Question

我正在尝试使用SPARQL查询Wikidata中某些属性的频率。

例如，要找出性别的不同值的频率，我有以下查询：

SELECT ?rid (COUNT(?rid) AS ?count)
WHERE { ?qid wdt:P21 ?rid.
  BIND(wd:Q5 AS ?human)
  ?qid wdt:P31 ?human.
} GROUP BY ?rid

我得到以下结果：

wd:Q6581097 2752163
wd:Q6581072 562339
wd:Q1052281 223
wd:Q1097630 68
wd:Q2449503 67
wd:Q48270   36
wd:Q44148   8
wd:Q43445   4
t152990852  1
t152990762  1
t152990752  1
t152990635  1
t152775383  1
t152775370  1
t152775368  1
...

我对此有以下问题：

这些t152...值是指什么？
如何忽略包含t152...的元组？
我试过FILTER ( !strstarts(str(?rid), "wd:") )，但它超时了。
如何计算不同的答案数？我使用上述查询尝试SELECT (COUNT(DISTINCT ?rid) AS ?count)，但又一次超时。

Answer 1

以t开头的值是＆＃34; skolemized＆＃34; unknown values（请参阅，例如Q2423351，了解性别或性别不明的人）。

为了提高性能，建议您将查询分为三个部分：

所有＆＃34;正常＆＃34;性别：

SELECT ?rid (COUNT(?qid) AS ?count) 
WHERE {
   ?qid wdt:P31 wd:Q5.
   ?qid wdt:P21 ?rid.
   ?rid wdt:P31 wd:Q48264 
} GROUP BY ?rid ORDER BY DESC(?count)

请注意，根据维基数据，wd:Q746411是subclass的wd:Q48270等。

所有＆＃34;非正常＆＃34;性别：

SELECT ?rid (COUNT(?qid) AS ?count) 
WHERE {
   ?qid wdt:P31 wd:Q5.
   ?qid wdt:P21 ?rid.
   FILTER (?rid NOT IN
           (
            wd:Q6581097,
            wd:Q6581072,
            wd:Q1052281,
            wd:Q2449503,
            wd:Q48270,
            wd:Q746411,
            wd:Q189125,
            wd:Q1399232,
            wd:Q3277905
           )
          ).
   FILTER (isURI(?rid))
} GROUP BY ?rid ORDER BY DESC(?count)

由于性能原因，我不使用FILTER NOT EXISTS {?rid wdt:P31 wd:Q48264 }。

全部（即1）＆＃34;未知＆＃34;性别：

SELECT (COUNT(?qid) AS ?count) 
WHERE {
   ?qid wdt:P31 wd:Q5.
   ?qid wdt:P21 ?rid.
   FILTER (!isURI(?rid))
}

事实上，在你的情况下，它并不是非常重要 - 计算不同的wd:Q5或计算它们并不明显 - 但后者因性能原因而更为可取。

什么是以“t”开头的值以及如何忽略它们进行计数

1 个答案: