Este artículo aborda la edición de conocimiento, que corrige el conocimiento obsoleto o impreciso en redes neuronales. En lugar de las tripletas factuales etiquetadas manualmente, utilizadas en estudios previos, exploramos la edición de conocimiento utilizando documentos de fácil acceso. Para ello, construimos DocTER, el primer punto de referencia de evaluación compuesto por documentos que contienen conocimiento semi-real. Realizamos una evaluación exhaustiva en cuatro aspectos: tasa de éxito de edición, localidad, inferencia y transferencia entre idiomas. Para aplicar los métodos existentes de edición de conocimiento basados en tripletas a esta tarea, desarrollamos un flujo de trabajo de extracción y edición que extrae tripletas de documentos y luego aplica los métodos existentes. Experimentos con varios métodos de edición de conocimiento muestran que editar utilizando documentos es significativamente más difícil que usar tripletas. En escenarios basados en documentos, incluso el método de edición en contexto con mejor rendimiento se queda 10 puntos por detrás de las tripletas de oro en tasa de éxito de edición. Esta observación también es válida para la inferencia y los conjuntos de pruebas entre idiomas. Analizamos los factores clave que afectan el desempeño de la tarea, incluida la calidad de los triples extraídos, la frecuencia y ubicación del conocimiento editado en los documentos, varios métodos para mejorar la inferencia y las diferencias de desempeño según diferentes direcciones de edición de conocimiento entre idiomas, proporcionando información valiosa para futuras investigaciones.
