Scalable Uncertainty Reasoning in Knowledge Graphs

Esta investigación propone un marco modular para abordar el razonamiento de incertidumbre escalable en Grafos de Conocimiento, donde los datos del mundo real a menudo contienen incertidumbre. Aborda tres niveles de incertidumbre —valores de atributos imprecisos, existencia de triples probabilísticas y conocimiento de esquema incompleto— mediante técnicas adaptadas como literales probabilísticos, circuitos probabilísticos y embeddings geométricos.