A Knowledge Graph (KG) is a formal model for the structured representation of information, in which real-world entities are mapped as nodes within a directed graph and interconnected by edges that define their semantic relationships, typically operating on triple-based architectures (subject, predicate, object). Being constructed by integrating multiple heterogeneous sources, real-world KGs are inherently susceptible to noise, errors, and conflicts. This thesis investigates advanced Data Quality methodologies for consolidated graphs, with the objective of correcting inconsistencies and completing missing data without resorting to the deletion of triples, thereby preventing information loss. Specifically, the research focuses on the application of hybrid approaches that integrate the generalization capabilities of statistical and Machine Learning models with the rigor of reasoning based on patterns and logical rules. Furthermore, the use of probabilistic logic to handle the intrinsic uncertainty of data in accordance with the Open World Assumption will be analyzed, ultimately evaluating the scalability and computational cost requirements necessary to apply such techniques to large-scale knowledge bases.

Un Knowledge Graph (KG) è un modello formale per la rappresentazione strutturata dell'informazione, in cui entità del mondo reale sono mappate come nodi di un grafo orientato e interconnesse da archi che ne definiscono le relazioni semantiche, operando tipicamente su architetture basate su triple (soggetto, predicato, oggetto). Essendo costruiti integrando molteplici fonti eterogenee, i KG reali sono fisiologicamente soggetti a rumore, errori e conflitti. Questo elaborato di tesi analizza le metodologie avanzate di Data Quality per grafi già consolidati, con l'obiettivo di correggere le incongruenze e completare i dati senza ricorrere alla cancellazione delle triple, prevenendo così la perdita di informazioni. Nello specifico, la ricerca si concentra sull'impiego di approcci ibridi che integrano la capacità di generalizzazione dei modelli statistici e di Machine Learning con il rigore del ragionamento basato su pattern e regole logiche. Verrà inoltre analizzato l'utilizzo della logica probabilistica per gestire l'incertezza intrinseca dei dati nel rispetto della Open World Assumption, valutando infine i requisiti di scalabilità e di costo computazionale necessari per applicare tali tecniche a basi di conoscenza di grandi dimensioni.

Data Quality nei Knowledge Graph: Machine Learning e Modelli Logico-Probabilistici per la Correzione degli Errori tramite Pattern

RUGGERO, GIADA
2025/2026

Abstract

A Knowledge Graph (KG) is a formal model for the structured representation of information, in which real-world entities are mapped as nodes within a directed graph and interconnected by edges that define their semantic relationships, typically operating on triple-based architectures (subject, predicate, object). Being constructed by integrating multiple heterogeneous sources, real-world KGs are inherently susceptible to noise, errors, and conflicts. This thesis investigates advanced Data Quality methodologies for consolidated graphs, with the objective of correcting inconsistencies and completing missing data without resorting to the deletion of triples, thereby preventing information loss. Specifically, the research focuses on the application of hybrid approaches that integrate the generalization capabilities of statistical and Machine Learning models with the rigor of reasoning based on patterns and logical rules. Furthermore, the use of probabilistic logic to handle the intrinsic uncertainty of data in accordance with the Open World Assumption will be analyzed, ultimately evaluating the scalability and computational cost requirements necessary to apply such techniques to large-scale knowledge bases.
2025
Data Quality in Knowledge Graphs: Pattern-Based Error Correction using Machine Learning and Logico-Probabilistic Models
Un Knowledge Graph (KG) è un modello formale per la rappresentazione strutturata dell'informazione, in cui entità del mondo reale sono mappate come nodi di un grafo orientato e interconnesse da archi che ne definiscono le relazioni semantiche, operando tipicamente su architetture basate su triple (soggetto, predicato, oggetto). Essendo costruiti integrando molteplici fonti eterogenee, i KG reali sono fisiologicamente soggetti a rumore, errori e conflitti. Questo elaborato di tesi analizza le metodologie avanzate di Data Quality per grafi già consolidati, con l'obiettivo di correggere le incongruenze e completare i dati senza ricorrere alla cancellazione delle triple, prevenendo così la perdita di informazioni. Nello specifico, la ricerca si concentra sull'impiego di approcci ibridi che integrano la capacità di generalizzazione dei modelli statistici e di Machine Learning con il rigore del ragionamento basato su pattern e regole logiche. Verrà inoltre analizzato l'utilizzo della logica probabilistica per gestire l'incertezza intrinseca dei dati nel rispetto della Open World Assumption, valutando infine i requisiti di scalabilità e di costo computazionale necessari per applicare tali tecniche a basi di conoscenza di grandi dimensioni.
Knowledge Graph
Error Correction
Probabilistic Logic
Graph Patterns
Logic Rules
File in questo prodotto:
File Dimensione Formato  
Ruggero_Giada.pdf

accesso aperto

Dimensione 458.75 kB
Formato Adobe PDF
458.75 kB Adobe PDF Visualizza/Apri

The text of this website © Università degli studi di Padova. Full Text are published under a non-exclusive license. Metadata are under a CC0 License

Utilizza questo identificativo per citare o creare un link a questo documento: https://hdl.handle.net/20.500.12608/114295