Artículos
RAG basado en ontologías con SPARQL y modelos de lenguaje locales para documentación técnica
Resumen
Este artículo presenta LIDI-AI, un sistema de Generación Aumentada por Recuperación (RAG) cuya base de conocimiento es la documentación técnica del Asistente de Investigación LIDI-AI, una aplicación web de análisis de datos desarrollada en la Universidad del Azuay. La arquitectura en tiempo de ejecución integra dos fuentes de conocimiento complementarias: una ontología OWL 2 (artefacto versión 2.0) con seis clases y veinticinco propiedades (nueve de objeto y dieciséis de datos) que modela el flujo de trabajo de cinco etapas, los formatos de archivo aceptados, los tipos de análisis estadístico y los errores del sistema; y una capa de consultas SPARQL 1.1 para la resolución estructurada de intenciones. Una base Prolog con representación Objeto-Atributo-Valor (OAV), compuesta por 172 hechos, 17 reglas de inferencia y tres motores de diagnóstico, se especifica y valida formalmente como capa de razonamiento simbólico, aunque aún no es invocable desde el orquestador Python en tiempo de ejecución. Un módulo de recuperación léxica selecciona fragmentos de la ontología como contexto fundamentado para un modelo de lenguaje alojado localmente, en concreto, Llama-3.2-3B desplegado a través del framework Ollama con cuantización Q4_K_M.. La evaluación de diez consultas de usuarios reales muestra que siete se resolvieron con alta precisión mediante recuperación fundamentada en SPARQL, dos mediante recuperación léxica con trazabilidad ontológica, y una consulta fuera de dominio recibió un reconocimiento explícito de los límites del conocimiento, logrando una tasa de respuesta adecuada sin alucinaciones.
Palabras clave
Cómo citar
Estadísticas
Referencias
AlAgha, I. (2015). Using Linguistic Analysis to Translate Arabic Natural Language Queries to SPARQL. International Journal of Web & Semantic Technology, 6(3), 25–39. https://doi.org/10.5121/ijwest.2015.6303
Almeida, J. P. A., Guizzardi, G., Sales, T. P., & Fonseca, C. M. (2026). gUFO: A Gentle Foundational Ontology for Semantic Web Knowledge Graphs. arXiv preprint. https://doi.org/10.48550/arXiv.2603.20948
Anuyah, S., Kaushik, M. M., Dwarampudi, K., Shiradkar, R., Durresi, A., & Chakraborty, S. (2025). Automated Knowledge Graph Construction using Large Language Models and Sentence Complexity Modelling. https://doi.org/10.18653/v1/2025.emnlp-main.783
Brown, A., Roman, M., & Devereux, B. (2025). A Systematic Literature Review of Retrieval-Augmented Generation: Techniques, Metrics, and Challenges. Big Data and Cognitive Computing, 9(12), 320. https://doi.org/10.3390/bdcc9120320
Di, Z., Zhang, C., Lv, H., Cui, L., & Liu, L. (2025). LoRP: LLM-based Logical Reasoning via Prolog. Knowledge-Based Systems, 327, 114140. https://doi.org/10.1016/j.knosys.2025.114140
García-Montero, P. S., Orellana, M., & Zambrano-Martinez, J. L. (2025). Enriching Dataset Metadata with LLMs to Unlock Semantic Meaning. In Conference on Information and Communication Technologies of Ecuador (pp. 63 –77). Cham: Springer Nature Switzerland. https://doi.org/10.1007/978-3-032-08366-1_5
Garg, M., Wang, L.-C., Ghanchi, B., Dumpala, S., Kakde, S., & Chen, Y. C. (2025). Biomedical Literature Q&A System Using Retrieval-Augmented Generation (RAG).
Glimm, B., Horrocks, I., Motik, B., Stoilos, G., & Wang, Z. (2014). HermiT: An OWL 2 Reasoner. Journal of Automated Reasoning, 53(3). https://doi.org/10.1007/s10817-014-9305-1
Grattafiori, A., Dubey, A., Jauhri, A., Pandey, A., Kadian, A., Al-Dahle, A., Letman, A., Mathur, A., Schelten, A., Vaughan, A., Yang, A., Fan, A., Goyal, A., Hartshorn, A., Yang, A., Mitra, A., Sravankumar, A., Korenev, A., Hinsvark, A., … Ma, Z. (2024). The Llama 3 Herd of Models. https://arxiv.org/abs/2407.21783
Gruber, T. R. (1993). A translation approach to portable ontology specifications. Knowledge Acquisition, 5(2). https://doi.org/10.1006/knac.1993.1008
Harris, S., & Seaborne, A. (2013). SPARQL 1.1 Query Language. W3C Recommendation.
