使用张量表示一对RDF三元组.如何使用Python对建模过程进行编程

Question

关于使用张量表示几个RDF三元组的问题。

场景：

RDF三元组用于表示关于资源、格式（主语、谓语、宾语）的简单语句。

假设我有两个谓词，一个是play_for，另一个是race_fo，每个谓词都包含n个三元组，如下所示：

第一谓词：play_for；n个三元组：（雷·艾伦，play_for，波士顿凯尔特人队），（科比，play_foer，湖人队）。。。简而言之，（A_i，play For，T_i）对于i＝1到n。

第二谓词：race_fo；n个三元组：（波士顿凯尔特人队，race_fo，NBA总冠军），（湖人队，race-fo，NBA冠军）。。。简而言之，（T_i，种族，NBA）对于i＝1到n。

张量表示是对这2n个三元组进行建模的一种方法。我正在研究Maximilian Nickel的论文，使用张量分解来寻找数据集的潜在语义结构。第一步是使用张量来表示数据集。

张量条目X_ijk=1表示存在关系（第i个实体，第k个谓词，第j个实体）的事实。否则，对于不存在和未知的关系，该条目将设置为零。例如，这2n个三元组可以通过张量建模为：

 One slice:  (A_i, play for, T_i)
       A1, A2,...,An, T1, T2,...,Tn, NBA
 A1    0    0      0   1   0      0    0
 A2    0    0      0   0   1      0    0
 :
 An    0    0      0   0   0      1    0
 T1    0    0      0   0   0      0    0
 T2    0    0      0   0   0      0    0
 :
 Tn    0    0      0   0   0      0    0
 NBA   0    0      0   0   0      0    0
 The other slice: (T_i, race for, NBA)
      A1,  A2,...,An, T1, T2,...,Tn, NBA
 A1    0    0      0   0   0      0    0
 A2    0    0      0   0   0      0    0
 :
 An    0    0      0   0   0      0    0
 T1    0    0      0   0   0      0    1
 T2    0    0      0   0   0      0    1
 :
 Tn    0    0      0   0   0      0    1
 NBA   0    0      0   0   0      0    0

假设RDF三元组存储在"test.txt"中。我的问题是如何使用Python编程这个建模过程。

以下是我的想法：

最困难的是如何获得RDF三元组的坐标，该坐标对应于张量中非零的位置。首先，这里有一个包含所有实体的列表：

T = ['A1',...,'An','T1',...'Tn','NBA']

对于数据集中的每个RDF三元组（Subject_i，Predicate_k，Object_j），都有一个坐标（i，j，k）来描述X_ijk=1在张量中的位置。例如，现有RDF三元组（a_i，play-For，T_i）的坐标是（5，1，13），这意味着在第一个切片矩阵中X（5，13）=1。但是，我不知道如何得到这个坐标。我应该用字典来存储三元组吗？

我对Python不太熟悉，我已经尝试过获得解决方案，但我不知道如何解决它。任何帮助都将不胜感激。

EDIT:为了简洁易读，我删除了RDF的描述。

Answer 1

解决你的问题有很多可能性，但你的问题中有更大的矛盾心理。更精确地表述它，展示你想要得到什么以及为什么，并展示你迄今为止所尝试的。

与其解释rdf是什么，不如解释为什么你需要一个n级张量，以及为什么另一个表示不符合你的需求。

如果你需要张量运算，那么使用张量是有意义的。如果是这样，您应该研究numpy。如果不是，您应该考虑其他解决方案。如果您希望保留创建对象的顺序，则字典可能不是您要查找的。也许集合中的OrderedDict（python>=2.7）就是您想要的。但也许从收藏品中命名的双胞胎也能做到这一点。

Answer 2

Python最好的rdf库工具是rdflib。rdflib图有一种方法

lst = myGraph.subject_objects(MyNS.race_for)
# which is just syntactic sugar for:
lst = myGraph.triples((None,MyNS.race_for,None))

第二种语法也可以在其他语言的其他库中找到，如Java jena等

在scipy中，您应该调用稀疏，并将其用于稀疏二进制数组。

查看numpy包，找到"分解"三元组查询返回的主题和对象的最佳方法。应该非常简单。Panda中有这样的库，但我猜您将拥有大型稀疏矩阵，最好使用scipy.sparse模块。