Este artículo reescribe y traduce al español un enfoque práctico para transformar libros históricos sin estructura en grafos de conocimiento almacenables y consultables en SurrealDB, usando técnicas de procesamiento de lenguaje y modelos de IA para extraer menciones e interacciones entre países a lo largo de los años.
Planteamiento y objetivo del proyecto: un investigador quiere analizar cómo cambió la percepción del mundo angloparlante hacia varias naciones europeas entre los años previos, durante y justo después de la Primera Guerra Mundial. Para simplificar se eligen cuatro libros representativos publicados en 1911, 1914, 1917 y 1920 que tratan de Europa en general. La idea es convertir esos PDFs en texto, procesarlos con modelos de lenguaje para obtener sentimiento y clasificaciones de eventos entre países, y almacenar los resultados en SurrealDB como un grafo formado por nodos media y country y por relaciones mention e interaction.
Extracción de texto: con una herramienta de extracción de PDF se generan archivos de texto plano para cada libro nombrados por año. El paso es imprescindible cuando el investigador dispone de PDFs variados y quiere automatizar la ingestión de fuentes históricas.
Modelos de lenguaje empleados: para una primera evaluación de tono se utiliza un modelo de sentimiento que clasifica fragmentos como positivo o negativo con una puntuación de confianza. Para identificar si en un pasaje existe una interacción entre dos países y si fue positiva o negativa se emplea clasificación zero shot con opciones tipo pais A hizo algo bueno a pais B, pais A hizo algo malo a pais B y algo distinto sucedió. Combinando ambos tipos de modelos se obtienen dos clases de relaciones útiles para grafos de conocimiento: media menciona country y country interactua con country.
Segmentación y limpieza: los textos se fragmentan en trozos manejables, p ejemplo bloques de 400 caracteres, limpiando saltos de línea y guiones de corte propios de OCR. Cada fragmento que menciona un país se evalúa con el modelo de sentimiento y cada fragmento que menciona dos países se evalúa con el modelo zero shot para detectar interacciones y clasificar su polaridad.
Modelado en SurrealDB: se crean nodos media por año y nodos country por cada nación analizada. Las relaciones mention contienen referencias al medio, al país mencionado, el año, el fragmento de texto y el sentimiento. Las relaciones interaction enlazan dos países con el contexto textual y la polaridad del evento. Este enfoque permite consultas gráficas y estadísticas que resumen tendencias por país y por año.
Consultas y visualización: con SurrealDB y la interfaz de visualización se pueden lanzar consultas que devuelven ejemplos concretos de interacciones, así como agregados por año que muestran cómo cambia el sentimiento hacia cada país. Por ejemplo en este experimento se puede observar cómo la valoración de Alemania cae en 1914 y 1917 y se recupera en 1920, mientras que otros países tienen comportamientos distintos según el corpus elegido. La visualización de grafos facilita detectar nodos y períodos con mayor atención, como un aumento de menciones a Belgica en 1920 que podría reflejar interés por la reconstrucción tras la guerra.
Limitaciones metodológicas: los libros contienen relatos y contextos amplios y no hablan solo del año de publicación, de modo que las señales deben interpretarse como indicios agregados. Además la clasificación automática no es perfecta y pueden aparecer falsos positivos cuando una frase une por casualidad nombres de países sin que exista interacción real. Por ello este flujo es ideal para análisis a gran escala que complementen la labor humana y guíen investigaciones posteriores.
Aplicaciones prácticas y servicios empresariales: este tipo de pipeline ilustra cómo proyectos de inteligencia de negocio y grafos de conocimiento pueden integrarse en soluciones de valor para empresas. En Q2BSTUDIO diseñamos soluciones a medida que combinan extracción de datos, modelos de IA y arquitecturas de base de datos para casos similares. Si busca desarrollar proyectos de análisis histórico, motores de recomendación o plataformas de inteligencia documental podemos ayudar con servicios de desarrollo de aplicaciones a medida y software a medida integrando modelos de lenguaje y almacenamiento en grafos. Conecte su iniciativa de IA con nuestra oferta de Inteligencia artificial para empresas y con proyectos de desarrollo de aplicaciones a medida.
Servicios complementarios: además de desarrollo y consultoría en IA ofrecemos ciberseguridad y pentesting para proteger pipelines de datos, servicios cloud aws y azure para desplegar infraestructuras escalables, y servicios de inteligencia de negocio y power bi para transformar los resultados en cuadros de mando accionables. Palabras clave que describen nuestras capacidades incluyen aplicaciones a medida, software a medida, inteligencia artificial, ciberseguridad, servicios cloud aws y azure, servicios inteligencia de negocio, ia para empresas, agentes IA y power bi.
Conclusión y llamada a la acción: estructurar texto histórico en grafos de conocimiento abre nuevas posibilidades para investigación académica y aplicaciones empresariales. Si desea transformar fuentes desestructuradas en activos consultables y seguros, hable con Q2BSTUDIO para crear una solución personalizada que abarque desde la extracción y el etiquetado con IA hasta el almacenamiento y la visualización con tecnologías modernas.
Contacto y siguiente paso Si quiere un estudio de viabilidad o una demo personalizada sobre extracción y modelado de conocimiento, nuestro equipo puede preparar un plan que incluya arquitectura cloud, seguridad y cuadros de mando con Power BI.