Hogan, A., Blomqvist, E., Cochez, M., D’amato, C., Melo, G. De, Gutierrez, C., Kirrane, S., Gayo, J. E. L., Navigli, R., Neumaier, S., Ngomo, A.-C. N., Polleres, A., Rashid, S. M., Rula, A., Schmelzeisen, L., Sequeda, J., Staab, S., & Zimmermann, A. (2021). Knowledge Graphs. ACM Computing Surveys, 54(4), 1 –37. https://doi.org/10.1145/3447772
Ji, Z., Lee, N., Frieske, R., Yu, T., Su, D., Xu, Y., Ishii, E., Bang, Y. J., Madotto, A., & Fung, P. (2023). Survey of Hallucination in Natural Language Generation. En ACM Computing Surveys, 55(12). https://doi.org/10.1145/3571730
Kabbaj, A., Frasson, C., Kaltenbach, M., & Djamen, J.-Y. (1994). A conceptual and contextual object-oriented logic programming: The PROLOG++ language (pp. 251-274). https://doi.org/10.1007/3-540-58328-9_17
Kim, S., Song, H., Seo, H., & Kim, H. (2025). Optimizing Retrieval Strategies for Financial Question Answering Documents in Retrieval-Augmented Generation Systems.
Lewis, P., Perez, E., Piktus, A., Petroni, F., Karpukhin, V., Goyal, N., Küttler, H., Lewis, M., Yih, W. T., Rocktäschel, T., Riedel, S., & Kiela, D. (2020). Retrieval-augmented generation for knowledge-intensive NLP tasks. Advances in Neural Information Processing Systems, 2020-December.
Liu, Y., Cao, Y., Lin, X., Shang, Y., Wang, S., & Pan, S. (2025). Enhancing Large Language Model for Knowledge Graph Completion via Structure-Aware Alignment-Tuning. Proceedings of the 2025 Conference on Empirical Methods in Natural Language Processing, 20981–20995. https://doi.org/10.18653/v1/2025.emnlp-main.1061
Mishra, D. S., Agarwal, A., Swathi, B. P., & Akshay, K. C. (2022). Natural language query formalization to SPARQL for querying knowledge bases using Rasa. Progress in Artificial Intelligence, 11(3), 193–206. https://doi.org/10.1007/s13748-021-00271-1
Musen, M. A. (2015). The protégé project. AI Matters, 1(4), 4–12. https://doi.org/10.1145/2757001.2757003
Noy, N. F., & McGuinness, D. L. (2001). Ontology Development 101: A Guide to Creating Your First Ontology. En Stanford Knowledge Systems Laboratory.
https://protege.stanford.edu/publications/ontology_development/ontology101.pdf
Paltin Chica, D. L., Mejía Mendieta, J. D., Orellana, M., & Zambrano-Martinez, J. L. (2025). Semantic Modeling of ECU 911 Emergencies Using NLP and Ontologies. Revista Tecnológica - Espol, 37(E1), 112–125. https://doi.org/10.37815/rte.v37nE1.1351
Procko, T. T., & Ochoa, O. (2024). Graph Retrieval-Augmented Generation for Large Language Models: A Survey. Proceedings - 2024 Conference on AI, Science, Engineering, and Technology, AIxSET 2024. https://doi.org/10.1109/AIxSET62544.2024.00030
Rajesh, V., Jodhpurkar, O., Anbuselvan, P., Singh, M., Jallepali, A., Godbole, S., Sharma, P. K., & Shrivastava, H. (2025). Production-Grade Local LLM Inference on Apple Silicon: A Comparative Study of MLX, MLC-LLM, Ollama, llama.cpp, and PyTorch MPS.
RDFLib Team. (2026). rdflib: A Python library for working with RDF. RDFLib. https://rdflib.readthedocs.io/en/stable/
Sheth, A., Gaur, M., Roy, K., & Faldu, K. (2021). Knowledge-Intensive Language Understanding for Explainable AI. IEEE Internet Computing, 25(5). https://doi.org/10.1109/MIC.2021.3101919
Vogt, L., Farfar, K. E., Karanth, P., Konrad, M., Oelen, A., Prinz, M., & Stroemert, P. (2026). Rosetta Statements: Simplifying FAIR Knowledge Graph Construction with a User-Centered Approach. https://doi.org/10.1093/database/baag030
Wampler, D., Nielson, D., & Seddighi, A. (2025). Engineering the RAG Stack: A Comprehensive Review of the Architecture and Trust Frameworks for Retrieval-Augmented Generation Systems. arXiv preprint. https://doi.org/10.48550/arXiv.2601.05264
Wielemaker, J., Schrijvers, T., Triska, M., & Lager, T. (2012). SWI-Prolog. Theory and Practice of Logic Programming, 12(1–2), 67–96. https://doi.org/10.1017/S1471068411000494
World Wide Web Consortium. (2012). OWL 2 Web Ontology Language document overview. World Wide Web Consortium.
Zheng, C., Chen, X., Xu, R., & Chang, B. (2022). A Double-Graph Based Framework for Frame Semantic Parsing. https://doi.org/10.18653/v1/2022.naacl-main.368
