Question

我已从https://developers.google.com/freebase/data?hl=en下载了Freebase转储，但我对该文件的关系感到困惑。

我知道转储的格式是<subject> <predicate> <object> .。如果我想提取Freebase的别名子集，例如http://www.freebase.com/common/topic/alias?instances&lang=en，我该怎么办呢？我试图过滤包含mid或'/ common / topic / alias'的行，但结果不是我想要的。

是否有任何库可以解析Freebase？谢谢！

跟进：

我还有两个问题。

是否有列表显示freebase中的所有命名空间？（例如type.object.name是对象的名称）
如何提取所有'（IS A）'类型的关系？（例如C ++是一种编程语言）

Answer 1

Freebase数据转储是RDF，因此任何RDF解析库都应该可以工作，但zgrep会更快。一点点小问题是，Freebase属性/common/topic/alias的谓词是<http://rdf.freebase.com/ns/common.topic.alias>，斜杠转换为句点/点。

要仅过滤英语别名，您可以使用如下命令：

$ zgrep -E "common.topic.alias>.*@en\t\.$" freebase-rdf-2015-04-19-00-00.gz

这将为您提供如下输出：

<http://rdf.freebase.com/ns/m.0100c5g>  <http://rdf.freebase.com/ns/common.topic.alias> "Pulska yo"@en  .
<http://rdf.freebase.com/ns/m.0101107q> <http://rdf.freebase.com/ns/common.topic.alias> "Unforgiven 2002"@en    .
<http://rdf.freebase.com/ns/m.01016v4g> <http://rdf.freebase.com/ns/common.topic.alias> "Ain't Nuthin' But A \"G\" Thang, Rene"@en  .
...

如果您想要所有语言的别名，您可以使用：

$ zgrep -E "common.topic.alias>" freebase-rdf-2015-04-19-00-00.gz

从Freebase转储中提取别名

1 个答案: