Import Freebase to Triplestore

Question

我目前正在计划一个包含大数据的大项目。

我已经使用了搜索，所有结果都告诉我，如果不使用BaseKB或Freebase到RDF 等第三方工具，就不可能将Freebase导入任何三元组存储

正如我所看到的，转储已经作为RDF可用，那么如果我想将转储导入我的4store三元组存储并通过SPARQL访问数据，问题在哪里呢？

Answer 1

对于所有在导入Freebase Dump:时遇到问题的人

1） 保持RDF/Turtle Parser的更新。（最新版本的猛禽2可以识别"."，例如在ns:common.topic.notable_for.example

2） 必须先清理垃圾场，然后才能导入。我使用了以下技巧：http://people.apache.org/~andy/Freebase20121223/（修正）

3） Turtle规范只允许URI使用以下字符：

::= '<' ([^#x00-#x20<>"{}|^`] | UCHAR)* '>'

因此，将这一行添加到第80行的fixit脚本中非常重要：

$X =~ s/\>/%3E/g ;
$X =~ s/\.//g ;
# Add this Line
$X =~ [x00-x20<>"{}|^`] ;
$obj = "<".$X.">" ;

结果，像这样的无效语法：

<http://www.wikipedia.org/object?key={invalid_braces}>

成为

<http://www.wikipedia.org/object?key=invalid_braces>

Answer 2

您可能从至少两个（如果不是三个的话）不同的数据集获得搜索结果：

1. 旧的quad格式转储
2. 早期RDF转储
3. （也许）当前RDF转储

#1中的格式是需要转换的格式。早期的RDF转储（#2）在语法上是无效的，因此不会导入到大多数工具中。RDF转储一直在改进。我不确定在没有预处理的情况下它根本不会导入是否仍然是真的，但是，不管怎样，如果你对它进行预处理以消除冗余，将其规范化为最适合你的应用程序的格式，这几乎会更有用

您是否尝试导入当前转储？你的结果是什么？

Answer 3

freebase海龟转储的问题是，它们不符合w3c海龟规范。

1） 根据http://www.w3.org/TR/turtle/#sec-语法，字符"."只能出现在三元组的末尾，不过freebase dump有很多"。"三连击结束前。我在某个地方读到，在uri之外也不允许使用"/"，所以他们选择使用"。"

最新的raptor2库可以绕过这个（'.'），但不能绕过旧的

2） 我认为发出"空白节点"的方式也是无效的例如线路141567ns:m01000m1 ns:common.topic.notable_for。