo. Por ejemplo, eliminar la planificación redujo las puntuaciones del Nivel K en 3.19 en Qwen 3.6 pero solo en 0.20–0.48 en otros modelos, lo que sugiere que el valor de la orquestación explícita está modulado por las capacidades de razonamiento intrínsecas del modelo base.

Significado y Reclamaciones

El artículo sostiene que para la analítica de desastres, la capa de concepto-a-esquema más la orquestación importan más que la elección del sustrato de recuperación o el agente Text-to-SQL. Los resultados sugieren que los pipelines de recuperación de propósito general y Text-to-SQL son insuficientes para dominios que requieren razonamiento causal sobre datos geoespaciales estructurados y heterogéneos.

DisasterLex demuestra que un grafo de conceptos causales curado por expertos, actuando como una capa de selección de esquema específica del dominio, puede mediar eficazmente entre el lenguaje natural y las bases de datos relacionales complejas. Los autores postulan que este patrón es transferible a otros dominios donde el conocimiento causal experto coexiste con datos estructurados de tiempo sensible, como el triaje médico o la interrupción de la cadena de suministro.

El trabajo se presenta como una herramienta de apoyo a la decisión, señalando explícitamente que sus salidas no son guías de comando de incidentes autoritativas y requieren revisión humana, particularmente para recomendaciones de alta criticidad. El sistema está diseñado para exponer la incertidumbre (mediante divulgaciones de disponibilidad de datos) en lugar de reemplazar el juicio experto.