解析Wikidata -三元组数据

Question

我第一次使用WikiData和RDF。我下载了WikiData 24 it的“真实”数据集 (仅以available .nt格式提供)，但现在我很难理解它。

下面是.nt文件中与显示(主题、谓词、对象)三元组相关的一些行：

<http://www.wikidata.org/entity/Q24> <http://schema.org/description> "protagonista della serie televisiva americana ''24''"@it .

<http://www.wikidata.org/entity/Q24> <http://schema.org/name> "Jack Bauer"@en .

<http://www.wikidata.org/entity/Q24> <http://www.wikidata.org/prop/direct/P27> <http://www.wikidata.org/entity/Q30> .

<http://www.wikidata.org/entity/Q24> <http://www.wikidata.org/prop/direct/P451> <http://www.wikidata.org/entity/Q284262> .

所以我的问题是：

1. 是用于从这个巨大文件解析为英语的三元组的URI，还是我必须进行调用?例如，我想解析这个三元组：

<http://www.wikidata.org/entity/Q24> <http://www.wikidata.org/prop/direct/P27> <http://www.wikidata.org/entity/Q30> .

变成这样的英文可读的形式：

Jack Bauer, country of citizenship, United States of America

该文件是否包含获取Q24、P27和Q30英文可读的名称所需的信息？或者我需要单独进行HTTP调用来解决这些问题？

1. 我也可以得到一个转储此文件。我正确的理解是，.nt 三元组仅仅是JSON层次结构的深度优先遍历，目的是将所有数据扁平化为三元组？

Answer 1

都是从这个巨大的文件中解析成英文的三元组的URI，还是我必须进行API调用？

将三元组分解为英语将需要像http://wiki.bitplan.com/index.php/SiDIF这样的三元组的不同表示形式。大多数RDF序列化对于人类来说都不是很好的可读性。https://www.w3.org/TR/turtle/是其中一个更易读的。https://gbv.github.io/aREF/aREF.html也是一个好主意。RDF的一般工具链对程序员不那么友好。请参阅JSON和为什么我讨厌语义网

您可能需要将三元组导入SPARQL商店，然后使用查询前端。这会大大简化你的生活。这是你可能一直在考虑的那种"API“。

有关该过程的描述，请参见WikiData。截至2020年-05-11年，我将向阿帕奇耶拿进口。

https://query.wikidata.org/查询前端可能更容易用于简单查询。请在下面找到一个表示您找到的三元组的查询。

# WikiData statements about Jack Bauer
SELECT ?pLabel ?oLabel 
WHERE 
{
  wd:Q24 ?p ?o.
  SERVICE wikibase:label { bd:serviceParam wikibase:language "[AUTO_LANGUAGE],en". }
}

试试看！

文件是否包含获取Q24、P27和Q30英文可读的名称所需的信息？或者我需要单独进行HTTP调用来解决这些问题？文件应该包含这些信息，因为“真实”只意味着您没有出处数据而是所有事实数据。使用WikiData可能会非常麻烦，参见http://wiki.bitplan.com/index.php/WikiData。有一些库可以帮助您通过编程语言API直接使用WikiData来处理。例如，Java的https://github.com/Wikidata/Wikidata-Toolkit。有关更全面的列表，请参见程序员。

我也可以获得这个文件的.json转储。我是否正确地认识到，.nt三元组只是JSON层次结构的深度优先遍历，将所有数据平缓成三元组？

三元组的内容应该是相同的。我不知道json垃圾堆里的三元组的顺序是什么。坏消息是，仅仅导入转储的一部分是不够的，因为您会丢失链接信息。