将Freebase导入Triplestore

Question

我目前正在规划一个包含大数据的大型项目。

我已经使用了搜索，所有的结果都告诉我，如果不使用第三方工具，如BaseKB或Freebase to RDF，则无法将Freebase导入到任何三层存储中

正如我所看到的，转储已经作为RDF可用，那么如果我想要将转储导入到我的4store triplestore并通过SPARQL访问数据，问题在哪里呢？

Answer 1

对于每个在导入Freebase转储时遇到问题的人：

1)更新您的RDF/Turtle解析器。(最新版本的猛禽2可以识别'.'，例如在ns:common.topic.notable_for.example

2)必须先清理转储，然后才能导入。我使用了这个scipt：http://people.apache.org/~andy/Freebase20121223/ (fixit)

3) Turtle规范只允许URI使用以下字符：

::= '<' ([^#x00-#x20<>\"{}|^`\] | UCHAR)* '>'

因此，将此行添加到fixit脚本的第80行是非常重要的：

$X =~ s/\\>/%3E/g ;
$X =~ s/\\.//g ;

# Add this Line
$X =~ [\x00-\x20\<\>\"\{\}\|\^\`] ;

$obj = "<".$X.">" ;

因此，如下所示的无效语法：

<http://www.wikipedia.org/object?key={invalid_braces}>

变成了

<http://www.wikipedia.org/object?key=invalid_braces>

Answer 2

您可能会从至少两个(如果不是三个)不同的数据集获得搜索结果：

从早期的RDF dumps

• (perhaps)

1. RDF dumps
2. (perhaps)

开始转储旧的四格式转储文件

#1中的格式是需要转换的。早期的RDF转储(#2)在语法上是无效的，因此不会导入到大多数工具中。随着时间的推移，RDF转储一直在改进。我不确定它是否仍然不会在没有预处理的情况下导入，但不管怎样，如果你对它进行预处理以消除冗余，将其标准化为最适合你的应用程序的格式，等等，它几乎会更有用。

您是否尝试导入当前转储文件？你的结果是什么？

Answer 3

freebase海龟转储的问题是，它们不符合w3c海龟规范。

1)根据http://www.w3.org/TR/turtle/#sec-grammar，字符'.‘只能出现在三元组的末尾，但是freebase转储有很多‘’在三人组结束之前。我在某处读到"/“在uri之外是不允许的，所以他们选择使用‘’。

最新的raptor2库可以解决这个问题('.')，但不能使用较旧的库

2)我认为发射“空白节点”的方式对于141567 ns:m.01000m1 ns:common.topic.notable_for行也是无效的。