fn_registry/python/functions/datascience/merge_graphs.md

name, kind, lang, domain, version, purity, signature, description, tags, uses_functions, uses_types, returns, returns_optional, error_type, imports, params, output, tested, tests, test_file_path, file_path

name	kind	lang	domain	version	purity	signature	description	tags	uses_functions	uses_types	returns	returns_optional	error_type	imports	params	output	tested	tests	test_file_path	file_path
merge_graphs	function	py	datascience	1.0.0	pure	def merge_graphs(graphs: list[dict], entity_key: str = 'name', similarity_threshold: float = 0.85) -> dict	Mergea multiples grafos de conocimiento en uno deduplicando entities por similitud de nombre (Levenshtein normalizado). Relaciones se re-apuntan a las entities canonicas. Atributos se combinan por union.	graph merge deduplication knowledge-graph levenshtein similarity datascience pendiente-usar	levenshtein_distance_py_cybersecurity			false		sys os	name desc graphs lista de grafos, cada uno con estructura {entities: [...], relations: [...]} name desc entity_key campo de entity que se usa para fuzzy matching (defecto: 'name'). Determina similitud. name desc similarity_threshold umbral de similitud Levenshtein normalizado [0, 1] para mergear (tipico: 0.85). Mayor = mas estricto.	dict con estructura {entities: [...], relations: [...], merge_log: [...]}, grafo mergeado y deduplicado	true	dos grafos con entity duplicada → merge entities similares pero bajo threshold → no merge relaciones re-apuntadas correctamente merge log registra cada merge tres grafos → merge transitivo grafos sin overlap → concatenacion simple	python/functions/datascience/merge_graphs_test.py	python/functions/datascience/merge_graphs.py

Ejemplo

g1 = {
    "entities": [
        {"id": "1", "name": "Alice Corp", "type": "company"},
        {"id": "2", "name": "Bob", "type": "person"},
    ],
    "relations": [
        {"source_id": "2", "target_id": "1", "relation_type": "works_at"},
    ],
}
g2 = {
    "entities": [
        {"id": "3", "name": "Alice Corp.", "type": "company", "country": "US"},
    ],
    "relations": [],
}

result = merge_graphs([g1, g2], similarity_threshold=0.85)
# result["entities"] -> 2 entities (Alice Corp mergeada, Bob)
# result["merge_log"] -> [{"merged": ["3", "1"], "into": "1", "similarity": 0.909}]
# "Alice Corp." mergeada en "Alice Corp" porque similitud > 0.85

Notas

Funcion pura. Reutiliza levenshtein_distance_py_cybersecurity para calcular similitud normalizada entre nombres.

Algoritmo de merge transitivo: si AB y BC, entonces A, B, C se mergean en uno solo. Se implementa via union-find (path compression simple).

Eleccion de canonical: la entity con mas campos no-null gana. En caso de empate, la primera encontrada en el par.

Conflictos de atributos: si ambas entities tienen un campo con valor, el canonical conserva el suyo (primero gana). Solo se copian campos que el canonical no tiene o tiene null.

Deduplicacion de relaciones: por (source_id, target_id, relation_type). Si dos relaciones son identicas tras re-apuntar los IDs, se conserva la primera encontrada.

Complejidad: O(n^2) en numero de entities por la comparacion de pares. Adecuado para grafos de knowledge tipicos (< 10K entities). Para grafos muy grandes, usar indexado por prefijo antes de comparar.

Importacion: intenta importar levenshtein_distance desde el paquete cybersecurity del registry. Si no esta disponible, usa una reimplementacion inline equivalente.