SoroIA: Un asistente virtual para el Museo Sorolla

Forma parte del Trabajo de Fin de Máster de Ciencia de Datos por la Universidad Politécnica de Madrid. Computational Intelligence Group. Julio 2025.

Autor: Federico Castejón Lozano.

Título completo del TFM: SoroIA: Diseño e Implementación de un Sistema Conversacional basado en Modelos Grandes de Lenguaje para el Museo Sorolla

Descripción del proyecto

SoroIA es un chatbot basado en inteligencia artificial diseñado para responder a preguntas de los visitantes del Museo Sorolla. Utiliza técnicas avanzadas de procesamiento del lenguaje natural, como:

• Modelos grandes de lenguaje (LLMs)
• Recuperación aumentada con generación (Retrieval-Augmented Generation, RAG)
• Generación automática de consultas SQL (Text-to-SQL)
• Visualización contextual de obras e imágenes

A continuación se muestra la arquitectura general del sistema:

Fuentes de datos

La fuente de datos en la que se basa está disponible en Colecciones en Red españolas (CER.es) y la página web del Ministerio de Cultura sobre el Museo Sorolla.

Nota: Se han respetado los términos de uso de dichas fuentes, empleando los datos únicamente con fines académicos y sin ánimo comercial. Para cualquier otro uso, es necesaria la autorización de los titulares de los contenidos.

Contenidos

├── app.py                   # Aplicación principal en Streamlit
├── utils/                   # Código auxiliar (RAG, Text2SQL, BBDD, imágenes)
├── scraping_ceres/          # Scripts para extraer fichas desde CER.es
├── evaluación/              # Evaluaciones cuantitativas del sistema
├── requirements.txt         # Dependencias del proyecto
└── README.md

Evaluación

En la carpeta evaluacion se incluyen los experimentos realizados para medir el rendimiento del sistema, con tres enfoques distintos:

• Evaluación de la clasificación de preguntas
• Evaluación de precisión semántica en respuestas con RAG
• Evaluación de exactitud en generación de SQL