发现zhishi.me数据集中的实体和实体间的关系如下所示:
1. 该数据集描述了不同百科网页之间的等价关系,以及同一个百科网页之间的重定向关系。
2.数据集存在多跳关系,根据尝试推断,数据集应该存在无限循环多跳关系。
3.数据解压后总大小:5G。
下载数据集并解压后共3.3G:
进入文件夹:
先看sameAs文件夹:
6个文件大小约:950M
发现这些描述了三个百科网页之间的等价关系:
然后看其他三个文件夹:
如上图,baidubaike、hudongbaike()、zhwiki(解压后1.77G)三个文件夹内的结构相似,容易推断 最后一个zip (zhwiki_instance_types_zh.zip)描述了isntance_types, 其余的abstracts、aliases、.... 等描述属性或实体间关系。 之后尝试找出其中有可能描述关系的压缩包。
先打开zhwiki_instance_types_zh.zip,发现其定义了实体的类别:
然后打开其他压缩包:
发现2.0_zhwiki_redirects_zh.ttl 描述的页也是关系:
发现zhishi.me数据集中的实体和实体间的关系如下所示:
1. 该数据集描述了不同百科网页之间的等价关系,以及同一个百科网页之间的重定向关系。
2.数据集存在多跳关系,根据常识推断,数据集应该存在无限循环多跳关系。
3.数据解压后总大小:5G。