Question

我想要制作一系列文本到N3格式，这样我最终可以将它们更改为RDF。文本文件的每一行都有一个如下条目：

09827177 18 n 03 aristocrat 0 blue_blood 0 patrician 0 013 @ 09646208 n 0000 #m 08404938 n 0000 + 01594891 a 0306 + 01594891 a 0102~09860027 n 0000~09892248 n 0000~10103592 n 0000~10194721 n 0000 ~10304832 n 0000~10492384 n 0000~10493649 n 0000~10525325 n 0000~10526235 n 0000 |贵族成员

我试图从上面的陈述中制作三元组，因此它们看起来像下表。

  Subject        Predicate           Object
(synset_offset)  

  09807754       lex_filenum           18
  09807754       ss_type               n
  09807754       lexical_entry     aristocrat
  09807754       lexical_entry     blue_blood
  09807754       lexical_entry     patrician
  09807754       has_pointer       09623038
  09623038       ss_type               n
  09623038       source_target        0000
  09807754       description    a member of aristocracy

我能够使用以下方法从文本的每一行读取大部分变量：

f = open("wordnetSample.txt", "r")
for line in f:
    L = line.split()
    L2 = line.split('|')
    synset_offset = L[0]
    lex_filenum = L[1]
    ss_type = L[2]
    word = (L[4:4 + 2 * int(L[3]):2])
    gloss = (L2[1].split('\n')[0])

我遇到的问题是我不知道要使用哪些命名空间或类似的东西。我是这种格式化的新手，也是一般的python。我一直在研究，觉得它应该是这样的：

'''<http://example.org/#'''+synset_offset+'''> <http://xmlns.com/foaf/0.1/lex_filenum> '''+lex_filenum+''' .

我也被告知海龟符号可能是更好的选择，但我无法理解它。

Answer 1

在RDF中，资源和属性由IRI识别。选择资源和属性IRI的选择取决于您。如果您拥有域名，则可以选择使用基于此的IRI。如果您从其他地方提取数据，并且基于此使用名称是有意义的，您可以选择使用基于此的IRI。如果IRI已经在某处确定了某些资源或属性，那么尝试重用这些资源或属性总是好的，但找到它们并不总是那么容易。

在您的情况下，数据来自WordNet，您应该对W3C工作草案RDF/OWL Representation of WordNet非常感兴趣。我不知道其中的方法和命名空间是否被广泛采用，但这种方法肯定是你可以从中学到的东西。例如

Synset，WordSense和Word的每个实例都有自己的URI。 URI有一种模式，以便（a）很容易从URI确定实例所属的类; （b）URI提供有关其所代表实体含义的一些信息。例如，以下URI

http://www.w3.org/2006/03/wn/wn20/instances/synset-bank-noun-2

是NounSynset。这个NounSynset包含一个WordSense，这是第一个意思是“银行”。 Synset实例的模式是：wn20instances：+ synset- +％lexform％ - +％type％ - +％sensenr％。％lexform％是Synset的第一个WordSense的词汇形式（普林斯顿源中的第一个WordSense，由其“wordnumber”表示，请参阅WordNet Prolog发行版概述）。％type％是名词，动词，形容词，形容词卫星和副词之一。％sensenr％是synset中包含的WordSense的编号。此模式生成唯一的URI，因为WordSense唯一标识了synset（WordSense只属于一个Synset）。

架构还定义了WordNet架构的许多属性。您应该尽可能重复使用这些IRI。

在RDF中为WordNet数据选择名称空间前缀

1 个答案: