# KG2Cypher: Data-Centric Pipeline for Enterprise Text-to-Cypher Systems
> Ficha editorial pública de Research IA. Estado: Lectura primaria completa. La interpretación editorial no sustituye la fuente primaria.

- Página canónica: https://luiseduardodemiguel.com/research-ia/papers/kg2cypher-data-centric-pipeline-for-enterprise-text-to-cypher-systems
- Fuente primaria: https://arxiv.org/abs/2606.27742
- Versión leída: v1
- Fuente comprobada: 2026-08-19 · lectura primaria completa; extracción editorial automatizada, revisión humana pendiente
- Autores: Minjun Choi, Yerin Kim, Junghyuk Seo, Sujin Mo, Hyemin Lee, Youngjoong Ko
- Fecha del corte: 26 JUNIO 2026.
- Área: MODELOS PEQUEÑOS
- Recurso MCP exacto: research://paper/kg2cypher-data-centric-pipeline-for-enterprise-text-to-cypher-systems

## Estado de uso de imagen

- Estado: NO REPRODUCIDA
- Decisión editorial: La ficha no incrusta una figura primaria porque su licencia o permiso específico no consta en el registro editorial. La fuente permanece enlazada para comprobarla.
- [Comprobar fuente primaria](https://arxiv.org/abs/2606.27742)

## Tesis y contexto

Pipeline para crear sistemas text-to-Cypher sobre knowledge graphs empresariales privados. Genera pares pregunta-query desde grafos existentes, valida con LLM judge y humanos, y entrena con LoRA. Reporta mejoras fuertes en F1 y ejecución sobre queries empresariales coreanas.

- Problema: Consultar grafos privados en lenguaje natural sigue siendo caro y frágil.
- Por qué importa: Es muy aplicable a datos internos, catálogos, BI y búsqueda corporativa.

## Evidencia reportada

- **reported-result**: LoRA SFT substantially improves execution-result F1 in both broadcast and company domains. [localizador](https://arxiv.org/html/2606.27742#S4)
- **reported-result**: The broadcast-trained adapter (LoRA OOD) outperforms prompt-only generation on company queries, but it remains below company in-domain SFT. [localizador](https://arxiv.org/html/2606.27742#S4)

## Lectura y límite

- Método: La lectura de 3 Methodology describe la intervención y su construcción: Given a natural-language question q , relation candidates R , and entity candidates E , the generator model f_{\theta} produces an executable Cypher query y : This formulation aligns supervised fine-tuning (SFT) with deployment. The generator must select valid schema elements from retrieved candidates rather than generate them from scratch. Each relation candidate r\in R contains subject and object classes, a predicate identifier, and linguistic hints. Each entity candidate e\in E contains an internal URI, display name, and class label.
- Límite: La lectura primaria permite comprobar método y resultados en el HTML, pero no convierte sus conclusiones en validación independiente. La ficha no demuestra transferencia fuera de los datasets, modelos, herramientas y condiciones descritos en 4 Experiments.
- Confianza editorial: Media
- Limitación: El cierre de la fuente señala: We presented KG2Cypher, a data-centric pipeline that reuses enterprise KGs for Text-to-Cypher data construction, model training, and serving. Its main advantages are that it turns observed graph facts into executable Cypher targets and uses LLMs only for language generation and validation, which reduces manual pair authoring for private enterprise schemas. KG2Cypher then trains a candidate-aware LoRA generator for production-style prompts. Experiments…
- Limitación: La ficha no demuestra transferencia fuera de los datasets, modelos, herramientas y condiciones descritos en 4 Experiments.

## Base de la confianza editorial

> Juicio editorial sobre la transferibilidad de esta lectura; no mide calidad académica ni efecto local.

| Criterio | Estado | Base observable |
|---|---|---|
| FUENTE PRIMARIA | DOCUMENTADO | Lectura primaria completa registrada sobre v1; comprobación: 2026-08-19 · lectura primaria completa; extracción editorial automatizada, revisión humana pendiente. |
| RÉPLICA LOCAL | PENDIENTE | No se ha registrado una réplica independiente en este sitio. El código o los datos enlazados, cuando existen, no cuentan como réplica. |
| LÍMITES | DOCUMENTADO | 3 límites declarados en la ficha. |
| APLICABILIDAD | ACOTADO | Hay una prueba de transferencia con entrada, métrica y parada; su resultado local todavía no se ha observado. |

- Regla editorial: Los criterios no se promedian automáticamente. Una fuente leída, un límite claro o un protocolo propuesto no equivalen a una réplica ni a un resultado local.

## Localizadores de evidencia
- [Fuente primaria · canonical](https://arxiv.org/abs/2606.27742): tipo abstract
- [HTML · lectura completa](https://arxiv.org/html/2606.27742): tipo abstract
- [Método · 3 Methodology](https://arxiv.org/html/2606.27742#S3): tipo section
- [Evaluación · 4 Experiments](https://arxiv.org/html/2606.27742#S4): tipo section
- [Cierre · 5 Conclusion](https://arxiv.org/html/2606.27742#S5): tipo section

## Próxima prueba

- ¿La propuesta mejora knowledge graphs frente a la línea base actual?
- Métrica: Comparar la métrica principal de la fuente junto con calidad, coste, latencia y tasa de errores.
- Regla de parada: Parar si no aparece una mejora reproducible o si aumenta el riesgo, la complejidad o el coste sin compensación.

## Recursos reproducibles
- [the following issues](https://github.com/arXiv/html_feedback/issues)
- [list of packages that need conversion](https://github.com/brucemiller/LaTeXML/wiki/Porting-LaTeX-packages-for-LaTeXML)
- [developer contributions](https://github.com/brucemiller/LaTeXML/issues)

## Enlaces relacionados

- [Supersede](https://luiseduardodemiguel.com/research-ia/markdown/papers/supersede-diagnosing-and-training-the-memory-update-gap-in-llm-agents)
- [DiscoBench](https://luiseduardodemiguel.com/research-ia/markdown/papers/discobench-when-search-agents-should-ask)
- [SHIFT](https://luiseduardodemiguel.com/research-ia/markdown/papers/shift-gate-modulated-activation-steering-for-knowledge-conflict-mitigati)