La scoperta di dataset rilevanti in ecosistemi di dati vasti ed eterogenei, come i Data Lake, è spesso ostacolata dalla mancanza di trasparenza nei processi di raccomandazione e ricerca.
Il lavoro che vi proponiamo questa settimana introduce un framework innovativo basato su Graph Retrieval-Augmented Generation (Graph RAG) per migliorare l’interpretabilità nella ricerca di sorgenti dati. Sfruttando i Knowledge Graph per arricchire le richieste degli utenti e i Large Language Models (LLM) per generare report dettagliati e contestualizzati, l’approccio garantisce una maggiore accuratezza e interpretabilità del processo di scoperta.
L’articolo è disponibile in modalità open access al seguente link: link.springer.com/article/10.1007/s41019-025-00313-x