Versión final 1.0.0

📦 Release v1.0.0 – Knowledge Graph SQL Extractor

🚀 Descripción

Esta primera versión del proyecto Knowledge Graph SQL permite extraer información semántica desde artículos científicos en formato PDF y convertirla en un grafo de conocimiento RDF serializado en formato Turtle (.ttl). Utiliza tecnologías de procesamiento de lenguaje natural como GROBID y modelos de Transformers (Hugging Face) para identificar entidades clave como:

• Autores
• Organizaciones
• Agradecimientos
• Referencias citadas

La información extraída se estructura siguiendo un modelo RDF, lo que facilita su integración con tecnologías semánticas y bases de datos orientadas a grafos.

🛠️ Tecnologías utilizadas

• 🧠 GROBID (para extracción estructurada de PDFs científicos)
• 🤗 Hugging Face Transformers (reconocimiento de entidades nombradas - NER)
• 🐍 Python 3 + RDFLib (serialización RDF en Turtle)
• 📊 NetworkX + Matplotlib (visualización del grafo RDF)

📁 Estructura del proyecto

• main.py: Orquestador del flujo de extracción y conversión RDF.
• rdf_generator.py: Módulo de construcción y serialización del grafo RDF.
• grobid_client: Cliente para comunicarse con el servidor GROBID.
• output/: Contiene los archivos .ttl generados y visualizaciones.

⚙️ Instalación y uso

1. Clonar el repositorio.
2. Instalar dependencias (recomendado: crear un entorno Conda).
3. Ejecutar main.py con el PDF de entrada.
4. Visualizar o procesar el grafo .ttl resultante.

📝 Notas

• Esta versión es funcional para procesar artículos en inglés con buena calidad de estructuración.
• Se recomienda tener GROBID corriendo localmente o en contenedor Docker.
• Futuras versiones incluirán soporte para más tipos de entidades y mejoras en la visualización interactiva del grafo.