sparql - 将 Freebase 导入 Triplestore

Question

我目前正在计划一个包含大数据的大项目。

我已经使用了搜索，所有结果都告诉我，如果不使用BaseKB或Freebase 到 RDF等 3rd 方工具，就不可能将 Freebase 导入任何三重存储

正如我所看到的，转储已经作为 RDF 提供，那么如果我想将转储导入到我的 4store 三重存储并通过 SPARQL 访问数据，问题在哪里？

Answer 1

对于在导入 Freebase 转储时遇到问题的每个人：

1) 更新您的 RDF/Turtle 解析器。（最新版本的 raptor 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 使用这些字符：

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

所以在第 80 行将这一行添加到 fixit 脚本中是非常重要的：

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

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

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

结果，像这样的无效语法：

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

变成

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

Answer 2

您可能从至少两个（如果不是三个）不同的数据集中获得搜索结果：

1. 旧的四元格式转储
2. 早期的 RDF 转储
3. （也许）当前的 RDF 转储

#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。我不确定在没有预处理的情况下根本不会导入它是否仍然正确，但是无论如何，如果您对其进行预处理以消除冗余，将其标准化为最适合您的格式，它几乎会更有用申请等

您是否尝试导入当前转储？你的结果是什么？

Answer 3

自由基海龟转储的问题在于，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 '.' 三人组结束前。我在某处读到在 uri 之外也不允许使用“/”，因此他们选择使用“。”

最新的 raptor2 库可以解决这个问题（'.'），但不能解决旧的

2）我认为发出“空白节点”的方式对于例如行 141567 ns:m.01000m1 ns:common.topic.notable_for 也无效。